Avec Genie Ontology, Databricks introduit sa version d’un système de contexte. Celui-ci doit soutenir l’IA et garantir des réponses plus précises et pertinentes.
À peine deux semaines après le lancement de Horizon Context et Cortex Sense par Snowflake, Databricks a déjà sa réponse prête dans le même centre de conférence Moscone à San Francisco. Lors de son propre Data+AI Summit, l’entreprise dévoile Genie Ontology : un système qui fournit le contexte avec lequel les agents d’IA doivent travailler.
« Genie Ontology est l’une de nos annonces les plus importantes lors de ce sommet », déclare Ali Ghodsi, PDG et cofondateur de l’entreprise. Il a raison : Databricks ne peut pas se permettre de ne pas lancer de solution autour du contexte lors de cet événement.
Contexte élargi
Genie Ontology collecte lui-même le contexte à partir de sources au sein de Databricks et, lors de son lancement, de plus de 50 autres applications et systèmes de données. Pour ce faire, Genie Ontology doit regrouper des données provenant de diverses bases de données, réunions, fichiers, processus et plus encore afin de parvenir à un contexte d’entreprise pertinent.
Le système construit un graphe de connaissances (knowledge graph), que d’autres agents d’IA tels que Genie One et Genie Code, tous deux fraîchement lancés, utilisent ensuite. Si vous posez une question, le système d’IA l’interprétera grâce à Ontology dans le contexte unique de votre entreprise.
Ce contexte provient de partout. Ghodsi : « Ce que vous avez dans votre lac de données n’est pas le seul élément important, les informations provenant de votre Google Calendar, du cloud ou de Salesforce le sont aussi. Chaque réunion doit être enregistrée, et il doit y avoir des transcriptions de tout. Cela exige que les systèmes disposent d’une livraison de données en temps réel. »
Le PageRank pour les données d’entreprise
Ontology s’appuiera sur ces éléments pour construire son système de contexte. L’OntoRank est au cœur de ce dispositif. Ce terme fait référence au PageRank de Google.
Pour rappel, le PageRank est ce qui a fait de Google le moteur de recherche le plus populaire au monde à l’époque. Le système n’utilise pas seulement des mots-clés pour évaluer la pertinence d’une page web, mais aussi des liens. En examinant comment une page se rapporte à d’autres pages, une autorité se crée, indiquant la pertinence d’un site web.
L’OntoRank fait quelque chose de similaire, bien que ce soit plus complexe selon Ken Wong, directeur principal de la gestion des produits. « Le PageRank ne devait classer que des pages web, l’OntoRank doit classer différents types de données. »
Pas seulement automatique
Le graphe de connaissances que construit Ontology prend la forme d’un immense réseau contenant des extraits d’informations. Ces extraits reçoivent un classement d’autorité sous la forme d’un score OntoRank.
Bien que Genie Ontology fonctionne automatiquement, le système peut également gérer des saisies manuelles. Vous pouvez ajouter vous-même des informations via Unity Catalog Semantics, mais aussi via les systèmes sémantiques d’autres outils.
Ancré dans la réalité
Si vous posez ensuite une question à Genie One, par exemple sur l’engagement des clients sur une application web de votre entreprise, Genie One saura grâce à Ontology que votre entreprise définit l’engagement, par exemple, comme une session d’au moins trente secondes. Ainsi, les réponses sont immédiatement liées au contexte correct de l’entreprise.
Sans solution de contexte, c’est difficile. Ghodsi précise : « Un agent d’IA va alors chercher une réponse à votre question, document par document. C’est intensif en temps et en argent, mais cela signifie aussi que l’agent travaille en fait avec un échantillon de vos données pour trouver la bonne réponse, et non avec l’ensemble des données. »
Beaucoup plus précis
Le résultat n’est pas négligeable. Wong montre sur la scène du sommet comment la précision des réponses aux requêtes grimpe à 84,5 %, contre 50 % pour le meilleur agent sans contexte.
Databricks n’est pas le seul à le dire : Snowflake a également mis en avant l’importance du contexte lors de son sommet, et SAP a fait de même quelques semaines auparavant. Snowflake a partagé ses propres chiffres, atteignant également une précision d’un peu plus de 80 % sur des requêtes complexes grâce à l’ajout de contexte.
Consensus
Il existe actuellement un consensus sur le fait que la couche de contexte est la pièce manquante du puzzle pour une IA d’entreprise précise. « Les systèmes d’IA sont aujourd’hui vraiment assez intelligents pour répondre aux questions des entreprises », ajoute Ghodsi. « L’IA en entreprise n’a pas un problème d’intelligence, mais un problème de contexte, et Genie Ontology est la pièce manquante du puzzle. »
Les systèmes d’IA sont aujourd’hui vraiment assez intelligents pour répondre aux questions des entreprises
Ali Ghodsi, PDG de Databricks
La couche de contexte pour l’IA est donc intéressante : ces derniers mois, plusieurs grands acteurs ont présenté le contexte comme indispensable. En un rien de temps, c’est devenu la norme : SAP, Snowflake et maintenant Databricks ont mis l’accent dessus lors de leurs grands événements annuels respectifs, avec seulement quelques semaines d’intervalle entre chaque lancement.
Le strict minimum
Cela rend le positionnement de Genie Ontology complexe. Ce n’est pas un argument de vente. Si vous cherchez le contexte chez Snowflake, vous l’obtenez via Horizon Context et Cortex Sense. Chez SAP, vous n’avez pas besoin de chercher un acteur de données externe, le contexte provient simplement du graphe de connaissances. Salesforce l’appelle AI Context et ServiceNow parle de Context Engine.
Genie Ontology est ainsi une introduction importante, mais aussi nécessaire. Databricks ne pouvait pas rester à la traîne lors de son sommet et fait ce qu’il doit faire. Désormais, au sein de l’écosystème Databricks également, les agents d’IA prendront des décisions éclairées.