Utilisation de l’IA dans Tableau

Remarque : Depuis octobre 2025, l’IA dans Tableau ne consomme plus de crédits Einstein Request dans le cadre de l’utilisation de l’IA. D’autres services, comme les services Data Cloud, peuvent néanmoins consommer d’autres types de crédits. Pour plus d’informations, consultez la FAQ sur les mises à jour des fiches de tarification Einstein Request et Flex(Le lien s’ouvre dans une nouvelle fenêtre).

L’IA dans Tableau est optimisé par l’IA générative Einstein. Pour optimiser l’utilisation de l’IA générative dans Tableau et accéder à la couche de confiance Einstein, vous devez suivre plusieurs étapes dans votre organisation Salesforce et sur votre site Tableau Cloud.

Lors de la configuration de votre organisation Salesforce, vous pouvez activer la collecte et le stockage des données Einstein (également appelé piste d’audit) pour stocker vos données d’audit et de commentaires de l’IA générative Einstein dans Data Cloud. Cette fonctionnalité facultative vous permet de suivre l’utilisation de l’IA générative dans vos sites Tableau et votre organisation Salesforce. Si vous activez cette fonctionnalité, elle consommera des crédits Data Cloud. Le nombre de crédits Data Cloud consommés varie en fonction du nombre de lignes ou d’enregistrements traités.

Crédits Data Cloud

L’utilisation des fonctionnalités d’IA dans Tableau ne permet pas directement d’utiliser les crédits Data Cloud. Ces crédits sont plutôt consommés par la couche de confiance Einstein sur laquelle repose l’IA dans Tableau une fonctionnalité de données d’audit d’IA générative (également appelée piste d’audit).

La piste d’audit permet à vos équipes de sécurité de l’information de surveiller les fonctionnalités de la couche de confiance Einstein, notamment le masquage des données basés sur des schémas et la détection de la toxicité. Cette fonctionnalité utilise des crédits Data Cloud (alloués lors de l’achat de l’IA dans Tableau) pour l’ingestion, le stockage et le traitement des données d’utilisation de l’IA.

La piste d’audit aide à maintenir la sécurité et l’exactitude des réponses générées par l’IA. Elle conserve l’invite et la réponse de chaque appel d’API au GML ainsi que d’autres données d’audit pendant un maximum de 30 jours dans votre instance Salesforce Data Cloud. Pour plus d’informations sur les types de données collectées par la fonctionnalité Audit et commentaires de l’IA générative, consultez Données d’audit et de commentaires de l’IA générative(Le lien s’ouvre dans une nouvelle fenêtre) dans l’aide de Salesforce.

Les crédits Data Cloud sont consommés lorsque la piste d’audit ingère des données lors d’un appel d’API au GML. Un appel d’API au GML ingère 24 lignes de données de piste d’audit dans Data Cloud et utilise le type d’utilisation Data Pipeline par lot.

Remarque : La consommation de crédits Data Cloud provient également d’un pool de crédits alloués. Par exemple, lorsque vous générez un rapport sur les données d’audit et de commentaires de l’IA générative Einstein, vous utilisez des Requêtes de données et consommez des crédits Data Cloud. Si vous utilisez d’autres fonctionnalités Salesforce Cloud qui consomment des crédits Data Cloud, cela peut également affecter les crédits disponibles dans votre pool. Pour plus d’informations, consultez les sections Types d’utilisation facturables dans Data Cloud(Le lien s’ouvre dans une nouvelle fenêtre) et Accéder aux rapports et tableaux de bord des données d’audit et de commentaires de l’IA générative Einstein(Le lien s’ouvre dans une nouvelle fenêtre) dans l’aide de Salesforce.

Pour estimer le nombre de crédits Data Cloud, consultez Multiplicateurs Data Cloud(Le lien s’ouvre dans une nouvelle fenêtre). Pour plus d’informations sur les types d’utilisation pour l’audit et les commentaires, consultez Considérations de facturation pour l’audit et les commentaires(Le lien s’ouvre dans une nouvelle fenêtre) dans l’aide de Salesforce.

Vous pouvez également utiliser Tableau pour interroger Data Cloud et créer des visualisations de vos données d’audit et de commentaires d’IA. Pour plus d’informations, consultez Afficher la consommation de crédits.

Considérations de facturation pour l’IA dans Tableau

Remarque : Si vous recherchez des détails concernant l’utilisation de l’IA dans Tableau Next, consultez Considérations relatives à la facturation pour Tableau Next(Le lien s’ouvre dans une nouvelle fenêtre) dans le centre d’aide de Salesforce.

L’IA dans Tableau a recours aux types de consommation suivants. Le portefeuille numérique vous permet de suivre votre utilisation. Il s’agit d’un outil gratuit de gestion de compte dans Salesforce Data Cloud qui fournit des données de consommation en temps quasi réel pour les produits activés.

Vous verrez le nombre total de crédits Data Cloud consommés, ainsi que votre solde restant. Votre portefeuille numérique peut néanmoins afficher un solde pour les requêtes Einstein. Cependant, les requêtes Einstein ne seront plus consommées par les fonctionnalités de l’IA dans Tableau à partir d’octobre 2025.

Le portefeuille numérique propose également des tableaux de bord prédéfinis indiquant le nombre d’utilisateurs, le nombre de demandes et d’autres détails. Vous pouvez également vous connecter aux tables du portefeuille numérique dans Data Cloud depuis Tableau et créer des visualisations pour vos données de consommation. Pour plus d’informations, consultez Afficher la consommation de crédits.

 

Fiche Portefeuille numériqueType d’utilisation Description du type d’utilisationRemarques
Services de donnéesData Pipeline par lot

L’utilisation est calculée en fonction du nombre de lignes de données traitées par lots par les flux de données Data Cloud sur tous les connecteurs, à l’exception des données structurées ingérées par le Data Pipeline interne.

Pour en savoir plus, consultez Considérations de facturation pour l’audit et les commentaires(Le lien s’ouvre dans une nouvelle fenêtre) dans l’aide de Salesforce.

Les données d’audit et de commentaires sont ingérées dans les flux de données Data Cloud et l’utilisation est calculée en fonction du volume de données ingérées.

En moyenne, chaque aller-retour vers le grand modèle de langage (GML) génère l’ingestion de 24 enregistrements dans Data Cloud.

Le volume de données ingérées est le principal facteur de consommation de crédits parmi les trois types d’utilisation.

Merci de vos commentaires!Votre commentaire s été envoyé avec succès. Merci!