On le savait : Snowflake, ce n’est pas juste un entrepôt de données cloud. Mais au Summit 2025, on a assisté à une transformation : la plateforme devient un véritable système intelligent de données. IA générative intégrée, ingestion temps réel simplifiée, compute auto‑adaptatif, logique métier centralisée… Snowflake passe de « stockage » à « activation ». Et chez dcube, pas question de rester à la traîne.
Snowflake Intelligence : quand l’interface devient agent
Avant, accéder à la donnée dans Snowflake demandait de maîtriser SQL ou d’utiliser un outil BI intermédiaire. Résultat : dépendance aux équipes techniques, temps d’attente, savoir-faire obligatoire…
Aujourd’hui, avec Snowflake Intelligence, on passe à une interaction directe, naturelle, fluide. Plus besoin de savoir coder : on pose une question métier en langage courant, on obtient une réponse structurée, contextualisée, sourcée. Le tout avec les garanties de sécurité, de traçabilité et de gouvernance propres à la plateforme.
Cette interface conversationnelle (ai.snowflake.com) repose sur les Cortex Agents, capables de raisonner à partir de données structurées ET non structurées, d’agréger les bonnes sources et de restituer l’essentiel. C’est une interface, oui — mais surtout, un pont entre la donnée brute et l’action concrète. Et ça change tout.
Openflow : l’ingestion devient fluide, gouvernée… et stratégique
Dans les projets data et IA, l’un des plus défis, c’était d’ingérer proprement les données. Avant, cela signifiait chaîner des outils ETL, maintenir des scripts faits maison, jongler entre des APIs capricieuses, et batailler avec des formats non harmonisés. C’était complexe, coûteux, fragile.. Trop souvent, mobiliser la donnée accaparait l’essentiel du temps — au détriment de son analyse et de sa valorisation.
Avec Openflow, Snowflake casse ce cycle. L’ingestion devient serverless, simple, gouvernée et scalable. Fini les clusters à configurer, les pipelines artisanaux, les intégrations manuelles. Place à une ingestion automatisée, basée sur Apache NiFi, capable de se connecter à plus de 200 sources (de Salesforce à SAP, en passant par Workday ou Zendesk), de transformer les données à la volée, et de les charger vers Snowflake… ou de les renvoyer enrichies vers les systèmes sources.
L’intégration avec Snowpipe Streaming permet en plus une alimentation en quasi-temps réel, sans rupture, sans latence critique. On passe d’une vision batch (des données figées, extraites une fois par jour) à une logique événementielle, orientée flux, parfaitement adaptée à l’IA moderne.
Mais surtout, Openflow devient un bus de données intelligent. Il ne fait pas que transporter, il comprend : gouvernance, chiffrement, masquage, mapping, règles de transformation, tout est natif. C’est un véritable middleware IA natif Snowflake, pensé pour dialoguer avec des agents, orchestrer des workflows métiers, piloter des décisions automatisées.
C’est aussi une prise de position stratégique. Avant, Snowflake laissait la partie ingestion à des partenaires (Fivetran, Talend, Informatica…). Maintenant, elle l’intègre à son cœur de plateforme. Une étape logique dans sa quête d’autonomie et de maîtrise bout en bout.
Cortex AISQL : la puissance de l’IA dans chaque requête
Et si l’IA s’intégrait directement dans le SQL ? Pas autour, mais dedans. C’est exactement ce que propose Cortex AISQL.
Avant, enrichir une analyse avec des éléments non structurés (image, texte, audio…) nécessitait des allers-retours vers des outils ML, des APIs tierces ou du code Python. Désormais, on peut appeler des fonctions IA depuis SQL :
AI_FILTER()pour extraire des éléments pertinents dans des documents,
AI_CLASSIFY()pour catégoriser du contenu,
AI_AGG()pour agréger de façon intelligente,
AI_SIMILARITY()pour faire de la recherche sémantique, etc.
Concrètement, cela signifie qu’on peut analyser des PDF, classifier des logs, comparer des images ou filtrer des messages clients, le tout en SQL, sans quitter Snowflake. Une avancée majeure pour réduire les frictions techniques et accélérer les projets IA.
Semantic Views : la fin du chaos sémantique
Quand les utilisateurs métier demandent un accès direct à la donnée (via BI, assistants IA ou text-to-SQL), un vieux problème ressurgit : la cohérence des métriques.
Avant, chacun interprétait les données à sa manière. Une vue SQL mal partagée, une agrégation mal comprise, et le dashboard de la finance contredit celui du marketing.
Avec les Native Semantic Views, Snowflake propose un socle commun. Ces objets encapsulent logique métier, relations, dimensions et contrôles d’accès directement dans la plateforme. Plus besoin de YAML externe (comme dans Cortex Analyst), ni de couche BI personnalisée. Tout est intégré, gouverné, et réutilisable dans tous les contextes (SQL, BI, assistants IA).
On standardise la compréhension métier, on évite les incohérences — tout en renforçant la sécurité. Un vrai pas vers l’industrialisation fiable des usages IA en entreprise.
Adaptive Compute : le compute devient fluide et invisible
Avant, pour scaler Snowflake, il fallait jongler avec les entrepôts virtuels, ajuster la taille des clusters, planifier la montée en charge, parfois en avance. Chaque changement impliquait un choix d’architecture ou un arbitrage budgétaire.
Avec Adaptive Compute, tout cela devient transparent. Le système ajuste automatiquement les ressources en fonction de la charge, sans intervention humaine, sans interruption. Le dimensionnement, la concurrence d’accès, le routage sont pilotés dynamiquement.
Le résultat ? Moins de tuning, plus de performance, et une facturation maîtrisée. En clair : les équipes data peuvent se concentrer sur l’usage métier, pas sur la mécanique sous-jacente.
Snowflake prépare l’ère agentique
Enfin, le Summit 2025 a marqué une orientation forte : les agents IA sont au cœur de la nouvelle vision Snowflake.
Outre Snowflake Intelligence, deux innovations confirment ce cap :
- Les Agentic Products : ce sont des apps IA natives, disponibles sur le Snowflake Marketplace, capables d’agir de manière autonome en respectant les règles de gouvernance. On parle d’agents qui explorent les ventes, croisent avec Slack, détectent des risques, proposent des actions. Tout cela, sans quitter Snowflake.
- Cortex Knowledge Extensions : pour que ces agents soient plus pertinents, on peut les enrichir avec des sources externes (Stack Overflow, CB Insights, etc.) tout en protégeant les droits d’auteur et les données sensibles. On entre dans l’ère d’une IA hybride, nourrie de contextes internes et externes, en temps réel.
Au-delà de Snowflake Intelligence, l’éditeur veut faire de sa plateforme un terrain de jeu pour les agents IA professionnels. Avec les Agentic Products et les Cortex Knowledge Extensions, des agents autonomes, intégrés, gouvernés, peuvent désormais interagir avec la donnée, raisonner à partir d’informations internes et externes, et proposer des actions concrètes.
On n’est plus dans la démo : ces agents vivent dans l’écosystème Snowflake, respectent les politiques d’accès, et peuvent interagir avec les systèmes de l’entreprise (ServiceNow, Slack, etc.).
Et au-delà : vers une plateforme d’exécution unifiée
Avec le rachat de Crunchy Data, Snowflake accueille PostgreSQL, et pousse plus loin l’unification entre analytique et transactionnel.
Et avec Snowpark Container Services et le Native App Framework, Snowflake permet d’exécuter directement des applications dans la plateforme : dashboards, APIs, modèles, backends — tout peut tourner « dans le data cloud ».
En résumé ? Snowflake a dépassé son rôle de data warehouse. Elle devient une infrastructure intelligente pour l’IA, capable d’orchestrer données, modèles, agents et logique métier dans une même continuité.
0 commentaires