Présentation de DataGPT
Prophecy Inc. a introduit DataGPT, un service qui permet aux analystes métier de concevoir, exécuter et visualiser des flux de données complets depuis les interfaces conversationnelles de ChatGPT, Claude et Copilot. Chaque réponse est accompagnée d’une carte visuelle décrivant les étapes qui ont conduit au résultat, ce qui contraste avec la pratique courante où un utilisateur téléverse un tableau Excel dans un chatbot, reçoit un script généré par l’IA et accepte les chiffres sans pouvoir vérifier la logique sous‑jacente. Prophecy cite une prévision de Gartner (janvier 2026) selon laquelle 50 % des organisations adopteront une posture « zero‑trust » pour la gouvernance des données d’ici 2028, soulignant la nécessité d’un contrôle transparent des processus automatisés.
Architecture et mécanismes d’exécution
DataGPT s’intègre aux marketplaces de connecteurs de ChatGPT, Claude et Copilot. Lorsqu’un fichier est chargé, il transite d’abord par la couche Prophecy, qui le redirige vers la plateforme de données du client – Snowflake, Databricks ou BigQuery – sans jamais résider dans le chat. Le service génère un script (souvent en SQL ou Python) qui est stocké dans un dépôt Git public ou privé, garantissant que chaque exécution ultérieure utilise exactement le même code. Cette approche élimine tout coût supplémentaire lié à l’inférence du modèle d’IA lors des relances, car le modèle n’est sollicité que pour la création initiale du workflow. Le script peut être programmé pour s’exécuter périodiquement, par exemple chaque mois, en s’appuyant sur les planificateurs natifs des plateformes de données.
Sécurité, gouvernance et contrôle des coûts
En plaçant les fichiers et les métadonnées dans le périmètre IT, DataGPT répond aux exigences du « shadow AI ». Les workflows signés sont visibles par les équipes d’infrastructure, qui peuvent appliquer les politiques de gouvernance habituelles, auditer chaque étape et intervenir avant l’approbation finale. Le fait que les exécutions reposent sur du code stocké dans Git assure une traçabilité complète et permet de révoquer ou de modifier un maillon du processus sans toucher au modèle d’IA. De plus, l’absence de facturation supplémentaire liée à l’IA lors des relances réduit les dépenses opérationnelles, les coûts restant liés uniquement à l’utilisation des services de stockage et de calcul des plateformes de données.
Perspectives et limites
DataGPT bénéficie d’un financement de plus de 100 M$ depuis 2017, dont une extension de série B de 47 M$ en janvier 2025, et compte parmi ses clients SAP, HSBC et Pfizer. Cependant, la solution dépend fortement de la capacité des LLM à générer un code correct dès la première itération ; des erreurs de génération peuvent nécessiter une intervention humaine. La performance dépend également de la latence et du coût des plateformes sous‑jacentes, qui varient selon le volume de données et la fréquence des exécutions. Enfin, l’adoption reste conditionnée à la présence d’un catalogue de données bien structuré et à la volonté des organisations d’intégrer les connecteurs dans leurs environnements sécurisés.
