L'assistance optimisée par l'IA dans Google Data Cloud simplifie vos workflows opérationnels et analytiques. Dans BigQuery, Spanner et AlloyDB, Gemini vous aide à générer, compléter et expliquer facilement des requêtes complexes. Gemini dans BigQuery propose également une assistance au codage Python. Cette solution fournit également des recommandations contextuelles pour la préparation des données et des traductions SQL personnalisables, ce qui rend les tâches de données complexes très accessibles et efficaces.

Google Cloud fournit des agents propriétaires permettant d'automatiser l'ingénierie des données, la data science et l'analyse. L'agent Data Engineering dans BigQuery gère la création et la migration de pipelines de manière autonome à l'aide des métadonnées Knowledge Catalog pour les transformations. L'agent Data Science accélère le développement en planifiant la préparation des données et l'entraînement du ML grâce à une connaissance totale du contexte et à une autocorrection autonome. L'agent Database Onboarding évalue les exigences des utilisateurs pour recommander la base de données Google Cloud la plus adaptée et les guide tout au long du processus de provisionnement. L'agent Database Observability surveille de manière proactive les performances du parc de bases de données, identifie les anomalies et fournit des recommandations intelligentes ainsi que des workflows de correction multitour pour le dépannage et l'optimisation.

L'agent Deep Research va au-delà des simples recherches en une étape pour mener des investigations approfondies. Il structure de manière autonome des requêtes en plusieurs étapes, suit les données à la trace entre les systèmes, combine des tables structurées avec des données non structurées (comme des PDF, des contrats et des images), et synthétise des rapports de recherche complets décrivant les origines et les tendances futures.

BigQuery Conversational Analytics permet aux professionnels des données d'extraire des insights et d'effectuer des prédictions sur des données de lakehouse multimodales et multiformats via une discussion en langage naturel avec une grande précision basée sur des entités, des relations et des métriques métier. Conversational Analytics dans les bases de données fournit des renseignements opérationnels en temps réel, ce qui vous permet d'interagir avec Cloud SQL, Spanner et AlloyDB en langage naturel. Looker Conversational Analytics permet aux équipes métier d'utiliser le langage naturel et une couche sémantique gouvernée pour prendre des décisions fiables, ce qui réduit la charge de travail des équipes techniques. Les agents de tableaux de bord Looker enrichissent encore cette expérience en intégrant des requêtes en langage naturel et des résumés automatisés directement aux tableaux de bord. Pour répondre aux besoins opérationnels en temps réel, les workflows agentiques proactifs vous permettent de passer de la création de rapports réactifs à des actions basées sur des événements en examinant automatiquement les anomalies et en suggérant des plans d'atténuation.

Gemini Enterprise permet aux utilisateurs professionnels d'obtenir des insights instantanés en posant simplement des questions en langage naturel. En publiant les agents conversationnels créés dans BigQuery, Looker, les lakehouses et les bases de données dans le hub centralisé Gemini Enterprise Agent Gallery, vous permettez aux utilisateurs d'accéder aux systèmes de données d'entreprise via une interface unique. Cette approche fait complètement abstraction des complexités techniques sous-jacentes de l'écosystème de données, tout en garantissant que l'accès aux données reste sécurisé, audité et encadré dans les espaces de travail de productivité quotidiens. Dans Gemini Enterprise, les administrateurs peuvent facilement provisionner des accès, ce qui garantit que les interactions avec les données restent sécurisées, auditées et encadrées dans les espaces de travail de productivité quotidiens.

Les développeurs peuvent facilement créer et intégrer des agents personnalisés pour relever les défis uniques liés aux données d'entreprise. L'API Conversational Analytics vous permet d'intégrer des fonctionnalités de requête en langage naturel directement dans des applications personnalisées, des outils internes ou des workflows automatisés. L'ensemble d'outils d'intégration BigQuery ADK fournit des fonctions prêtes à l'emploi pour l'exploration de schémas, l'exécution de requêtes et de prévisions. Les données de requête pour les bases de données sont disponibles pour Cloud SQL, AlloyDB et Spanner afin de vous aider à créer des agents pour les données opérationnelles. Le plug-in BigQuery Agent Analytics pour ADK vous permet de transmettre en flux continu les données d'activité des agents directement à BigQuery pour une observabilité et une évaluation en temps réel avec une seule ligne de code. Pour simplifier davantage les opérations, le bloc Looker pour BigQuery Agent Analytics fournit une solution clé en main pour surveiller, déboguer et optimiser les agents IA.

Data Agent Kit simplifie vos workflows en regroupant des outils MCP (Model Context Protocol) sécurisés, des plug-ins IDE natifs, ainsi que des compétences en ingénierie des données et en data science précodifiées dans un seul package Open Source. L'intégration de ces fonctionnalités directement dans des IDE tels que VS Code, Claude Code, Codex et la CLI Antigravity fait évoluer le rôle du développeur : celui-ci passe de l'écriture manuelle de code de pipeline à un développement basé sur les intents pour l'ensemble des données. De plus, les développeurs peuvent exploiter la solution Open Source MCP Toolbox pour connecter de façon sécurisée des agents à AlloyDB, BigQuery, Spanner, Cloud SQL, Knowledge Catalog et Apache Spark. Lancez-vous avec Data Agent Kit.