Si l’IA « fonctionne » mais n’est pas fiable, explicable ni gouvernable, elle ne peut pas évoluer. Sur cette base, Salesforce dévoile un ensemble d’innovations sur sa Plateforme Salesforce visant à répondre à l’un des principaux obstacles des projets d’IA dans les grandes organisations : données fragmentées, semantiques incohérentes et gouvernance faible. La société parle d’un fondement de confiance qui permet à chaque agent d’IA de disposer d’un même contexte, sécurité et contrôle. L’objectif est de faire passer l’IA d’une mise à l’épreuve prudente à une adoption transformante, intégrée dans tous les flux de travail.

Cette urgence n’est pas que rhétorique. Une étude de RAND, citée par Salesforce, indique que plus de 80 % des projets d’IA n apportent pas de valeur, souvent à cause de données de mauvaise qualité, d’une gouvernance laxiste et d’une intégration fragmentée. La stratégie de l’entreprise repose sur trois piliers :

1. Contexte et précision : des résultats ancrés sur des données métier unifiées et un savoir d’entreprise.
2. Confiance, sécurité et conformité intégrées : visibilité, contrôles et respect des règles regroupés à chaque étape.
3. Ouverture et unification : agents, données et semantiques connectés entre écosystèmes, sans verrouillage fournisseur.

« À l’ère actuelle, gérer les données — pas seulement les stocker — constitue le nouveau fondement pour préparer l’IA, du cloud au cœur et à la périphérie », résume Rob Lee, CTO de Salesforce. « Le succès repose sur la sécurisation des données partout, leur accessibilité en temps réel, dans une expérience unie et cohérente, à échelle ».

Ce cadre, Salesforce le nomme “Agentic Enterprise” : un modèle dans lequel humains et agents IA collaborent sans friction, tout au long de flux, décisions et interactions.

Nouveautés : un indice de contexte, des clean rooms sans copie, la semantique dans Tableau et un tissu pour gouverner les agents

1) Data Cloud Context Indexing (sortie GA prévue pour hiver 2025)

Il s’agit d’une chaîne d’indexation dans Data Cloud qui aide les agents à interpréter du contenu non structuré — contrats, schémas, tableaux — avec une lecture métier. La promesse : extraire des détails précis à partir d’ensembles données hétérogènes. Par exemple, un technicien terrain uploadant un schéma sera guidé pas à pas par un arbre de décision pour dépanner une panne, en quelques minutes au lieu d’heures.

2) Data Cloud Clean Rooms (bêta actuellement; sortie GA prévue novembre 2025)

Les clean rooms de Data Cloud permettent à des entreprises de partager, collaborer et analyser des données sans déplacement ni exposition des données brutes. Elles s’appuient sur une connectivité sans copie, éliminent les doublons — avec moins de risque en matière de sécurité et de conformité ainsi que des coûts de stockage réduits — et s’intègrent de façon natif (avec protection renforcée) à AWS Clean Rooms. Exemple : un consortium bancaire comparant des patterns de transaction pour détecter des fraudes en quelques heures au lieu de semaines, sans échanger de données sensibles.

3) Tableau Semantics (disponible déjà; déploiement prévu jusqu’à FY26)

Il s’agit d’une couche sémantique IA intégrée nativement à Data Cloud, capable de traduire des données brutes en langage métier. Tableau propose un Customer 360 Semantic Data Model (SDM) prêt à l’emploi, qui unifie les données et métadonnées en mode multi-cloud, simplifie la modélisation, impose une gouvernance cohérente des métriques et fournit le contexte nécessaire à une IA fiable et une BI. Par ailleurs, l’éditeur indique travailler à la co-création du premier échange sémantique ouvert du secteur et collabore avec Databricks, dbt Labs et Snowflake pour stabiliser les sémantiques entre plateformes. Par exemple, des équipes définissant “ACV” de manière différente peuvent désormais unifier leur logique, pour que chaque agent et tableau utilisent la même définition.

4) MuleSoft Agent Fabric (gouvernance déjà disponible ; Agent Registry, Broker et Visualizer sortis en GA en octobre 2025)

La prolifération d’agents IA à travers différentes équipes, plateformes et fournisseurs crée une fragmentation : « agent sprawl » — flux déconnectés, automatisations redondantes, zones d’ombre en matière de conformité. Agent Fabric offre un point central unique pour enregistrer, orchestrer et gouverner tous les agents, quel que soit leur origine. Exemple : un détaillant global avec un agent qui surveille l’inventaire, un autre qui ajuste les prix et un troisième qui dénonce la fraude peuvent fonctionner de concert, en ajustant automatiquement les prix tout en surveillant le fraude en temps réel.

5) Sécurité et conformité intégrées à l’IA

De nouvelles capacités de sécurité pilotées par IA seront incorporées dans toute la plateforme, avec des intégrations avec CrowdStrike et Okta, pour anticiper les menaces et automatiser la gestion de la conformité dans le tissu opérationnel de l’entreprise agentique.

6) Metadonnées métiers avec Informatica (approbation en attente ; sortie prévue Q1 FY27)

La futur acquisition de Informatica — catalogue, intégration, gouvernance, qualité, confidentialité et MDM — viendra enrichir la plateforme Salesforce avec une intelligence métier, afin de bâtir une architecture de données intégrée dédiée à l’IA agentique. L’objectif : garantir que les agents opèrent de façon sûre, responsable et à grande échelle dans toute l’entreprise.

Un langage commun pour l’entreprise agentique

Le concept de “sémantique ouverte et industrielle” ne relève pas du symbole : Salesforce souhaite éviter que chaque agent « parle » un dialecte métier différent. En normalisant les définitions — par exemple, ce que signifie “client actif”, “churn”, “ACV” — et en governant les métriques avec Tableau Semantics, on réduit l’ambiguïté qui pollue tableaux de bord et réponses IA. L’ouverture (échange sémantique) et les alliances (avec Databricks, dbt, Snowflake) rendent la sémantique transversale entre plateformes.

« L’IA doit être ancrée dans un contexte métier profond pour démultiplier ses capacités : automatisation intelligente et insights actionnables », explique Rahul Auradkar, EVP & GM de Unified Data Services. « C’est pourquoi nous bâtissons un fondement unifié qui harmonise toutes les données — structurées et non — pour faire émerger ces insights et alimenter l’automatisation, avec un gouvernement et une sécurité adaptés. »

Clients : du secteur routier à la santé

AAA Washington a déjà déployé Salesforce en ventes et service. Avec Data Cloud et MuleSoft en base, l’objectif est la vision 360° du membre, en rompant les silos pour obtenir des réponses plus rapides, précises et pertinentes. « Notre partenariat avec Salesforce transforme notre expérience en bord de route, assurée et adaptée, en accord avec notre mantra ’technologie utile, toucher humain » », indique Jim Ryan, CIO.

Dans le domaine de la santé, UChicago Medicine insiste sur la confiance : « L’IA doit reposer sur la confiance. Avec un fondement unifié pour les données, chaque interaction avec le patient est fiable, précise et significative, et le personnel peut consacrer plus de temps aux soins humains qui nous définissent », souligne Andrew Chang, CMO.

Feuille de route (disponibilité)

• Index de contexte (Data Cloud) : hiver 2025 (GA).
• Data Cloud Clean Rooms : bêta dès maintenant ; novembre 2025 (GA).
• MuleSoft Agent Fabric : gouvernance en place ; Agent Registry, Broker et Visualizer en octobre 2025 (GA).
• Tableau Semantics : disponible ; intégrations partenaires d’ici FY26.
• Intégration Informatica : après clôture (attendue Q1 FY27), sous réserve d’approbation.

Pourquoi cela compte : de tests dispersés à une IA gouvernée « en usine »

Ce lancement ne constitue pas un « modèle miracle », mais la structure — données, métadonnées, sémantique, gouvernance et contrôle — que l’IA nécessite pour fonctionner dans des entreprises réglementées et complexes. La société agentique ne consiste pas à accumuler des agents, mais à réduire le bruit, gouverner l’action et aligner chaque réponse sur des définitions partagées et des politiques de sécurité.

Dans un marché envahi de copilots et d’agents dispersés dans différents stacks, la gestion du “agent sprawl” — le tissu MuleSoft — et la sémantique cohérente — Tableau Semantics — seront peut-être aussi cruciales que le prochain modèle de langage.

Conseils pratiques pour les équipes data, sécurité et métier

• CIO / CDO : évaluer Index de contexte pour les contenus non structurés critiques (contrats, plans, SOPs) ; définir une sémantique d’entreprise avec Tableau SDM ; activer des clean rooms pour une collaboration sans copie avec partenaires ou consortiums.
• CISO / Conformité : intégrer CrowdStrike et Okta dans los flux des agents et automatisations ; documenter contrôles et la traçabilité des décisions IA (qui a fait quoi, avec quelles données).
• Architectes / Intégrateurs : enregistrer tous les agents dans Agent Fabric ; orchestrer actions et permissions de façon centralisée ; réduire les automatisations parallèles ou contradictoires.
• Finance / Opérations : unifier les sémantiques des métriques critiques (ACV, churn, marge) pour faire en sorte que agents et tableaux de bord parlent le même langage.

Conclusion

Salesforce se positionne sur la voie stratégique essentielle pour l’IA d’entreprise : la confiance est une conception, et non une conséquence. En proposant le contexte (Data Cloud + Index de contexte), une collaboration sécurisée sans copie (Clean Rooms), une sémantique unifiée (Tableau Semantics), le gouvernance des agents (MuleSoft Agent Fabric) et une sécurité intégrée, l’entreprise cherche à transformer la “IA qui promet” en “IA qui tient ses promesses” — explicable, gouvernée et reproductible. La vraie difficulté réside, comme toujours, dans la mise en œuvre: aligner les données, affiner les définitions, documenter les contrôles et faire en sorte que les agents travaillent au service du business, et non contre.

Questions fréquentes

Qu’est-ce que l’Index de contexte Data Cloud et en quoi améliore-t-il la recherche dans des documents ?
Il s’agit d’une chaîne d’indexation dans Data Cloud qui permet aux agents d’interpréter du contenu non structuré (contrats, diagrammes, tableaux) avec une lecture métier. Plutôt que de rechercher uniquement par mot-clé, il ancre les réponses dans des entités, relations et règles d’entreprise pour fournir des instructions ou des résolutions précises, étape par étape. Par exemple, guider un technicien à travers un arbre de décision en utilisant un schéma technique.

Comment fonctionnent les Data Cloud Clean Rooms “zero copy” et pour quels cas d’usage sont-elles pertinentes ?
Ces clean rooms permettent de collaborer et d’analyser des données sans les déplacer ni les exposer. La connectivité sans copie évite la duplication de données sensibles, diminue les risques de sécurité et de conformité, tout en réduisant les coûts de stockage. Cas d’usage typique : détection de fraudes pour des banques, analyses en partenariat avec des détaillants, ou évaluation de campagnes marketing avec des tiers, sans échange de données personnelles sensibles.

En quoi MuleSoft Agent Fabric résout-il le problème du “agent sprawl” et comment se déploie-t-il ?
Le “agent sprawl” désigne la prolifération d’agents déconnectés issus de différentes équipes et fournisseurs. Agent Fabric offre un point d’enregistrement unique, une orchestration et une gouvernance centralisée pour tous les agents, quel que soit leur origine. Par exemple, un distributeur global utilisant un agent pour surveiller l’inventaire, un autre pour ajuster les prix, et un troisième pour détecter la fraude peut désormais faire fonctionner ces agents de concert, en automatisant leurs actions tout en assurant un suivi conforme en temps réel.

Qu’est-ce que Tableau Semantics et comment facilite-t-il l’unification de métriques comme “ACV” dans toute l’entreprise ?
Tableau Semantics est une couche sémantique IA intégrée dans Data Cloud qui convertit des données brutes en langage métier. Il inclut un Customer 360 Semantic Data Model (SDM) prêt à l’emploi, et une initiative pour un échange sémantique ouvert en partenariat avec Databricks, dbt Labs et Snowflake. Si différents services définissent par exemple “ACV” de manières variées, Tableau Semantics leur permet de uniformiser leur logique pour que chaque agent et tableau de bord utilise la même définition, garantissant des insights solides et compréhensibles.

Source: salesforce