Un site Greenwolf Tech Labs · Notre équipe d’agence Data Studio, Inde et États-Unisgreenwolftechlabs.com ↗

Conversational Analytics

L’analyse conversationnelle Data Studio, configurée sur des données fiables

L’analyse conversationnelle Data Studio (Conversational Analytics) permet d’interroger les données de l’entreprise en langage courant, grâce à des agents de données construits dans BigQuery et publiés dans Data Studio. Nous préparons le modèle BigQuery que lisent ces agents et les configurons, pour les équipes qui veulent des réponses utiles plutôt qu’une démonstration.

Tableau de bord de performance des marques santé et pharma dans Data Studio, construit sur des données BigQuery adaptées à l’analyse conversationnelle
Tableau de bord santé et pharma réalisé dans Data Studio (données fictives)

Réponse rapide

Qu’est-ce que Conversational Analytics dans Data Studio ?

Conversational Analytics est une fonctionnalité de Data Studio qui répond aux questions sur vos données grâce à des agents de données construits dans BigQuery et publiés dans Data Studio. Elle est devenue accessible à tous les utilisateurs le 16 avril 2026 et généralement disponible le 30 juillet 2026. Les réponses ne valent que ce que vaut le modèle de données derrière l’agent.

  • Généralement disponible depuis le 30 juillet 2026, après une ouverture à tous les utilisateurs en avril.
  • Les agents de données sont construits dans BigQuery, puis publiés dans Data Studio.
  • Un modèle de données clair et documenté détermine la justesse des réponses.
  • Gemini dans Data Studio fait partie de Data Studio Pro.
01

Qu’est-ce que l’analyse conversationnelle Data Studio ?

C’est une façon d’interroger les données dans Data Studio en posant des questions plutôt qu’en construisant d’abord des graphiques. Les questions reçoivent leurs réponses de la part d’agents de données, construits dans BigQuery puis publiés dans Data Studio à l’usage des équipes.

Google l’a rendue accessible à tous les utilisateurs le 16 avril 2026, au moment où Looker Studio redevenait Data Studio, et elle est devenue généralement disponible le 30 juillet 2026. Pour une entreprise, l’essentiel est de savoir où l’agent prend ses données : dans BigQuery. Les entreprises dont le reporting repose encore entièrement sur des connecteurs directs et Google Sheets ont besoin d’une couche BigQuery avant que la fonctionnalité leur soit utile.

Elle ne remplace pas les tableaux de bord. Un rapport bien conçu continue de montrer à tous, chaque semaine, les mêmes chiffres validés. Conversational Analytics convient mieux aux questions de suivi que suscite un tableau de bord, celles qui finiraient sinon en demande dans la file d’attente d’un analyste.

02

Comment les agents de données BigQuery fonctionnent-ils avec Data Studio ?

Un agent est configuré dans BigQuery sur des tables précises, puis publié dans Data Studio. Il fait le lien entre la question saisie par quelqu’un et les tables qui contiennent la réponse.

C’est donc dans BigQuery que se fait l’essentiel du vrai travail. L’agent doit savoir quelles tables utiliser, ce que signifie chaque colonne et comment les indicateurs sont définis. Si le chiffre d’affaires figure dans trois tables avec trois définitions légèrement différentes, l’agent n’a aucun moyen de savoir laquelle votre équipe financière a en tête.

Ce que vous obtenez

Ce que nous réalisons

Périmètre et prix forfaitaire définis après un audit gratuit.

01

Inventaire des questions

Les vraies questions de votre équipe, regroupées et rattachées aux données qui y répondent.

Tableau de bord santé et pharma réalisé dans Data Studio
02

Tables BigQuery préparées

Des tables propres, avec une granularité claire, des valeurs cohérentes et des définitions d’indicateurs validées.

03

Documentation des champs

Des descriptions pour chaque table et chaque colonne lues par l’agent.

04

Agent de données

Un agent construit dans BigQuery et publié dans Data Studio pour votre équipe.

05

Série de tests de réponses

Des questions connues et leurs bonnes réponses, utilisées pour vérifier l’agent avant et après chaque changement.

06

Accès et licences

Des règles d’accès BigQuery et un plan de licences Pro dimensionné pour les personnes qui construisent.

03

Quelles conditions vos données doivent-elles remplir pour que les réponses soient justes ?

Le modèle de données doit être propre, documenté et sans ambiguïté. C’est la partie que la plupart des équipes sous-estiment, et c’est celle à laquelle nous consacrons le plus de temps.

Avant de connecter un agent, nous vérifions le modèle à l’aide d’une courte liste. Là où il pèche, nous corrigeons d’abord les tables.

  • Une table par sujet avec une granularité claire, par exemple une ligne par ligne de commande ou par jour et par campagne.
  • Des noms de tables et de colonnes lisibles, avec une description rédigée dans BigQuery pour chaque champ.
  • Une définition validée pour chaque indicateur clé, stockée une seule fois plutôt que recalculée à de multiples endroits.
  • Des valeurs de dimension cohérentes : une seule orthographe par canal, région et catégorie de produits.
  • Des dates, devises et fuseaux horaires traités de la même façon dans toutes les tables.
  • Des règles d’accès définies dans BigQuery, pour que l’agent n’atteigne que les données que la personne a le droit de voir.
04

Faut-il Data Studio Pro pour Conversational Analytics ?

Gemini dans Data Studio fait partie de Data Studio Pro, qui coûte 9 $ par utilisateur, par projet et par mois et ne nécessite des licences que pour les créateurs, éditeurs et gestionnaires. Les lecteurs n’ont pas besoin de licence Pro.

Pro apporte aussi des contenus détenus par l’entreprise via un projet Google Cloud, des espaces de travail d’équipe, des journaux d’audit et des options de localisation des données, qui comptent dès lors qu’un assistant peut accéder aux données de l’entreprise. Nous regardons qui, dans votre équipe, construira et gérera les agents et les rapports, et dimensionnons les licences en conséquence, pas pour chaque lecteur.

05

Que comprend notre service de mise en place ?

Nous accompagnons une entreprise de ses rapports existants jusqu’à un agent opérationnel sur lequel son équipe peut compter. Le travail commence par les données, pas par la fonctionnalité.

Nous examinons d’abord les questions que les équipes posent réellement, généralement à partir des demandes que vos analystes traitent chaque semaine. Puis nous construisons ou remettons en ordre les tables BigQuery qui contiennent ces réponses, rédigeons les descriptions de colonnes et les définitions d’indicateurs, configurons les accès, créons l’agent de données et le publions dans Data Studio. Avant que quiconque ne l’utilise, nous le testons avec une série de vraies questions dont nous connaissons déjà les bonnes réponses grâce aux rapports existants, et corrigeons le modèle partout où les réponses divergent.

Après le lancement, cette série de tests reste utile. Chaque fois qu’une table change, qu’une nouvelle source est ajoutée ou qu’une définition d’indicateur est mise à jour, nous la relançons, pour qu’un changement dans l’entrepôt ne modifie jamais en silence les réponses obtenues. Pour les clients de notre formule gérée, c’est inclus dans le cycle mensuel.

06

À qui l’analyse conversationnelle Data Studio convient-elle ?

Elle convient aux équipes qui disposent déjà d’une couche BigQuery modélisée, ou sont prêtes à la construire, et dont les collaborateurs posent beaucoup de petites questions qui atterrissent aujourd’hui sur le bureau d’un analyste. Exemples typiques : un directeur commercial qui s’interroge sur une région, un marketeur qui vérifie une campagne, ou quelqu’un de la finance qui demande les commandes d’un client. Chaque question est petite, mais ensemble elles remplissent la semaine d’un analyste.

Elle convient mal, pour l’instant, si vos données sont réparties dans une dizaine de tableurs déconnectés ou si personne ne s’accorde sur la définition des indicateurs. Dans ce cas, l’entrepôt passe en premier, et un tableau de bord peut répondre seul à la plupart des questions. Nous vous dirons dans quelle situation vous êtes lors de l’audit gratuit.

Fonctionnement

Déroulement d’un projet

  1. 01

    Audit gratuit

    Nous examinons vos données, vos rapports actuels et les questions que votre équipe pose le plus.

  2. 02

    Préparation du modèle

    Nous vérifions vos tables BigQuery à l’aide de notre liste de contrôle et comblons les lacunes.

  3. 03

    Configuration de l’agent

    Nous construisons l’agent de données dans BigQuery et le publions dans Data Studio.

  4. 04

    Tests

    Nous exécutons la série de tests de réponses et corrigeons le modèle partout où les réponses sont fausses.

  5. 05

    Déploiement

    Nous le présentons à un groupe pilote, puis élargissons l’accès avec des conseils pour bien formuler les questions.

FAQ

Questions fréquentes

Depuis quand Conversational Analytics est-il disponible dans Data Studio ?

La fonctionnalité est devenue accessible à tous les utilisateurs le 16 avril 2026 et généralement disponible le 30 juillet 2026.

Conversational Analytics fonctionne-t-il avec des données Google Sheets ?

Il fonctionne via des agents de données construits dans BigQuery : les données doivent donc se trouver dans BigQuery. Les équipes qui travaillent sur Sheets ont généralement d’abord besoin d’une couche BigQuery, que nous pouvons construire.

Gemini dans Data Studio est-il gratuit ?

Non. Gemini dans Data Studio fait partie de Data Studio Pro, qui coûte 9 $ par utilisateur, par projet et par mois pour les créateurs, éditeurs et gestionnaires. Les lecteurs n’ont pas besoin de licence Pro.

Pourquoi un agent de données donne-t-il de mauvaises réponses ?

Généralement parce que les tables sur lesquelles il s’appuie sont ambiguës : noms de colonnes peu clairs, plusieurs définitions du même indicateur ou valeurs incohérentes. Corriger le modèle de données est le moyen le plus fiable d’améliorer les réponses.

Conversational Analytics, est-ce la même chose que Looker ?

Non. Looker est le produit de BI d’entreprise distinct de Google. Conversational Analytics est une fonctionnalité de Data Studio qui utilise des agents de données construits dans BigQuery.

Avons-nous encore besoin de tableaux de bord si nous utilisons Conversational Analytics ?

Oui. Les tableaux de bord donnent à tous, à intervalles réguliers, la même vue validée des chiffres clés. L’analyse conversationnelle Data Studio est surtout utile pour les questions de suivi, et les deux fonctionnent au mieux à partir du même modèle BigQuery.

Combien coûte la mise en place de Conversational Analytics ?

Nous proposons un prix fixe après un audit gratuit. Le principal facteur est la quantité de travail que demande le modèle BigQuery avant qu’un agent puisse répondre de façon fiable.

Commencer

Dites-nous ce que votre reporting doit accomplir

Décrivez les tableaux de bord dont vous avez besoin, leurs lecteurs et l’emplacement de vos données. Nous répondons sous un jour ouvré avec une approche, les connecteurs nécessaires et un plan à prix fixe.

  • Audit gratuit de 30 minutes de votre reporting
  • Devis ferme avant tout démarrage
  • Tout est créé dans votre compte Google et vous appartient

Vous préférez l’e-mail ? info@greenwolftechlabs.com

Demander une proposition gratuite

Deux lignes suffisent pour commencer.

Un responsable Data Studio vous répond depuis info@greenwolftechlabs.com, généralement sous un jour ouvré. Aucune liste de diffusion.

Posez-nous vos questions

Un responsable Data Studio vous répond depuis info@greenwolftechlabs.com, généralement sous un jour ouvré.

Un responsable Data Studio vous répond depuis info@greenwolftechlabs.com, généralement sous un jour ouvré. Aucune liste de diffusion.