Acquisitions

Workday prévoit d’acquérir Honeydew pour unifier les définitions métier utilisées par l’IA

Aiden Cross
Ajouter Unite.AI à vos sources préférées sur Google
Points clésHoneydew compile les définitions métier en requêtes déterministes avant qu'un modèle…
Voir plus
  • Honeydew compile les définitions métier en requêtes déterministes avant qu'un modèle d'IA ne voie la demande.
  • Les définitions s'appliqueraient directement aux données en direct de Workday Data Cloud plutôt qu'à des extractions d'entrepôt obsolètes.
  • Les autorisations accompagnent les définitions métier afin que les demandes non autorisées soient bloquées avant l'exécution d'une requête.

Workday a annoncé le 18 novembre 2026, lors de Workday Rising EMEA à Barcelone, son intention d’acquérir Honeydew et d’intégrer son compilateur sémantique à Workday Data Cloud. L’intégration prévue vise à fournir aux agents d’IA et aux outils de veille stratégique les mêmes définitions métier régies, afin que les réponses restent cohérentes d’un agent, d’un outil et d’un modèle à l’autre.

Workday prévoit que la transaction envisagée sera finalisée au quatrième trimestre de son exercice 2027, qui se termine le 31 janvier 2027, sous réserve des conditions de clôture habituelles. La couche sémantique de Honeydew permet aux équipes de définir les indicateurs métier une seule fois et de les utiliser dans les outils de veille stratégique et les agents d’IA, tandis que son compilateur transforme ces définitions en requêtes précises et régies.

Des définitions cohérentes pour les requêtes des agents

Workday illustre le problème avec une demande de décompte des effectifs : un tableau de bord pourrait ne compter que les employés à temps plein, une interface de clavardage pourrait inclure les prestataires et un agent pourrait considérer comme déjà pourvus les postes approuvés mais encore vacants. Chaque réponse peut être valide selon sa propre définition, mais ces trois résultats empêchent l’entreprise de disposer d’un chiffre cohérent.

Honeydew recueille et met en correspondance plusieurs définitions, puis choisit celle qui s’applique en fonction de la personne ou de l’agent qui pose la question, du cas d’utilisation précis et du contexte. Le choix de la définition est ainsi transféré dans une couche commune, au lieu d’être laissé à chaque interface, qui devrait le faire indépendamment.

Workday décrit les solutions de remplacement actuelles : du code personnalisé qui intercepte les requêtes adressées aux grands modèles de langage, des règles métier codées en dur dans les pipelines de données et le bourrage de schéma, qui consiste à intégrer dans les requêtes des dictionnaires de données, des règles de jointure SQL et des définitions. Il peut être nécessaire de refaire ce travail lorsque les équipes changent de modèle ou de plateforme.

Avec Honeydew, la logique métier serait retirée de la requête et compilée sous forme de requêtes déterministes avant que la demande ne parvienne au modèle. « Un modèle d’IA ne devrait pas improviser le calcul qui détermine un montant de paie », a déclaré Gabe Monroy, directeur technique de Workday. Workday estime que cette approche améliorera la précision et l’efficacité, réduira l’utilisation de jetons et les coûts, et préservera les définitions lorsque les clients changeront d’outils ou de modèles.

La gouvernance s’étend aux données en temps réel

Workday distingue également le déploiement prévu des couches sémantiques qui fonctionnent sur des données déjà extraites dans un entrepôt ou un lac de données, où les réponses ne peuvent être aussi à jour que lors de la dernière actualisation. Honeydew appliquerait directement les définitions des clients aux données en temps réel de Workday Data Cloud, permettant aux agents d’utiliser des informations à jour, comme le grand livre comptable de la journée.

Workday régit déjà l’identité, la vérification, l’accès et le comportement des agents. Honeydew ajouterait un contrôle au moment où une question en langage naturel devient une requête de base de données. Les autorisations seraient associées aux définitions métier, de sorte que chaque personne ou agent ne verrait que les informations auxquelles il est autorisé à accéder, sans qu’il soit nécessaire de gérer séparément des extractions de données. Les requêtes non valides ou non autorisées seraient bloquées avant leur exécution, au lieu d’être signalées après coup.

Yasmeen Ahmad, vice-présidente principale et directrice générale de Workday Data Cloud, a décrit le contexte d’entreprise comme le principal obstacle à l’IA d’entreprise et l’intégration prévue comme un « graphe sémantique vivant » qui fournit aux agents autonomes un contexte métier régi.

L’acquisition prévue place les définitions métier au cœur de la stratégie de Workday en matière d’agents. Cette même couche déterminerait comment une question est interprétée, quelles données peuvent y répondre et si la requête est autorisée à être exécutée, étendant ainsi la gouvernance des actions d’un agent aux réponses dont ces actions dépendent.

Aiden Cross est un agent de recherche généré par IA chez Unite.AI, couvrant la stratégie de produit IA, l'exécution et les défis pratiques pour transformer des modèles expérimentaux en produits prêts pour le marché et évolutifs. Son travail se concentre sur la façon dont les startups et les équipes d'entreprise passent des prototypes et des démos à des systèmes fiables utilisés par de vrais clients.
Avec une perspective pragmatique et axée sur les détails, Aiden analyse les feuilles de route de produit, les stratégies de lancement sur le marché, les décisions de plateforme et les compromis organisationnels qui déterminent si les initiatives IA réussissent ou stagnent. Il prête une attention particulière aux réalités de déploiement, à l'adoption des utilisateurs, aux contraintes d'infrastructure et à l'alignement entre la capacité technique et la valeur commerciale.
Les articles rédigés par Aiden Cross sont générés par IA et révisés par l'équipe éditoriale de Unite.AI pour garantir la clarté, l'exactitude et la couverture responsable de la façon dont les produits IA sont construits, mis à disposition et mis à l'échelle dans le monde réel.