Snowflake Intelligence

Type de produit et caractéristiques de Snowflake Intelligence

Snowflake Intelligence est une plateforme SaaS de Cloud Computing qui combine Big Data, Machine Learning et automatisation pour faciliter l’analyse prédictive.

Grâce à ses agents intelligents et à Cortex Analyst et Cortex Search, n’importe quel utilisateur - qu’il soit analyste, manager ou simple collaborateur - peut poser ses questions en langage naturel, comme s’il parlait à une personne, et obtenir tout de suite des réponses claires et visuelles, sous forme de chiffres, de tableaux de bord ou de graphiques interactifs.

L’objectif est simple : rendre la donnée facile à consulter, fiable et utile au quotidien, sans avoir besoin de connaissances techniques en SQL, Python ou Business Intelligence, ni de longs délais d’analyse.

Au centre du système Snowflake Intelligence, on trouve des assistants virtuels, des sortes de chatbot analytique, basés sur l’Intelligence Artificielle (IA) et le Machine Learning (ML). Ces agents utilisent la puissance du Cloud Snowflake pour comprendre la question de l’utilisateur, aller chercher les bonnes informations dans les bases de données, puis formuler une réponse juste et compréhensible.

Pour cela, ils s’appuient sur des outils comme Cortex Analyst (pour les données structurées) et Cortex Search (pour les documents et textes), ainsi que sur des modèles sémantiques métiers qui leur expliquent comment sont organisées les données de l’entreprise dans le Data Warehouse.

Une nouvelle approche de la donnée avec Snowflake Intelligence

Traditionnellement, interroger un entrepôt de données (Data Warehouse) nécessitait la maîtrise du SQL, des outils de Business Intelligence (BI) comme Power BI ou Tableau, et une bonne compréhension de la structure des tables.

Avec Snowflake Intelligence, cette barrière technique disparaît : il suffit d’exprimer une question en langage naturel "Quel est le chiffre d’affaires du trimestre dernier ? ", “Propose moi un plan d’action pour améliorer les ventes sur le territoire de Lille”, "Quels sont les produits les plus rentables cette année ?" pour obtenir de façon automatisée une visualisation claire, directement dans Snowsight ou sur le portail Snowflake Intelligence.

Les fondations technologiques de Snowflake Intelligence : Cortex Analyst et Cortex Search

Snowflake Intelligence repose sur deux briques principales :

• Cortex Analyst
• Cortex Search

Cortex Analyst est une fonctionnalité d’intelligence artificielle gérée par Snowflake, spécialisée dans la génération de requêtes SQL à partir du langage naturel. Un modèle sémantique décrivant les mesures, dimensions, relations et définitions métier joue un rôle essentiel : il garantit que les termes "chiffre d’affaires", "client" ou "produit" soient correctement interprétés, quelles que soient les complexités techniques de la base.

Cortex Search, de son côté, permet d’explorer des contenus textuels non structurés : documents, notes...

Le rôle central des agents dans Snowflake Intelligence

L’agent est le point d’entrée de Snowflake Intelligence, c’est lui qui orchestre les interactions entre l’utilisateur, Cortex Analyst, Cortex Search et les données stockées dans le Data Cloud.

Un agent peut être conçu pour répondre à des besoins très variés : un agent analytique connecté à une vue sémantique pour des analyses chiffrées, ou encore un agent documentaire associé à un service Cortex Search pour explorer du texte.

Lorsqu’un utilisateur interagit avec un agent, la requête est exécutée en utilisant ses propres identifiants et son rôle par défaut. L’agent ne peut donc accéder qu’aux données autorisées pour cet utilisateur, garantissant la conformité et la sécurité cloud des accès.

Créer un agent est réalisable directement depuis l’interface Snowsight. Il suffit de se rendre dans le menu IA et ML → Agents, de sélectionner "Créer un agent", puis d’associer les outils souhaités (Cortex Analyst, Cortex Search, ou un outil personnalisé). L’administrateur choisit ensuite le modèle d’orchestration IA (Claude 4, GPT-4.1, Mistral, etc.), le rôle d’accès et le warehouse sur lequel seront exécutées les requêtes.

Une expérience d’analyse naturelle et fluide avec Snowflake Intelligence

Une fois l’agent créé, l’utilisateur peut y accéder directement dans le menu latéral AI & ML à Snowflake Intelligence. Il choisit l’agent, puis pose sa question.

L’interface restitue instantanément la réponse sous forme de texte explicatif, de tableau ou de graphique. Il est ensuite possible d’affiner la conversation en posant des questions complémentaires, comme "Affiche seulement la région Sud" ou "Compare avec l’année précédente".

En plus des résultats visuels, Snowflake Intelligence affiche toujours la requête SQL générée par l’agent. Cela permet à l’utilisateur de comprendre comment l’analyse a été construite, mais aussi de pouvoir ajuster cette requête.

Snowflake Intelligence - les bénéfices de cette approche

Sur le plan opérationnel, elle réduit la dépendance aux équipes techniques pour les demandes d’analyses simples, accélère la prise de décision et améliore la productivité.

Sur le plan stratégique, elle favorise l’alignement entre la gouvernance des données, la performance des entrepôts Snowflake et les besoins réels des utilisateurs métier.

Snowflake Intelligence est une solution complète qui combine intelligence artificielle, data management, analyse prédictive, automatisation et sécurité cloud, tout en s’intégrant naturellement dans l’écosystème Snowflake (Data Sharing, Data Marketplace, Data Science, etc.).

Protection des données et sécurité dans Snowflake

La sécurité et la confidentialité des données sont au cœur de Snowflake Intelligence.

Toutes les requêtes sont exécutées avec le rôle et les droits de l’utilisateur, garantissant le respect des règles de gouvernance et d’accès déjà en place. De plus, aucune donnée n’est envoyée en dehors de Snowflake : les traitements d’IA se font directement dans l’environnement sécurisé du Cloud Snowflake.

Exemple concret : l’agent d’analyse des ventes NOXT

Chez Next Decision, nous avons créé un agent appelé AGENT_ANALYSE_NOXT, pensé comme un véritable assistant virtuel pour accompagner l’entreprise fictive Noxt, spécialisée dans la vente de produits électroniques et électroménagers à travers l’Europe.

L’objectif de cet agent est de rendre l’analyse commerciale simple et naturelle.
Il suffit de poser une question en français, comme :

“Quel est le chiffre d’affaires du mois dernier par catégorie de produit ?”
ou
“Quels magasins ont enregistré la meilleure marge ce trimestre et comment améliorer les ventes ?”

L’agent comprend la demande, identifie les bonnes sources de données dans de le Data Warehouse, puis renvoie une réponse claire et visuelle.

Son fonctionnement repose sur une vue sémantique nommée ANALYSE_VENTES_NOXT, construite autour d’une table de faits principale FACT_VENTES et de cinq dimensions :

• DIM_PRODUIT : pour les informations sur les produits et leurs catégories
• DIM_MAGASIN : pour les localisations et tailles des magasins
• DIM_COMMERCIAL : pour les équipes de vente et leur hiérarchie
• DIM_CAMPAGNE : pour les actions marketing
• DIM_DATE : pour les analyses temporelles

Grâce à cette structure, l’agent peut relier les ventes, les marges et les campagnes à différents axes d’analyse (temps, lieu, canal de vente, produit, etc.).

L’agent s’appuie sur Cortex Analyst, un moteur d’intelligence artificielle intégré à Snowflake, pour traduire les questions en langage naturel en requêtes SQL exécutées dans l’entrepôt WH_DEMO_LLM.

Toutes les interactions respectent la sécurité Snowflake : chaque utilisateur garde son rôle, ses droits d’accès et ses restrictions de visibilité.

Grâce à l’agent NOXT, la donnée devient un outil de dialogue. Les utilisateurs peuvent explorer les résultats, comparer les performances et comprendre les tendances, sans quitter l’environnement Snowflake.

Ce projet illustre parfaitement comment Snowflake Intelligence permet d’intégrer l’IA au cœur de l’analyse métier, de manière simple, fluide et totalement sécurisée.

Pour mieux comprendre le fonctionnement de Snowflake Intelligence, voici un exemple concret obtenu avec l’agent “AGENT_ANALYSE_NOXT”.

L’utilisateur pose la question suivante :

Question posée : "Peux-tu m’analyser l’évolution des ventes des magasins Noxt sur les 10 dernières années ?"

En quelques secondes, l’agent affiche une analyse complète, comprenant :

• Un tableau comparatif des magasins avec leurs ratios de performance (CA/m², efficacité, alertes)
• Des problèmes identifiés accompagnés de recommandations automatiques
• Des forces et opportunités

L’utilisateur peut ensuite affiner l’analyse si les réponses de l’agent ne lui conviennent pas.

Retour aux éditeurs "Data Science & AI"

Vous souhaitez bénéficier d'experts sur Snowflake Intelligence ? Rendez vous sur la page Contact