Présentation d'Evidence

Evidence propose une approche « BI‑as‑code » : le cœur du produit, Evidence Core, est un framework open source qui permet de créer rapports, tableaux de bord et outils d’aide à la décision sous forme de code. Le dépôt GitHub cumule plus de 7 000 étoiles et est utilisé par des milliers d’organisations, dont plusieurs Fortune 100. En 2021, les cofondateurs Sean Hughes et Adam McAskill, forts d’une expérience dans la data science d’un fonds de private equity canadien, ont levé des fonds via Y Combinator (S21) et d’autres investisseurs.

Architecture technique

Evidence Core se compose d’un moteur d’interrogation SQL, d’un DSL (Domain Specific Language) pour définir les métriques et d’un générateur de visualisations. Le code source, disponible sous licence permissive, s’intègre aux pipelines CI/CD, ce qui rend possible le versionnage et le test automatisé des artefacts analytiques. Au-dessus de ce socle, Evidence Studio ajoute une couche d’entreprise : un agent d’analyse alimenté par IA, un système de contrôle d’accès granulaire, des mécanismes de chiffrement des données en transit et au repos, ainsi que des politiques de gouvernance. Cette séparation entre noyau open source et plateforme propriétaire facilite la réutilisation du même code dans des contextes on‑premise ou cloud.

Intégration de l'agent IA

L’agent IA d’Evidence Studio agit comme un intermédiaire conversationnel capable d’interroger le modèle de données défini dans Evidence Core. Il traduit les requêtes naturelles en expressions DSL, exécute les requêtes SQL correspondantes et restitue les résultats sous forme de visualisations ou de recommandations. Cette capacité repose sur des modèles de langage pré‑entraînés, adaptés aux schémas de données spécifiques grâce à un fine‑tuning limité. Le principal avantage technique réside dans la réduction du temps de création de rapports : les analystes n’ont plus à écrire manuellement chaque requête, l’agent génère le code requis en temps réel.

Analyse des enjeux de sécurité et de gouvernance

Le modèle de sécurité d’Evidence Studio s’appuie sur des contrôles d’accès basés sur les rôles (RBAC) et sur la journalisation détaillée des actions d’analyse. Chaque appel de l’agent IA est enregistré, ce qui permet d’auditer les décisions automatisées. Le chiffrement TLS assure la confidentialité des flux entre le client et le serveur, tandis que le stockage des artefacts analytiques utilise le chiffrement au repos fourni par le fournisseur cloud sous‑jacent. Toutefois, l’exposition d’un agent IA introduit un vecteur d’attaque potentiel : une mauvaise configuration du modèle pourrait entraîner la génération de requêtes non autorisées ou la divulgation de données sensibles. La documentation d’Evidence recommande donc de restreindre les privilèges du modèle d’IA et de valider les requêtes avant exécution.