GitHub lance Qubot, un agent IA pour transformer vos données en insights
Les employés de GitHub peuvent désormais éviter le SQL et les tableaux de bord en saisissant leurs questions dans Slack ou VS Code et en recevant des réponses quasi instantanées de Qubot, le nouvel agent analytique alimenté par Copilot. Au lieu d’attendre que les équipes data rédigent des requêtes ou interprètent les télémétries, chaque équipe peut explorer des métriques en langage naturel et obtenir des rapports en Markdown réutilisables ou partageables.
De l’idée à des réponses instantanées
Qubot est né pour rendre l’entrepôt de données de GitHub autonome. Les outils BI traditionnels et les tableaux de bord laissent souvent les équipes bloquées lorsqu’elles doivent approfondir une analyse ou tester de nouvelles hypothèses. GitHub a donc créé un agent capable d’interpréter des questions en langage naturel et de fournir des réponses validées. Ce système est conçu pour des questions exploratoires — comme quel groupe d’utilisateurs affiche la meilleure rétention sur une fonctionnalité ou quel produit a provoqué un changement de métrique la semaine dernière — plutôt que pour des rapports planifiés.
Fonctionnement du moteur à trois couches
L’architecture répartit le travail en trois parties. D’abord, l’interface utilisateur permet aux employés de poser des questions via Slack, VS Code ou le CLI de Copilot. Dans Slack, un canal dédié génère une instance Qubot qui publie la réponse dans la discussion et crée un rapport Markdown dans une pull request pour une utilisation ultérieure. Dans VS Code et le CLI, les utilisateurs installent Qubot en tant que plugin et interrogent des jeux de données aux côtés d’autres outils personnalisés.
Une couche de contexte fédérée alimente le moteur avec des connaissances structurées. Le niveau bronze, qui contient les télémétries brutes, fournit les schémas et métadonnées fournis par les équipes produit. Le niveau argent, avec les données conformées, inclut des exemples de requêtes et des filtres obligatoires maintenus par l’analytique. Enfin, le niveau or propose des jeux de données curatés contenant les règles métier et les définitions des métriques définies par leurs propriétaires. Le contexte est rafraîchi en continu par des pipelines ETL qui ajoutent des métadonnées dérivées, garantissant que les réponses restent alignées sur les dernières définitions.
Rapide, sans maintenance
Qubot fonctionne comme un agent Copilot Cloud sur github.com et ne génère aucun coût de maintenance continue, permettant aux équipes de s’approprier rapidement des jeux de données inconnus. Comme chaque réponse est sauvegardée sous forme d’extrait Markdown, les utilisateurs peuvent itérer dans les fils de discussion Slack ou copier directement la requête dans des tableaux de bord, réduisant ainsi les travaux redondants et raccourcissant le délai entre la question et l’insight.
Source : GitHub Blog. Synthèse éditoriale assistée par IA — TechnoExpress.