Starburst met en avant sa plateforme de données pour aider les entreprises à faire évoluer leurs usages de BI à l’ère de l’IA générative. Pour permettre aux équipes métier d’interroger des données distribuées en langage naturel, à partir d’informations fiables, gouvernées et contextualisées, sans devoir les centraliser au préalable.
Dans de nombreuses entreprises, la business intelligence reste encore dépendante de tableaux de bord statiques, de cycles d’analyse longs et de données dispersées entre plusieurs environnements. Les équipes métier doivent souvent naviguer entre différents outils, attendre la préparation des données ou s’appuyer sur des définitions parfois hétérogènes avant d’obtenir une information exploitable.
Avec l’essor de l’IA générative, ce modèle montre ses limites. Les entreprises cherchent désormais à obtenir des réponses plus directes, contextualisées et utilisables en temps réel, via des interfaces conversationnelles capables d’interroger des environnements de données complexes. Pour y parvenir, l’enjeu ne repose plus seulement sur la performance des modèles d’IA, mais aussi sur leur capacité à accéder à des données fiables, gouvernées et enrichies par le contexte métier. C’est dans cette logique que Starburst met en avant sa plateforme d’accès aux données. Celle-ci vise à connecter les outils analytiques et les agents d’IA aux données distribuées de l’entreprise, mais aussi aux métadonnées, aux règles métier et aux politiques de gouvernance. L’objectif est de permettre aux systèmes d’IA de produire des réponses directement exploitables par les équipes, sans recréer de silos ni multiplier les copies de données.
Selon Pascal Gasp, Senior Solutions Architect South EMEA chez Starburst : « les entreprises veulent des systèmes capables de fournir des réponses fiables et contextualisées directement aux métiers, sans multiplier les silos de données ni compromettre la gouvernance. L’enjeu n’est plus seulement l’accès aux données, mais la capacité à exploiter leur contexte métier pour rendre l’IA réellement opérationnelle dans les usages quotidiens ». Pour répondre à ces enjeux, Starburst s’appuie notamment sur son Analytics Engine, un moteur analytique basé sur Trino permettant d’interroger des données réparties entre environnements cloud, hybrides et sur site. La plateforme intègre également une Enterprise Context Layer, pensée pour relier métadonnées, définitions métier et règles de gouvernance, ainsi qu’un Agentic Control Plane destiné à encadrer les interactions entre les agents d’IA et les données de l’entreprise.
Starburst met aussi en avant son AI Data Assistant, ou AIDA, une interface conversationnelle permettant aux utilisateurs métier d’interroger les données en langage naturel. L’ambition est de rendre l’accès à l’information plus simple pour les équipes non techniques, tout en conservant les exigences de sécurité, de contrôle et de conformité attendues dans les environnements d’entreprise. Cette approche répond à un problème récurrent des projets data et IA : la dispersion des informations entre différents environnements cloud, sur site et hybrides. En permettant d’interroger les données là où elles résident, Starburst cherche à éviter les duplications massives, tout en maintenant un accès unifié et gouverné à l’ensemble de ses environnements analytiques.
Pour l’entreprise, les organisations les mieux placées pour tirer parti de l’IA dans l’analytique seront celles capables d’unifier l’accès aux données sans les déplacer, tout en structurant leur contexte métier. L’objectif est ainsi de faire passer la BI d’une logique de reporting fragmenté à une prise de décision plus continue, où les utilisateurs peuvent interagir directement avec les données de l’entreprise à travers des réponses fiables, contextualisées et gouvernées.
