Et si votre DSI pouvait poser une question à ses données en pleine réunion du conseil et obtenir une réponse en moins de 10 secondes — sans ouvrir un seul filtre, sans solliciter un analyste, et sans que la moindre donnée ne quitte votre infrastructure ? Ce scénario n'est plus un prototype. C'est ce que permet aujourd'hui la combinaison Tableau Server + Tableau Agent, complétée, pour les exigences de souveraineté les plus élevées, par le protocole MCP (Model Context Protocol) et le LLM de votre choix.
Dans cet article, j'explique concrètement comment fonctionne cette architecture à trois niveaux, pourquoi elle répond aux enjeux de souveraineté des collectivités territoriales françaises, et comment l'évaluer pour votre contexte — en toute honnêteté sur ses limites.
Le problème : souveraineté des données et IA générative, deux exigences difficiles à concilier
Les DSI de collectivités territoriales nous posent souvent la même question : « L'IA, c'est bien, mais nos données restent-elles en France ? »
La plupart des solutions d'IA générative disponibles aujourd'hui envoient vos données vers des serveurs américains — Azure OpenAI, AWS Bedrock, Google Vertex. Pour des données publiques anodines, c'est acceptable. Pour des données RH, budgétaires ou liées à des marchés publics, c'est une autre affaire. La directive NIS2, le RGPD et les recommandations de l'ANSSI imposent une vigilance croissante sur la localisation des traitements.
Les collectivités territoriales ne peuvent pas se permettre de choisir entre l'innovation et la conformité. La bonne nouvelle : avec Tableau, cette opposition n'est plus forcément vraie.
Tableau Server et l'IA : présentation, fonctionnalités et modèle économique
Une plateforme d'analytique déployable dans votre périmètre
Tableau Server est la version on-premise (ou cloud privé) de la plateforme Tableau, appartenant à Salesforce depuis 2019. Contrairement à Tableau Cloud, il s'installe dans votre environnement — serveur Linux ou Windows, datacenter interne, ou cloud souverain français comme OVH ou Bleu — avec une clé de licence. Ses fonctionnalités cœur ne nécessitent aucune connectivité cloud obligatoire.
Légende : Les différents modèles de service Cloud Computing (IaaS, PaaS, SaaS vs on-premise) — Tableau Server s'installe dans votre environnement, garantissant la souveraineté des données — Source : Wikimedia Commons (PhFabre, CC BY-SA 3.0)
Tableau se positionne comme une solution d'analytique agentique en libre-service pour les organisations qui veulent combiner contrôle absolu de leurs données et puissance analytique. C'est particulièrement pertinent pour le secteur public, où la gouvernance des accès et la maîtrise des données sont non négociables.
Les fonctionnalités principales
Visualisation interactive et exploration non-linéaire : drag & drop, filtres croisés, cartes choroplèthes pour l'analyse territoriale, calculs LOD (Level of Detail)
Couche sémantique gouvernée : source de vérité unique pour l'ensemble de la collectivité (métriques financiers, indicateurs sociaux, etc.)
Tableau Agent (2025.3+) : création de visualisations assistée, explication de champs calculés, découverte d'insights en langage naturel
Tableau Prep conversationnel (2025.3+) : préparation des données assistée par l'IA pour créer et transformer des flux de données
Catalogue de données et gouvernance : documentation automatisée des métadonnées, traçabilité des sources, contrôle d'accès fin par projet, groupe ou utilisateur
Trois architectures pour trois niveaux de souveraineté
J'ai structuré cette approche en trois niveaux progressifs, adaptés à la maturité et aux exigences de chaque collectivité.
Niveau 1 — Tableau Server on-premise : la fondation souveraine
La base. Tableau Server s'installe sur votre infrastructure Linux ou Windows, on-premise ou sur un cloud souverain français (OVH, Bleu). Vos données — budgétaires, RH, citoyennes — ne quittent jamais votre périmètre. À ce niveau, la souveraineté est totale : aucune donnée ne sort. En revanche, l'interaction reste visuelle — formuler une question en langage naturel n'est pas encore possible.
Ce que vous pouvez déjà faire à ce niveau :
Dashboards interactifs sur vos données (budgets, RH, urbanisme, services aux citoyens)
Couche sémantique gouvernée — une source de vérité unique pour toute la collectivité
Exploration libre : drag & drop, filtres croisés, cartes choroplèthes, analyse multi-dimensionnelle
C'est déjà un changement radical par rapport à un rapport Excel figé. Les collectivités qui franchissent ce premier niveau gagnent en réactivité : l'analyste n'est plus le goulot d'étranglement, chaque agent autorisé peut explorer les données selon ses droits. Mais ce n'est que le début.
Niveau 2 — Tableau Agent (2025.3) : l'IA conversationnelle dans Tableau
Disponible dans Tableau Server à partir de la version 2025.3 (GA confirmé par la documentation officielle Tableau), Tableau Agent permet à vos utilisateurs de poser des questions en langage naturel directement dans l'interface Tableau. Il prépare les données, analyse, répond et génère la visualisation correspondante. Il aide également à créer des champs calculés et à découvrir des insights dans vos workbooks.
Légende : Tableau Agent 2025.1 — prise en charge multilingue incluant le français pour l'analytique conversationnelle — Source : Tableau / Salesforce
Exemples concrets sur des données de collectivité :
« Quelles communes de ma communauté ont un revenu médian inférieur à 18 500 € par UC ? »
« Génère un résumé de nos finances pour la délibération de ce soir. »
« Quel est l'impact de la hausse des dépenses de personnel sur notre capacité d'investissement ? »
Niveau 3 — LLM local + MCP : la souveraineté totale
C'est l'architecture la plus ambitieuse, et celle qui différencie vraiment Tableau de ses concurrents sur le terrain de la souveraineté.
Le Model Context Protocol (MCP), standard open source publié par Anthropic en novembre 2024, permet à un agent IA externe de se connecter à Tableau Server de façon standardisée. Tableau a publié son propre MCP Server officiel et open source sur GitHub en novembre 2025 (github.com/tableau/tableau-mcp). Cette implémentation est compatible avec Tableau Server et Tableau Cloud.
Concrètement, vous déployez votre LLM sur votre propre infrastructure (Mistral, LLaMA 3, Qwen ou tout autre modèle compatible) et vous le connectez à Tableau Server via le MCP Server. L'agent peut alors interroger vos workbooks, extraire des données, et répondre à des questions — le tout sans qu'aucune donnée ne sorte de votre cluster.
Ce que ça change pour les DSI : vos données ET votre inférence IA restent sur votre infrastructure. La conformité NIS2, RGPD et les recommandations ANSSI sont respectées de bout en bout.
Cas d'usage typiques pour les collectivités territoriales
1. Reporting financier en temps réel pour les élus et le CODIR
Un DGF prépare sa délibération budgétaire en posant la question directement à ses données : « Quelle est l'évolution de notre capacité d'autofinancement sur les 5 dernières années comparée à la strate ? » Tableau Agent génère la visualisation et le commentaire narré en quelques secondes. Plus besoin d'attendre le service finances — ni d'un analyste pour formuler la requête SQL.
Légende : Tableau de bord mandature pour collectivité territoriale — indicateurs sociaux, scolaires et territoriaux, graphiques et cartes en français — Source : Manty.eu
2. Analyse sociale et territoriale démocratisée
Les services de politique de la ville peuvent interroger des données socio-économiques locales — revenus médians par IRIS, taux d'équipement en crèches, taux de vacance scolaire — sans compétence technique particulière. Cela démocratise l'accès à l'analyse pour des profils métier éloignés de la data, tout en maintenant la gouvernance des accès par rôle.
3. Pilotage RH et masse salariale en toute confidentialité
Les DRH de grandes collectivités (régions, départements, métropoles) peuvent suivre l'évolution de leur masse salariale en interrogeant les données en langage naturel — détection d'anomalies, simulation de l'impact de mesures indiciaires — tout en gardant ces données RH strictement on-premise grâce à l'architecture niveau 3.
4. Préparation automatisée des délibérations et rapports
Générer automatiquement un résumé narratif d'un tableau de bord financier pour l'intégrer dans un rapport de délibération. Tableau Agent permet nativement ce type de narration assistée, étendu en 2026.1 avec la fonctionnalité « Narrations de tableau de bord » disponible sur Tableau Cloud et Tableau Desktop. Pour les collectivités qui restent sur Server, le MCP + LLM local permet d'obtenir des synthèses équivalentes via un agent externe.
Avantages : pourquoi Tableau plutôt qu'un autre ?
La question se pose légitimement, d'autant que des acteurs français comme DigDash sont bien implantés dans le secteur public. Voici ce qui distingue Tableau sur ces critères précis.
MCP natif et open source : Tableau est aujourd'hui le seul éditeur BI à proposer un MCP Server officiel et open source (publié sur GitHub en novembre 2025). Cela permet de connecter n'importe quel LLM — y compris des modèles français comme Mistral — à Tableau Server, sans dépendance propriétaire et sans surcot de licence. C'est un différenciateur majeur face à Power BI Copilot (exclusivement sur Azure) ou DigDash (IA générative moins avancée).
Exploration non-linéaire vs rapport figé : Tableau est conçu pour l'exploration visuelle — vous suivez votre intuition dans les données, pas un chemin prédéfini. DigDash et Power BI sont davantage orientés rapport. Qlik partage cet ADN exploratoire, mais son positionnement cloud complique la souveraineté.
On-premise réel : Tableau Server s'installe dans votre environnement avec une clé licence. Aucune dépendance cloud obligatoire pour les fonctionnalités cœur. C'est une garantie architecturale, pas seulement contractuelle — la différence compte en cas de modification de la politique de l'éditeur.
Écosystème IA complet : Tableau Agent, Tableau Prep conversationnel, documentation automatique des métadonnées — ces fonctionnalités IA sont disponibles nativement dans Tableau Server 2025.3, sans développement spécifique. La roadmap Salesforce est dense : chaque cycle trimestriel apporte de nouvelles capacités.
Bonnes pratiques d'implémentation
Commencer par le niveau 1, consolider avant de monter en niveau : j'observe trop souvent des collectivités qui veulent directement le niveau 3 sans avoir consolidé leur Tableau Server ni formé leurs utilisateurs. La valeur du niveau 1 est réelle et immédiate — consolidez-la d'abord.
Activer Tableau Agent sur des sources de données sélectionnées : identifiez 2-3 sources de données bien gouvernées (budget primitif, effectifs par direction, performance des services) et déployez l'IA dessus en priorité.
Pour le MCP : sécuriser les Personal Access Tokens : le MCP Server s'authentifie à Tableau Server via des PAT. Ces tokens doivent être traités comme des secrets sensibles — rotation régulière, stockage dans un vault, logs d'accès auditables.
Choisir un LLM adapté à la compréhension analytique en français : pour une utilisation sur des données financières ou sociales en français, les modèles Mistral (notamment Mistral Large) offrent d'excellentes performances et un déploiement souverain possible sur infrastructure européenne.
Impliquer la DSI et le DPO dès le départ : la question « nos données sortent-elles de l'infrastructure ? » doit être tranchée dès le début du projet. Selon la réponse, l'architecture choisie sera radicalement différente. Cette décision ne peut pas être déléguée aux seules équipes data.
Quand utiliser cette architecture
Contextes favorables
Vous avez déjà Tableau Server en production et cherchez à y ajouter des capacités IA sans migration
Vos données sont soumises à des exigences de localisation strictes (données RH, santé, police municipale, marchés publics)
Vos utilisateurs métier sont peu à l'aise avec les outils BI classiques et souhaitent une interface conversationnelle
Vous souhaitez garder le contrôle du LLM utilisé (choix du modèle, version, coût) sur le long terme
À vous de jouer
L'analytique souveraine n'est plus une promesse — c'est une réalité déployable aujourd'hui, sur votre infrastructure, avec des données que vous maîtrisez déjà. Le choix du niveau d'architecture dépend de vos exigences de conformité, de votre maturité data et de vos ressources techniques — pas d'un tout ou rien.
Nous serons présents au COTER Numérique 2026 à Reims, stand N°12, les 23 et 24 juin pour en discuter et vous présenter une démo sur des données de collectivité. Vous pouvez aussi nous contacter directement : theinformationlab.fr/contact