Avec Business Ontology, l’entreprise entend aider les agents à interpréter les indicateurs selon des définitions validées par les équipes, et à relier ces définitions aux données correspondantes.
Un même indicateur peut recouvrir plusieurs réalités selon les services. Le chiffre d’affaires net, par exemple, peut être calculé différemment dans un tableau de bord, par un analyste ou par un agent d’IA. Les résultats produits risquent alors de diverger, même lorsqu’ils répondent à une question identique.
Snowflake ajoute Business Ontology à Horizon Context, son environnement de gestion du contexte métier intégré à Horizon Catalog. La fonctionnalité permet aux entreprises de définir les concepts métier de référence et de les rendre accessibles aux agents, aux applications et aux collaborateurs. L’objectif est de fournir un cadre commun pour interpréter les données et les indicateurs.
Les équipes peuvent valider les définitions des principaux indicateurs, désigner un responsable pour chacune et les associer aux données correspondantes. Celles-ci peuvent être hébergées dans Snowflake ou dans d’autres environnements. Les définitions validées restent prioritaires, tandis que chaque modification est enregistrée afin de conserver une trace de l’évolution du référentiel. En cas d’audit, l’entreprise peut ainsi retrouver la définition appliquée à une période donnée.
Business Ontology s’appuie aussi sur les Semantic Views, qui calculent les valeurs à partir des définitions retenues. Cortex Sense, en préversion privée, utilise l’inférence pour compléter les éléments qui n’ont pas encore été définis. Snowflake rassemble ainsi des définitions, des données et des règles de calcul au sein d’un référentiel destiné à être partagé par les outils et les équipes. Les organisations peuvent également reprendre des définitions déjà présentes dans des catalogues tiers ou des tableurs. Snowflake prévoit une migration guidée avec CoCo, son agent de développement pour les équipes data. La démarche vise à éviter que les définitions historiques soient ressaisies manuellement ou laissées de côté lors de la mise en place du nouvel environnement.
« La valeur d’un produit de données repose sur une compréhension commune de chaque attribut, qu’il s’agisse d’une tranche de revenus des ménages ou d’un segment d’entreprises B2B défini selon leurs caractéristiques », déclare Joe Tobey, Head of Data Product Engineering chez dentsu. « À mesure que les agents IA deviennent le principal moyen d’interroger ces données, ces définitions ne peuvent plus se limiter à un dictionnaire de données statique. Business Ontology permet d’attribuer à chaque définition un responsable clairement identifié, de la relier aux données qui lui correspondent et de garantir que tous les agents fournissent une réponse cohérente fondée sur cette définition. C’est ce qui nous permet de donner accès à nos données par l’intermédiaire d’agents IA en toute confiance. »
Cette approche répond à un problème de cohérence, mais aussi de responsabilité. La désignation d’un responsable pour chaque définition aide les équipes à savoir qui peut la valider ou la faire évoluer. L’historique des changements apporte, de son côté, un élément de traçabilité lorsque les résultats d’un agent doivent être examinés. Pour Snowflake, le contexte métier ne peut donc pas se limiter à une documentation consultable. Il doit être structuré, relié aux données et exploitable par les agents qui interrogent les systèmes de l’entreprise. Business Ontology constitue l’un des éléments annoncés par l’éditeur pour faciliter le déploiement de ces agents en production.
