Vous consultez un tableau de bord et souhaitez comprendre quels produits expliquent un écart, quels clients progressent ou comment résumer les résultats pour la direction. Avec EP AI Analyst, l’extension IA d’EP-Reporter, la question prend forme dans le rapport Power BI ou Qlik Sense que vous utilisez au quotidien.
Le contexte du tableau de bord entre dans la conversation
EP AI Analyst utilise les données de la vue courante comme base de la conversation : filtres, sélections, mesures et lignes disponibles dans le visuel. Le contexte configuré est transmis automatiquement, afin que l’utilisateur puisse se concentrer sur sa question sans décrire à chaque fois ce qu’il consulte.
Quatre façons de rendre votre rapport plus utile
- Comprendre : demander quelles zones, quels clients ou produits affichent les meilleures performances et obtenir une lecture synthétique.
- Expliquer : analyser les anomalies et les écarts entre réalisé, budget et prévisions.
- Résumer : générer des commentaires de gestion et des synthèses dans la langue choisie par l’utilisateur.
- Approfondir : poursuivre la conversation avec des questions successives dans le même contexte analytique.
Fonctionnement : du visuel à la réponse
La question part du rapport
L’utilisateur interagit avec un visuel personnalisé Power BI ou une extension Qlik Sense.
Le composant recueille le contexte
Les données visibles, filtres, sélections et métadonnées constituent le périmètre configuré.
Les services E-Project appliquent les règles
Les API et l’orchestration gèrent les instructions, les paramètres et le modèle IA choisi par le client.
La conversation se poursuit
L’utilisateur reçoit la réponse et peut approfondir les résultats tout en conservant le contexte analytique.
Le visuel et l’extension restent légers : les configurations, les identifiants du fournisseur et le contrôle de l’utilisation restent dans les services backend. La solution s’intègre à l’environnement BI existant.
Le client choisit le modèle et maîtrise l’utilisation
La console permet de configurer les assistants et cas d’usage, de choisir le fournisseur et le modèle, de personnaliser les instructions système, de définir les rapports et champs autorisés et de fixer les règles et limites. Les fournisseurs prévus comprennent Azure OpenAI, OpenAI, Claude et Gemini.
L’historique des requêtes, les tokens consommés par requête et l’analyse de l’utilisation permettent de suivre l’adoption et la consommation selon les paramètres du client.
Managed AI ou service IA de l’entreprise
Deux modes d’adoption sont proposés : Managed AI, pour démarrer avec une configuration gérée, et BYO AI, pour connecter le fournisseur de votre entreprise. Le choix dépend de l’offre convenue, des politiques de données et des limites de consommation définies pour le projet.
Sécurité : un périmètre explicite avant le démarrage
La mise en œuvre définit les données transférées, le fournisseur qui les traite et les informations enregistrées. Les identifiants du fournisseur LLM restent dans le backend ; une clé client administrable identifie l’intégration.
Lors de l’intégration initiale, les accès, le réseau, les rapports et les champs autorisés sont vérifiés. La journalisation, la conservation et le déploiement sont définis pendant l’évaluation de sécurité. La validation des réponses avec l’équipe du client fait partie du parcours de démarrage.
Un parcours d’adoption en six étapes
- Cas d’usage : rapports, utilisateurs, questions et résultats attendus.
- Accès : tenant, identifiants et clé API dédiée.
- Configuration : modèle LLM, instructions, règles et périmètre de données.
- Intégration : installation du visuel ou de l’extension et connexion aux services E-Project.
- Validation : tests des réponses, consommations et contrôles.
- Mise en production : suivi, assistance et amélioration.
E-Project accompagne la configuration technique, l’intégration et les tests avec l’équipe du client. Le client fournit le rapport et un référent métier, définit les politiques et le fournisseur, puis valide les réponses avant d’accepter la mise en production.