Questions fréquentes sur Knowledge Catalog

Ce document répond aux questions fréquentes sur Google CloudKnowledge Catalog (anciennement Dataplex Universal Catalog).

Pour en savoir plus sur Knowledge Catalog, consultez la présentation de Knowledge Catalog.

Concepts généraux

Consultez les questions fréquentes sur les fonctionnalités de Knowledge Catalog.

Qu'est-ce que Knowledge Catalog ?

Knowledge Catalog est une solution de gouvernance intelligente pour les composants de données et d'IA dans Google Cloud. Il fournit un inventaire centralisé dans lequel vous pouvez découvrir, gérer et gouverner vos données dans des sources de données Google Cloud telles que BigQuery, Cloud Storage, Pub/Sub et Spanner.

Knowledge Catalog utilise l'IA pour automatiser la découverte de données, l'enrichissement des métadonnées et la qualité des données. Grâce à son Data Catalog géré, Knowledge Catalog fournit l'ancrage essentiel dont les agents IA ont besoin pour générer du contenu de haute qualité.

À quoi sert Knowledge Catalog ?

Knowledge Catalog résout le problème du "démarrage à froid des données", c'est-à-dire le temps perdu à essayer de trouver, de comprendre et de faire confiance aux données avant de pouvoir les utiliser. Voici ses principales utilisations :

  • Découverte accélérée des données : au lieu de naviguer dans des silos organisationnels complexes pour localiser des données, vous pouvez utiliser la recherche en langage naturel (par exemple, "Affiche les données les plus récentes sur l'attrition des clients") pour trouver instantanément des éléments dans les ressourcesGoogle Cloud , ce qui augmente la productivité des consommateurs de données.

  • Ancrage des agents IA : il sert de "source de vérité" pour l'IA générative ou l'ADK. En associant les données physiques aux définitions métier, il garantit que les agents IA (comme ceux basés sur Vertex AI) utilisent des données de haute qualité, ce qui réduit considérablement les hallucinations de l'IA et améliore la confiance dans les insights générés par l'IA.

  • Gouvernance automatisée des données : il analyse automatiquement vos données pour identifier les informations sensibles (c'est-à-dire les informations permettant d'identifier personnellement l'utilisateur), suit l'origine des données (traçabilité) et surveille leur exactitude (qualité automatique des données). Ces fonctionnalités permettent d'améliorer la confiance dans les données, la sécurité et la conformité, tout en réduisant les efforts manuels.

  • Découvrir les "données sombres" : il peut analyser des fichiers non structurés (par exemple, des PDF ou des images dans Cloud Storage), en extraire les informations et les rendre consultables et interrogeables dans BigQuery, ce qui vous aide à obtenir des insights à partir de données auparavant inaccessibles.

Pour commencer à utiliser ces scénarios, consultez Cas d'utilisation de Knowledge Catalog.

Quels types de métadonnées Knowledge Catalog stocke-t-il ?

Knowledge Catalog stocke trois types de métadonnées :

  • Métadonnées techniques : schémas, noms de tables et propriétés système collectés automatiquement.

  • Métadonnées métier : contexte défini par l'utilisateur, tel que les descriptions d'entreprise, les termes du glossaire et la propriété.

  • Métadonnées d'exécution : informations sur la traçabilité des données, les scores de qualité des données et les statistiques de profilage des données.

Facturation des insights sur les données

Consultez les questions fréquentes sur la facturation basée sur les jetons, la mesure de l'utilisation et les contrôles administratifs de la fonctionnalité d'insights sur les données dans Knowledge Catalog.

Quand commencerai-je à être facturé pour l'utilisation des insights sur les données ?

La facturation des insights sur les données commencera le 27 octobre 2026.

Comment l'utilisation des insights sur les données est-elle facturée ?

L'utilisation est mesurée en jetons de données. Les jetons de données représentent les unités de base du texte et des métadonnées traitées par le modèle Gemini. Ces jetons sont divisés en deux catégories :

  • Jetons d'entrée : contexte, instructions et historique envoyés au modèle.
  • Jetons de sortie : descriptions, relations et requêtes en langage naturel générées par le modèle.

Pour en savoir plus, consultez Tarifs de l'agent Data Cloud.

Les comptes de service bénéficient-ils d'un quota sans frais pour les insights sur les données ?

Non. Les comptes de service ne bénéficient pas d'un quota sans frais par utilisateur. Toutefois, leur utilisation est mesurée de la même manière que celle des utilisateurs standards.

Comment puis-je éviter d'être facturé automatiquement pour les insights sur les données ?

Pour éviter que des frais ne vous soient facturés, vérifiez vos analyses en cours et arrêtez d'en déclencher de nouvelles. Les administrateurs peuvent également désactiver la fonctionnalité d'insights sur les données en désactivant l'API Dataplex dans le projet concerné.

Comment savoir combien me seront facturés les insights sur les données ?

Google Cloud fournit une mesure pour les jetons de données. Cette mesure permet aux administrateurs et aux propriétaires d'agents de surveiller leur consommation de jetons. Cette fonctionnalité de mesure est disponible avant le début de la facturation active en octobre 2026.

Surveillance de la facturation et des coûts

Consultez les questions fréquentes sur la surveillance et l'attribution des coûts de calcul dans Knowledge Catalog.

Comment surveiller et attribuer les coûts des DCU Knowledge Catalog pour la qualité des données, le profilage des données et la traçabilité des données ?

Les unités de calcul de données (DCU) de calcul DataScan (qualité des données automatique et profilage des données) et de traçabilité des données de Knowledge Catalog s'exécutent sur un calcul sans serveur dans l'infrastructure gérée par Google et ne publient pas de métriques de séries temporelles sous dataplex.googleapis.com/* dans Cloud Monitoring.

Pour surveiller, attribuer et recevoir des alertes sur les coûts des DCU Knowledge Catalog dans l'ensemble des projets et des analyses, exportez vos données Cloud Billing vers BigQuery et interrogez les libellés système associés aux enregistrements de facturation Knowledge Catalog :

  • Pour les analyses de qualité et de profilage des données, utilisez les libellés goog-dataplex-datascan-* (tels que goog-dataplex-datascan-id, goog-dataplex-datascan-data-source-project et goog-dataplex-datascan-data-source-bigquery-table).
  • Pour le traitement de la traçabilité des données, utilisez l'étiquette goog-dataplex-workload-type avec la valeur LINEAGE.

Pour obtenir des définitions détaillées des étiquettes et des exemples de requêtes SQL BigQuery, consultez Surveiller et attribuer les coûts des DCU Knowledge Catalog avec l'exportation Cloud Billing.