MTS lance Metan : une IA pour retrouver des données dans un catalogue de 500 000 tables

MTS a créé Metan, un assistant intelligent qui aide les analystes à retrouver les données dont ils ont besoin dans un catalogue d'entreprise de 500 000 tables, simplement en posant une question en russe.

Un catalogue qui ne répond pas aux questions

MTS a accumulé des volumes de données colossaux. Le catalogue de données de l'entreprise contient plus de 500 000 tables enregistrées. Chaque jour, des centaines de spécialistes travaillent avec ces données : analystes, ingénieurs données et spécialistes de l'apprentissage automatique qui construisent des data marts pour les modèles de ML.

Mais voilà le problème : le catalogue ne fonctionne bien que si l'on sait déjà ce que l'on cherche. Besoin d'une table contenant des informations sur les clients ? Vous saisissez une requête, et le catalogue renvoie la description des champs, le propriétaire et le schéma. Mais face à une question métier du type « quelles tables contiennent des informations sur les clients de la région de Moscou au dernier trimestre ? », le catalogue n'est d'aucune aide. L'analyste doit se débrouiller seul : lire la documentation, consulter des collègues de différentes équipes, étudier les liens entre les sources. Cela peut prendre des heures, voire des jours.

Pourquoi un réseau de neurones ne peut pas y arriver seul

Il paraît logique qu'un réseau de neurones puisse résoudre cette tâche : il suffirait de lui demander où trouver les données. Mais il y a un problème critique : l'IA s'appuie uniquement sur les informations qu'on lui fournit. Si les métadonnées ne contiennent aucune information explicite sur les liens entre les tables, sur la façon dont les données d'une source se rattachent à une autre, ou sur ce que signifie réellement chaque terme dans le contexte de l'entreprise, même le modèle le plus avancé restera bloqué.

Chez MTS, toutefois, deux circonstances rares se sont conjuguées. En plus de 15 ans de travail systématique sur la data governance, l'entreprise a acquis une solide expertise pour décrire correctement les métadonnées, structurer les liens et documenter les processus métier dans les données. Et, en parallèle, sont apparus des LLM capables de travailler avec de telles couches sémantiques structurées.

Le système Metan : data governance et IA réunies

Metan est un nom qui fusionne les mots russes pour « métadonnées » et « analytique ». C'est un système pilote que MTS teste actuellement. Il fait office d'interface intelligente vers les données de l'entreprise : vous posez une question en langage naturel, le système comprend de quelles tables et sources vous avez besoin, et vous donne la réponse.

Cela fonctionne parce que les métadonnées de MTS ne sont pas un simple ensemble de descriptions. C'est un véritable graphe de connaissances :

• Des tables rattachées à leurs descriptions et à la structure de leurs champs
• Un glossaire des termes métier de l'entreprise
• Les liens entre les tables et les sources de données
• Des informations sur les responsables et les propriétaires
• L'historique des dépendances et des liens entre data marts

Une couche sémantique compréhensible par les LLM se superpose à ce graphe. Le modèle peut « voir » non seulement des mots et des descriptions, mais aussi des significations et les relations qui les unissent.

Ce que cela change pour les entreprises

Metan n'est pas la première tentative d'automatiser la recherche de données dans les grandes entreprises. Mais c'est l'un des premiers systèmes qui fonctionne réellement, car il repose non pas sur de l'IA pure, mais sur la combinaison d'un travail coûteux de data governance et des capacités actuelles des LLM.

Pour des entreprises comme MTS, cela signifie accélérer le travail des analystes : moins de temps passé à chercher des sources et à se coordonner avec des collègues, plus de temps pour l'analyse proprement dite. Pour l'ensemble du secteur, c'est un signal : les agents travaillent mieux non pas avec des données chaotiques, mais avec des données bien organisées et bien décrites. L'ordre et l'IA ne sont pas des ennemis, mais des partenaires.