VK dévoile DataCopilot, un système multi-agents pour les données et la documentation d'entreprise

VK a présenté DataCopilot, un assistant IA interne pour travailler avec l'entrepôt de données d'entreprise et la documentation associée. Le projet ne découle pas d'un effet de mode autour des LLM, mais de l'analyse de demandes réelles d'analystes, de managers et d'ingénieurs qui perdent chaque jour du temps sur des questions répétitives.

Le point de départ

L'équipe n'a pas commencé par choisir un modèle ni un énième schéma RAG. VK s'est d'abord penchée sur la routine autour du Data Office et de la plateforme de données : quelles questions arrivent au support, ce que l'on demande le plus souvent dans les chats, et où les employés perdent du temps à chercher la bonne vitrine de données, la description d'un champ ou le bon processus de validation. Cet audit a produit une liste claire de tâches automatisables sans refondre tout le DWH et sans chercher à bâtir une « intelligence universelle » pour tous les cas à la fois.

De cette liste est sorti le portrait du futur assistant. Il doit comprendre le catalogue des vitrines, expliquer ce qui est stocké et où, renseigner sur la documentation d'entreprise, aider pour les accès et générer des ébauches exploitables pour l'ETL. Il ne s'agit donc pas d'un chatbot pour le plaisir d'avoir un chatbot, mais d'une interface vers les données et les connaissances internes de l'entreprise. Pour les analystes et les managers, c'est un gain de temps ; pour les ingénieurs, une baisse du flux de demandes répétitives.

Pourquoi pas du RAG

Pour une partie des requêtes, le RAG classique convient bien : l'utilisateur pose une question, le système trouve les documents pertinents et construit une réponse à partir d'eux. Mais en entreprise, cela devient vite insuffisant. Une seule question peut nécessiter de passer par le catalogue des vitrines, la description de tables précises, la procédure d'accès et un modèle de script. Si tout transite par une seule chaîne sans spécialisation, la qualité des réponses devient irrégulière, et le contexte superflu ne fait que gêner.

VK mise donc sur une architecture multi-agents, en somme un essaim d'assistants spécialisés. Un agent peut gérer la recherche et l'interprétation de la documentation, un autre la navigation dans l'entrepôt, un troisième la génération de code, un quatrième les démarches de demande d'accès. Au-dessus, il faut un coordinateur qui identifie le type de requête, choisit l'itinéraire et assemble la réponse finale. Cette approche colle mieux à la structure réelle des données d'entreprise, où les sources, les règles et les actions diffèrent fortement.

Ce que sait faire le système

D'après la description du projet, DataCopilot est conçu comme un outil de travail pratique, et non comme une démonstration des capacités d'un modèle. Il couvre les points où l'employé doit d'ordinaire jongler entre les chats de support, le catalogue de données, les consignes internes et ses propres brouillons. L'utilisateur obtient soit une réponse courte avec le contexte nécessaire, soit un livrable à moitié prêt qu'il peut adapter rapidement à sa tâche.

• Aide à trouver la bonne vitrine et à comprendre les données qu'elle contient
• Explique où se trouve précisément l'information et comment elle se relie à d'autres entités
• Indique comment déposer une demande d'accès sans passer par le support
• Répond aux questions pointues sur la documentation interne et les règles de travail avec le DWH
• Écrit des scripts que l'on peut reprendre dans des processus ETL et adapter à son propre pipeline

L'essentiel est que le système opère à la jonction entre savoir et action. Il ne se contente pas de résumer des documents : il aide à franchir l'étape suivante, en préparant une requête, en esquissant la base d'un script, en raccourcissant le chemin vers la bonne table. C'est généralement ce qui distingue une IA d'entreprise utile d'un énième « moteur de recherche intelligent ». La responsabilité de l'usage final du résultat reste toutefois à l'humain, en particulier pour les accès, les migrations de données et le code des processus ETL en production.

Ce que cela signifie

L'histoire de DataCopilot montre la direction que prend réellement l'IA d'entreprise : pas vers un chatbot omniscient unique, mais vers un ensemble d'agents spécialisés autour d'un périmètre de travail précis. Pour les équipes qui disposent d'un DWH, d'un catalogue de vitrines, de procédures et d'un flux de questions répétitives, cette approche peut apporter bien plus qu'un RAG abstrait posé sur l'ensemble des documents.