Le lancement du plugin Claude dans Snowflake via le projet Snowflake AI Kit arrive dans un paysage déjà saturé d’annonces autour des copilotes data. Pris isolément, l’événement ressemble à une itération de plus. Pris sérieusement, il touche une zone que la BI traditionnelle protège depuis vingt ans : l’accès direct à la donnée sans passage obligé par des dashboards.

1. Le low-code n’a jamais déplacé la BI, il a déplacé l’exécution

Le low-code a donné une illusion de rupture. Retool, par exemple, a permis à des équipes produit de construire des interfaces connectées aux bases de données sans dépendre des équipes BI.

Dans la pratique, les organisations n’ont pas réduit leur dépendance aux outils de BI. Elles ont simplement ajouté une couche d’outils opérationnels autour. Les dashboards ont continué à structurer le reporting officiel. Les semantic layers ont continué à définir les métriques. Les équipes data ont continué à arbitrer les définitions.

Le point bloquant n’a jamais été la capacité à afficher des données. Le point bloquant a toujours été la production de chiffres acceptés par l’organisation.

Un KPI n’est pas un affichage. C’est une convention interne stabilisée, assortie d’une responsabilité.

2. Le NL-to-SQL n’a pas échoué techniquement, il a échoué socialement

Les interfaces conversationnelles sur la donnée existent depuis plus de dix ans. Tableau Ask Data, Power BI Q&A, ThoughtSpot ou les modules NLP des grands éditeurs ont tous tenté de court-circuiter la BI classique. Ils ont tous buté sur le même problème. Une réponse générée dynamiquement ne porte pas de responsabilité claire.

Dans une organisation, un chiffre n’a de valeur que s’il est attribuable. Un dashboard validé par la finance ou la data team crée une chaîne de responsabilité explicite. Le chiffre devient traçable, reproductible, contestable dans un cadre défini.

Un agent conversationnel casse cette structure. Il produit une réponse sans propriétaire clair. Il remplace une convention par une génération.

Le blocage n’est pas technique. Il est institutionnel. C’est la raison pour laquelle le NL-to-SQL n’a jamais dépassé le stade de feature périphérique.

3. Snowflake + Claude : ce qui change n’est pas l’IA, c’est le point d’entrée

Le sujet de Snowflake n’est pas l’ajout d’un assistant. Le sujet est le déplacement du point d’entrée vers la donnée.

Le modèle classique impose une structure : un dashboard, une exploration guidée, des parcours préconçus. L’utilisateur navigue dans une architecture pensée en amont.

Le modèle conversationnel inverse la logique. La requête devient le point de départ, pas l’interface. Ce basculement n’a d’impact que si trois conditions se combinent.

Les modèles doivent comprendre suffisamment bien les contextes métiers pour éviter les interprétations absurdes. Les couches sémantiques doivent être assez robustes pour encadrer les requêtes libres. Les organisations doivent accepter une nouvelle forme de consultation de la donnée sans passer par une interface figée.

Aucune de ces conditions n’est nouvelle isolément. Leur convergence l’est.

4. Le vrai sujet : la BI comme système de responsabilité

La BI n’est pas une industrie de visualisation. C’est une infrastructure de responsabilité. Chaque dashboard officiel joue un rôle précis : stabiliser une définition, figer une métrique, créer un référentiel commun. Sans cette stabilisation, les chiffres circulent sans autorité.

Les tentatives de conversation avec la donnée ont échoué sur ce point précis. Elles produisent des résultats, mais pas des objets organisationnels.

C’est pour cela que les directions financières et les équipes data restent centrales dans la chaîne. Elles ne produisent pas seulement des requêtes. Elles valident des réalités.

5. Pourquoi Snowflake arrive à un moment différent

Le changement ne vient pas d’une avancée unique, mais d’un empilement. Les LLM actuels réduisent l’écart entre langage métier et requête exploitable. Les entreprises ont structuré des semantic layers plus solides qu’il y a cinq ans. Les dirigeants ont intégré des interfaces conversationnelles dans leur quotidien.

Cette combinaison change la tolérance au délai. Ce qui passait par un cycle projet devient comparé à une interaction immédiate. La pression ne vient pas des outils BI eux-mêmes. Elle vient de la comparaison implicite avec des systèmes conversationnels déjà utilisés ailleurs.

6. Ce que les organisations vont réellement déplacer

Les dashboards ne disparaissent pas. Ils se concentrent sur les zones où la responsabilité est critique : finance, réglementation, pilotage officiel.

Le reste du spectre analytique se déplace progressivement vers des usages conversationnels : exploration, investigation, analyse ad hoc, recherche de cause.

La BI cesse d’être une interface unique. Elle devient une couche d’infrastructure fragmentée.

Les dashboards deviennent des objets de validation. Les agents deviennent des outils d’exploration. Entre les deux, la valeur se déplace vers la qualité des modèles de données et des semantic layers.

Conclusion

Le lancement de Snowflake AI Kit ne marque pas une révolution visible. Il marque un déplacement silencieux : celui du point d’accès à la donnée.

La BI ne disparaît pas. Elle perd son monopole d’entrée. Les organisations continueront à produire des dashboards pour stabiliser leurs chiffres. Elles commenceront en parallèle à interroger leurs données sans interface prédéfinie.

Le centre de gravité ne se déplace pas vers la conversation par progrès technologique isolé. Il se déplace parce que les conditions de confiance, de structure et d’usage convergent enfin.

La BI reste une infrastructure de responsabilité. Elle cesse progressivement d’être une interface.

Détails sur le Snowflake AI kit : https://github.com/Snowflake-Labs/snowflake-ai-kit