Comment Gemini irrigue les produits data de Google Cloud

Ne dites plus « Duet AI dans Google Cloud », mais « Gemini pour Google Cloud ».

Annoncé fin mars, ce changement de marque s’était accompagné du lancement de fonctionnalités expérimentales. Entre autres sur les produits data. Parmi elles, la possibilité de créer, dans BigQuery, un modèle distant basé sur Gemini Pro Vision. Ainsi que la capacité à réaliser des tâches en langage naturel sur du texte stocké dans des tables grâce à la fonction ML.GENERATE_TEXT.

D’autres fonctionnalités expérimentales sur socle Gemini se sont ajoutées depuis lors à l’offre BigQuery :

– Exploration de données automatisée
Utilise Gemini pour générer des requêtes en fonction des métadonnées d’une table.

– Data canvas
Interface graphique utilisant Gemini pour la découverte, la transformation et la visualisation de données. Efficacité limitée des commandes en langage naturel lorsqu’elles touchent à certaines briques (BigLake, Spark, BigQuery ML..) et à certaines fonctions (DATETIME, TIMEZONE…).

– Assistance au code
Génération et saisie semi-automatique de Python et de SQL. Explication et exécution de SQL.

– Gestion d’infrastructure
Supervision de workloads SQL ; recommandations de partitionnement et de clustering.

– Optimisation Spark
Sur Dataproc Serverless, Gemini peut assister au dépannage de workloads ainsi qu’à la configuration automatique de cohortes (exécutions récurrentes de jobs par lots).

Utiliser Gemini dans BigQuery requiert de demander l’accès (preview), puis d’activer l’API Cloud AI Companion.

Génération, maintenance, migration… Gemini comme expert SQL

On trouve aussi du Gemini dans le service de migration de bases de données de Google Cloud. Plus précisément au niveau des espaces de travail de conversion Oracle -> PostgreSQL (AlloyDB ou CloudSQL). Le modèle se nourrit de l’historique des corrections effectuées et, sur cette base, en recommande d’autres lorsque c’est nécessaire. Il permet aussi une comparaison expliquée de dialectes.

Gemini arrive également dans l’éditeur SQL Database Studio (pour générer, corriger et commenter du SQL) et dans le tableau de bord Database Center (pour aider à la supervision/maintenance des bases de données).

L’intégration dans Looker en est à un stade moins avancé (préversion privée), sous la marque Conversational Analytics. Le principe : permettre d’interroger les données en langage naturel, dans une interface de chat.

Illustration principale © bilal ulker – Adobe Stock