Google ajoute l'IA prédictive à BigQuery sans entraînement ML

BIGQUERY INTÈGRE TABFM, LA PRÉDICTION INSTANTANÉE SANS MODÈLE À FORMER
Google vient de lancer TabFM, un modèle de fondation pré‑entraîné dédié aux données tabulaires, directement intégré à BigQuery. Cette fonctionnalité permet aux équipes d’obtenir des prédictions de classification ou de régression simplement via du SQL, sans passer par les étapes classiques de création, d’entraînement et de déploiement d’un modèle de machine learning. L’enjeu principal est de réduire les coûts et la complexité technique des projets d’analytics prédictif.

Fonctionnement et utilisation
TabFM exploite les historiques labellisés comme exemples « in‑context » pour identifier des patterns et les appliquer aux nouvelles lignes de données grâce à la fonction AI.PREDICT. Les utilisateurs soumettent leurs tables BigQuery, le modèle gère automatiquement les variables catégorielles et les valeurs manquantes, limitant ainsi la phase de préparation. Un second appel, AI.EVALUATE, permet d’évaluer la précision en comparant les prédictions aux résultats connus.

Avantages en productivité et gouvernance
Grâce à TabFM, un analyste maîtrisant le SQL peut lancer une prédiction sans compétences avancées en IA, évitant le déplacement des données vers une plateforme externe et simplifiant la gouvernance des accès. Selon Amit Kumar Jena, cela « réduit le besoin de plusieurs profils – analyste, data‑scientist, ingénieur ML – à un simple appel SQL ». Cette simplification se traduit par des économies d’infrastructure et une réduction potentielle des effectifs dédiés aux pipelines ML.

Limites et considérations de coût
Google recommande toutefois de recourir à des solutions comme XGBoost pour les jeux de données très volumineux ou comportant plus de 20 colonnes, où le contrôle des hyperparamètres et l’explicabilité restent cruciaux. De plus, à partir du 30 octobre 2026, TabFM sera facturé selon un modèle basé sur les tokens, ce qui peut rendre les prédictions à grande échelle plus coûteuses que des modèles entraînés et mis en cache.

En résumé, TabFM offre une voie rapide pour des analyses prédictives ponctuelles, mais les entreprises devront piloter son adoption au regard de leurs volumes et exigences spécifiques.

---

Source : InfoWorld​