Neo4j®, le leader mondial des bases de données de graphes et de l’analyse, annonce aujourd’hui la disponibilité de nouvelles intégrations natives à la plateforme de Google Cloud avec comme objectif d’accélérer le développement et le déploiement d’applications d’IA générative. Une aubaine pour les entreprises qui sont confrontées à la complexité et aux hallucinations lors de la création et du déploiement de ce type d’applications, nécessitant, le plus souvent, des données contextuelles en temps réel et des résultats précis et explicables.
Les graphes de connaissances identifient les relations entre les données, permettant ainsi aux LLMs (Grands modèles de langage) de mieux ancrer les faits, leur permettant de raisonner, déduire et récupérer les informations les plus pertinentes avec précision et efficacité. Dans son dernier rapport AI Design Patterns for Knowledge Graphs and Generative AI, Gartner® annonce que « les responsables des données et de l’analytique doivent tirer parti de la puissance des grands modèles de langage (LLM) avec la robustesse des graphes de connaissances pour des applications d’IA plus solides et plus tolérantes aux défaillances ».
La génération augmentée par récupération (Retrieval Augmented Generation, ou RAG) est la méthode par laquelle les LLMs s'alimentent en données externes. La combinaison des graphes de connaissances avec RAG, connu sous le nom de GraphRAG, permet aux LLMs d’accéder à des ensembles de données externes et garantit des résultats d’IA générative plus précis, explicables et transparents.
GraphRAG avec Google Cloud : capacités et avantages
Les développeurs peuvent désormais appliquer GraphRAG aux graphes de connaissances afin d'améliorer la précision, le contexte et la capacité d'explication des LLMs. Parmi les avantages de GraphRAG on retrouve :
1. Développement rapide de graphes de connaissances et des résultats plus précis. Les développeurs peuvent désormais facilement créer des graphes de connaissances avec Gemini, VertexAI, LangChain et Neo4j à partir de données non structurées telles que des PDF, des pages web et d’autres documents, notamment ceux chargés directement ou à partir de Google Cloud Storage (GCS).
2. Ingestion, traitement et analyse des données en quelques secondes. Les développeurs peuvent utiliser des modèles Flex dans Dataflow pour créer des pipelines de données reproductibles et sécurisés qui ingèrent, traitent et analysent des données à travers Google BigQuery, Google Cloud Storage et Neo4j. Une approche pour alimenter les graphes de connaissances avec des informations en temps réel et pour permettre aux applications d’IA générative de fournir des informations pertinentes et opportunes.
3. Conception d’applications d’IA générative alimentées par les graphes de connaissances stockés sur Google Cloud. Les clients peuvent utiliser Gemini sur Google Workspace et Reasoning Engine de Vertex AI pour déployer, surveiller et mettre à l'échelle les applications et les APIs d’IA générative sur Google Cloud Run. Gemini Workspace se base sur les données d’entraînement de Neo4j pour traduire automatiquement tout extrait de code en langage de requête Cypher de Neo4j. Grâce à ce processus, le développement d’applications devient plus rapide et plus facile, tout en facilitant la collaboration à travers l’intégration des capacités de compréhension et de génération de langage naturel dans des applications et environnements variés. Les développeurs peuvent également utiliser Cypher avec n'importe quel environnement de développement intégré (Integrated Development Environment) pris en charge par Gemini Workspace pour une interrogation et une visualisation des données de graphes plus efficaces. Les fonctionnalités de recherche vectorielle, GraphRAG et de mémoire conversationnelle de Neo4j s'intègrent de manière transparente via LangChain et Neo4j AuraDB sur Google Cloud.
Un long parcours d’innovation : les étapes supplémentaires du partenariat
Google Distribution Cloud (GDC) Hosted, disponible depuis mars dernier, est une infrastructure cloud privée stockée dans un environnement edge et isolée de tout autre réseau informatique. Il permet aux clients de répondre à des exigences réglementaires strictes en matière d’hébergement et de sécurité des données. Neo4j est le partenaire privilégié de GDC qui fournit une base de données de graphes et des capacités d'analyse fiables.
Les clients peuvent également effectuer des analyses de graphes en mémoire de modèles de données cachés et complexes en utilisant le catalogue Neo4j de plus de 70 fonctions de science des données de graphes (graph data science) directement sur les données BigQuery et à partir de BigQuery SQL à l'aide des procédures stockées Apache Spark.
En outre, ce mois-ci Neo4j a remporté le titre de Partenaire technologique de l'année de Google Cloud dans la catégorie Gestion des données pour la deuxième année consécutive. En 2023, Neo4j est devenu le seul fournisseur de graphes natifs à intégrer leurs produits avec des fonctionnalités d’IA génératives dans Google Cloud Vertex AI, à la suite d’un partenariat stratégique entre les deux acteurs qui a débuté en 2019. Aussi en 2023, Neo4j a intégré des capacités vectorielles natives dans sa base de données de graphes, ce qui lui permet de servir de mémoire à long terme pour les LLM.
Jeff Dalgliesh, Chief Technology Officer, chez Data²
« Chez Data², nous combinons la force de l’IA générative à la robustesse des graphes de connaissance afin d’optimiser le potentiel des données de nos clients. Le lancement de nouvelles intégrations natives de Neo4j avec Google Cloud Platform, notamment la capacité d’améliorer les applications d’IA générative avec les graphes de connaissance de Neo4j, marque une étape importante pour l'industrie. Grâce à l'approche GraphRAG de Neo4j et à l'infrastructure robuste de Google Cloud, nous serons en mesure de fournir à nos clients des informations d'IA encore plus puissantes et explicables, les aidant à prendre des décisions critiques avec confiance et rapidité. »
Moheesh Raj, Senior Engineering Manager chez Dun & Bradstreet
« Chez Dun & Bradstreet, nous nous sommes engagés à aider les entreprises à tirer parti des données et des connaissances analytiques pour fonder des décisions intelligentes qui leur donnent un avantage concurrentiel. Cette annonce nous donne de nouvelles possibilités de rationalisation et d’accélération pour nos services de conformité, établissant ainsi une nouvelle norme sectorielle pour la due diligence guidée par les données. »
Ritika Suri, Director of Technology Partnerships, Google Cloud
« L'IA générative peut augmenter de manière significative la valeur que les clients tirent de leurs données critiques. En utilisant les modèles Gemini et Vertex AI de Google Cloud, Neo4j peut augmenter la vitesse et la précision du développement d'applications d'IA générative. »
Sudhir Hasbe, Chief Product Officer chez Neo4j
« L’alliance GraphRAG, Neo4j et Google Cloud permettra aux entreprises de passer du développement au déploiement d’IA générative à une vitesse record. Cette étape met en lumière le plein potentiel de la technologie des graphes, de l’IA générative, et l'excellence du cloud computing, qui offrent aux entreprises la possibilité de tirer profit de leurs données connectées tout en innovant. »
Ces fonctionnalités sont désormais disponibles.
Les graphes de connaissances identifient les relations entre les données, permettant ainsi aux LLMs (Grands modèles de langage) de mieux ancrer les faits, leur permettant de raisonner, déduire et récupérer les informations les plus pertinentes avec précision et efficacité. Dans son dernier rapport AI Design Patterns for Knowledge Graphs and Generative AI, Gartner® annonce que « les responsables des données et de l’analytique doivent tirer parti de la puissance des grands modèles de langage (LLM) avec la robustesse des graphes de connaissances pour des applications d’IA plus solides et plus tolérantes aux défaillances ».
La génération augmentée par récupération (Retrieval Augmented Generation, ou RAG) est la méthode par laquelle les LLMs s'alimentent en données externes. La combinaison des graphes de connaissances avec RAG, connu sous le nom de GraphRAG, permet aux LLMs d’accéder à des ensembles de données externes et garantit des résultats d’IA générative plus précis, explicables et transparents.
GraphRAG avec Google Cloud : capacités et avantages
Les développeurs peuvent désormais appliquer GraphRAG aux graphes de connaissances afin d'améliorer la précision, le contexte et la capacité d'explication des LLMs. Parmi les avantages de GraphRAG on retrouve :
1. Développement rapide de graphes de connaissances et des résultats plus précis. Les développeurs peuvent désormais facilement créer des graphes de connaissances avec Gemini, VertexAI, LangChain et Neo4j à partir de données non structurées telles que des PDF, des pages web et d’autres documents, notamment ceux chargés directement ou à partir de Google Cloud Storage (GCS).
2. Ingestion, traitement et analyse des données en quelques secondes. Les développeurs peuvent utiliser des modèles Flex dans Dataflow pour créer des pipelines de données reproductibles et sécurisés qui ingèrent, traitent et analysent des données à travers Google BigQuery, Google Cloud Storage et Neo4j. Une approche pour alimenter les graphes de connaissances avec des informations en temps réel et pour permettre aux applications d’IA générative de fournir des informations pertinentes et opportunes.
3. Conception d’applications d’IA générative alimentées par les graphes de connaissances stockés sur Google Cloud. Les clients peuvent utiliser Gemini sur Google Workspace et Reasoning Engine de Vertex AI pour déployer, surveiller et mettre à l'échelle les applications et les APIs d’IA générative sur Google Cloud Run. Gemini Workspace se base sur les données d’entraînement de Neo4j pour traduire automatiquement tout extrait de code en langage de requête Cypher de Neo4j. Grâce à ce processus, le développement d’applications devient plus rapide et plus facile, tout en facilitant la collaboration à travers l’intégration des capacités de compréhension et de génération de langage naturel dans des applications et environnements variés. Les développeurs peuvent également utiliser Cypher avec n'importe quel environnement de développement intégré (Integrated Development Environment) pris en charge par Gemini Workspace pour une interrogation et une visualisation des données de graphes plus efficaces. Les fonctionnalités de recherche vectorielle, GraphRAG et de mémoire conversationnelle de Neo4j s'intègrent de manière transparente via LangChain et Neo4j AuraDB sur Google Cloud.
Un long parcours d’innovation : les étapes supplémentaires du partenariat
Google Distribution Cloud (GDC) Hosted, disponible depuis mars dernier, est une infrastructure cloud privée stockée dans un environnement edge et isolée de tout autre réseau informatique. Il permet aux clients de répondre à des exigences réglementaires strictes en matière d’hébergement et de sécurité des données. Neo4j est le partenaire privilégié de GDC qui fournit une base de données de graphes et des capacités d'analyse fiables.
Les clients peuvent également effectuer des analyses de graphes en mémoire de modèles de données cachés et complexes en utilisant le catalogue Neo4j de plus de 70 fonctions de science des données de graphes (graph data science) directement sur les données BigQuery et à partir de BigQuery SQL à l'aide des procédures stockées Apache Spark.
En outre, ce mois-ci Neo4j a remporté le titre de Partenaire technologique de l'année de Google Cloud dans la catégorie Gestion des données pour la deuxième année consécutive. En 2023, Neo4j est devenu le seul fournisseur de graphes natifs à intégrer leurs produits avec des fonctionnalités d’IA génératives dans Google Cloud Vertex AI, à la suite d’un partenariat stratégique entre les deux acteurs qui a débuté en 2019. Aussi en 2023, Neo4j a intégré des capacités vectorielles natives dans sa base de données de graphes, ce qui lui permet de servir de mémoire à long terme pour les LLM.
Jeff Dalgliesh, Chief Technology Officer, chez Data²
« Chez Data², nous combinons la force de l’IA générative à la robustesse des graphes de connaissance afin d’optimiser le potentiel des données de nos clients. Le lancement de nouvelles intégrations natives de Neo4j avec Google Cloud Platform, notamment la capacité d’améliorer les applications d’IA générative avec les graphes de connaissance de Neo4j, marque une étape importante pour l'industrie. Grâce à l'approche GraphRAG de Neo4j et à l'infrastructure robuste de Google Cloud, nous serons en mesure de fournir à nos clients des informations d'IA encore plus puissantes et explicables, les aidant à prendre des décisions critiques avec confiance et rapidité. »
Moheesh Raj, Senior Engineering Manager chez Dun & Bradstreet
« Chez Dun & Bradstreet, nous nous sommes engagés à aider les entreprises à tirer parti des données et des connaissances analytiques pour fonder des décisions intelligentes qui leur donnent un avantage concurrentiel. Cette annonce nous donne de nouvelles possibilités de rationalisation et d’accélération pour nos services de conformité, établissant ainsi une nouvelle norme sectorielle pour la due diligence guidée par les données. »
Ritika Suri, Director of Technology Partnerships, Google Cloud
« L'IA générative peut augmenter de manière significative la valeur que les clients tirent de leurs données critiques. En utilisant les modèles Gemini et Vertex AI de Google Cloud, Neo4j peut augmenter la vitesse et la précision du développement d'applications d'IA générative. »
Sudhir Hasbe, Chief Product Officer chez Neo4j
« L’alliance GraphRAG, Neo4j et Google Cloud permettra aux entreprises de passer du développement au déploiement d’IA générative à une vitesse record. Cette étape met en lumière le plein potentiel de la technologie des graphes, de l’IA générative, et l'excellence du cloud computing, qui offrent aux entreprises la possibilité de tirer profit de leurs données connectées tout en innovant. »
Ces fonctionnalités sont désormais disponibles.
Autres articles
-
Neo4j : La nouvelle norme internationale GQL marque un tournant majeur pour l'industrie des bases de données
-
Adrien Boulad nommé Directeur Général France de Neo4j
-
Neo4j s'allie à Microsoft pour optimiser les solutions IA Générative et Data
-
Equadis choisit Google Cloud pour développer des solutions technologiques innovantes centrées sur les données
-
Sinequa étend son partenariat avec Google Cloud et offre des fonctionnalités avancées de génération augmentées de récupération (RAG)
