Le géant de l’entreposage de données Snowflake organise cette semaine sa conférence annuelle pour les utilisateurs et les partenaires, le Snowflake Summit 2025.
Comme la plupart des fournisseurs de logiciels d’infrastructure, l’entreprise a mis l’accent sur la prolifération de l’intelligence artificielle (IA) dans sa plateforme.
Étant donné que Snowflake se concentre sur les entreprises, avec près de 12 000 clients, les annonces avait un message singulier : Les analystes commerciaux, c’est-à-dire les personnes qui utilisent la base de données Snowflake pour effectuer leur travail, peuvent être la force motrice du développement de modèles d’IA et de l’élaboration de prédictions à l’aide de ces modèles.
Un mode « chat » pour parler avec les données
Parmi les nouvelles fonctionnalités, le mode « chat » permet de parler avec les données, si l’on peut dire, en utilisant des prompts.
Il est alimenté par les LLM d’OpenAI et d’Anthropic, ainsi que par les modèles Cortex de Snowflake.
La préparation et l’analyse des données sont allégées grâce à une nouvelle fonction Data Science Agent qui permet d’automatiser certaines tâches.
Openflow, l’ETL de Snowflake
Autre nouveauté, Openflow est la version de Snowflake du pipeline classique d’intégration de données, connu sous le nom d' »extraction, transformation et chargement » (ETL).
Les fonctions d’Openflow faciliteront la production d’agents d’intelligence artificielle, selon l’entreprise, en rationalisant le processus complexe de nettoyage des données qui doivent être utilisées par les agents.
Cortex AISQL pour intégrer les résultats des modèles d’IA dans des commandes de langage de requête SQL standard
Outre ces deux annonces, l’entreprise a redoublé d’efforts pour faire de ses programmes le lieu de développement de l’IA.
Une fonction appelée Cortex AISQL permet aux analystes business d’intégrer les résultats des modèles d’IA dans des commandes de langage de requête SQL standard.
Par exemple, une commande « JOIN », l’un des moyens les plus élémentaires de manipuler une table de base de données relationnelle, au lieu d’être codée en dur pour certaines tables, peut prendre une valeur variable basée sur ce que le modèle d’IA dit à propos, par exemple, du curriculum vitae d’une personne par rapport aux offres d’emploi ouvertes dans une entreprise.
L’entreprise affirme qu’il est ainsi plus facile de créer des requêtes complexes, « en plusieurs étapes », sur des données avec moins de codage.
Rehausser le profil de l’analyste business
Selon Snowflake, cela permet également de rehausser le profil de l’analyste business.
« Cette approche unifiée transforme ce qui nécessiterait traditionnellement une expertise en science des données et des semaines de développement en requêtes SQL simples que les analystes commerciaux peuvent construire et modifier en quelques minutes. Et cela, dit-elle, « transforme les analystes en développeurs d’IA ».
Snowflake
Snowflake
L’entreprise affirme qu’en intégrant le langage SQL dans le « pipeline » de l’IA, l’outil « transforme les analystes de données en super-héros de l’IA capables de travailler avec tous les types de données ».
La formation et la maintenance de l’IA sont du ressort des analystes business
Le domaine traditionnel DevOps ou DevSecOps de l’observabilité est appliqué aux grands modèles de langage pour permettre d’évaluer en permanence les performances d’un modèle d’IA par rapport à des critères de fiabilité.
L’entreprise indique que l’outil dispose de « jeux de données d’évaluation » pour mesurer les résultats du modèle et de capacités de journalisation pour faciliter le débogage et la gouvernance.
D’une certaine manière, Snowflake fait une déclaration avec cet outil, à savoir que la formation et la maintenance de l’IA sont, dans une certaine mesure, du ressort des analystes business plutôt que des informaticiens traditionnels qui effectuent des DevOps ou même des AIOps.
Possibilité d’exécuter du code ML à partir d’un environnement de développement avec ML Jobs
Il y a également des innovations concernant l’ingénierie des modèles d’IA, innovations qui, selon Snowflake, rendent le processus de construction des modèles plus étroitement intégré à ses outils et élargissent également ce qui peut être servi en production.
L’une d’entre elles est la possibilité d’exécuter du code d’apprentissage machine (ML) à partir d’un environnement de développement avec ce que l’on appelle les ML Jobs à l’intérieur d’un service de conteneur Snowflake. Cela signifie que les tâches d’entraînement et le reste du modèle d’IA peuvent être exécutés dans le cadre du travail de développement de Snowflake.
ML Jobs devrait être « bientôt disponible » sur Amazon AWS et Microsoft Azure.