Databricks positionné au plus haut pour sa capacité d'exécution et au plus loin pour sa vision pour la deuxième année consécutive dans le Gartner Magic Quadrant

Les entreprises déploient rapidement des applications agentiques à grande échelle, des micro-applications de back-office qui automatisent les tâches routinières aux agents qui optimisent l'expérience client dans tous les secteurs et départements. Mais les modèles de fondation généralistes, déconnectés des données de l'entreprise et dépourvus de contrôles de gouvernance centralisés, ne peuvent pas offrir la précision, la conformité ou le contexte métier qu'exigent ces agents et applications. Tout aussi critique, ils introduisent des risques : accès non contrôlé aux modèles et aux données, politiques incohérentes, manque d'observabilité et pistes d'audit fragmentées.

Nous pensons que la décision de Gartner de reclasser cette catégorie de "Data Science and Machine Learning" à "AI Platforms for Data Science and Machine Learning" confirme notre vision de longue date : l'AI n'est plus une expérience périphérique — c'est le modèle opérationnel de l'entreprise moderne, ancré dans le contexte métier.

Téléchargez un exemplaire gratuit du rapport ici

La stratégie : concevoir, orchestrer et gouverner des applications agentiques sur une plateforme unifiée

Nous pensons que notre position de Leader dans cette catégorie repose sur une philosophie unique : vous ne pouvez pas avoir de stratégie d'AI sans stratégie de données — et vous ne pouvez pas faire évoluer l'une ou l'autre sans stratégie de gouvernance. Alors que de nombreux fournisseurs assemblent des produits distincts pour les données, les modèles, les agents et la gouvernance, Databricks propose une plateforme unifiée unique.

Cela signifie une seule copie de vos données, une seule couche de gouvernance pour les données et l'AI, et une méthode cohérente pour concevoir, surveiller et contrôler les agents en production. En unifiant le lakehouse, Lakebase, Agent Bricks et Unity Catalog, nous offrons à chaque équipe, des développeurs aux utilisateurs métiers, un espace unique pour transformer les données d'entreprise en agents et applications de confiance, conformes et prêts pour la production. Avec Unity AI Gateway, les organisations bénéficient d'une application centralisée des politiques, de contrôles d'accès aux modèles, d'un suivi de l'utilisation, d'une gestion des coûts et de garde-fous en temps réel pour chaque requête et réponse.

Innovations clés pour l'ère agentique

1. Une AI agentique qui raisonne sur vos données

Les agents ne sont utiles que dans la mesure où ils peuvent raisonner sur des données et un contexte précis. Avec Agent Bricks, les équipes conçoivent des agents personnalisés prêts pour la production, automatiquement optimisés en termes de coût et de qualité, ancrés dans les données d'entreprise gouvernées du lakehouse Databricks et s'appuyant sur Lakebase, notre magasin opérationnel serverless et compatible Postgres pour l'état des agents et les applications. Les agents récupèrent les bonnes informations, interprètent la sémantique métier de manière cohérente et agissent avec la précision et la fiabilité requises par les entreprises. YipitData a utilisé cette approche pour faire évoluer l'intelligence des données non structurées, obtenant une augmentation de 20x de la couverture de l'entreprise et une précision d'étiquetage de 92 à 95 % dès le départ.

Les utilisateurs métiers peuvent obtenir des insights fiables et entreprendre des actions agentiques via Databricks Genie One et Genie Agents, optimisés par Genie Ontology qui fournit un contexte métier ancré dans vos données. easyJet utilise cette flexibilité pour réinventer la vente au détail aérienne en s'appuyant sur Lakebase, Agent Bricks et Apps.

2. Ouvert et flexible par conception

Les concepteurs ont besoin de la liberté d'agir rapidement sans se retrouver bloqués. Databricks prend en charge nativement tous les modèles de pointe (OpenAI, Anthropic, Google) et les principaux modèles open source (Meta, Qwen, DeepSeek, etc.), permettant aux équipes de changer de modèle sans renégocier de contrats ni réécrire d'applications. Les développeurs écrivent du code en toute fluidité avec leurs agents de codage AI préférés tels que Cursor ou Replit, ainsi qu'avec le nouveau méta-harnais Omnigent. Ils peuvent se connecter à des lakebases gouvernées et déployer des applications agentiques en quelques jours avec Databricks Apps.

3. Une gouvernance unifiée pour les données, les modèles, les agents et les applications

L'innovation sans gouvernance ne peut pas passer à l'échelle. Unity Catalog et Unity AI Gateway fournissent une gouvernance de bout en bout pour chaque actif de données, modèle, agent, serveur MCP, application et outil hébergé sur Databricks et en externe — dans un système d'enregistrement unique. Les autorisations de bout en bout garantissent que rien n'accède à plus d'éléments que ce qui est autorisé, qu'il s'agisse d'un modèle de pointe ou d'un agent autonome intégré dans une application orientée client. Block utilise Unity Catalog pour unifier son patrimoine d'AI et de données à travers ses unités opérationnelles, et Novo Nordisk a attribué plus de 157 millions de dollars de nouvelle valeur nette à l'optimisation des essais cliniques gouvernée et basée sur l'AI.

Et ensuite ?

Nous pensons que cette reconnaissance valide ce que nous voyons se jouer dans tous les secteurs : l'écart se creuse entre les plateformes de données et d'AI unifiées et gouvernées et les architectures fragmentées qui ont ralenti la première vague d'AI en entreprise. À mesure que les applications agentiques passent du stade d'expérimentation à celui de projets critiques pour l'entreprise, elles nécessitent des données, une AI et une gouvernance unifiées. Nous vous invitons à vous joindre à nous dans cette aventure alors que nous continuons à transformer la façon dont le monde conçoit, gouverne et fait évoluer l'intelligence.

[Lire le rapport complet Gartner® Magic Quadrant™ 2026 pour les plateformes de Data Science et d'AI]

Gartner, Magic Quadrant for AI Platforms Data Science and Machine Learning Platforms, Yogesh Bhatt, Afraz Jaffri, Diarmuid Curran, 22 juin 2026.

GARTNER est une marque déposée et une marque de service de Gartner, Inc. et/ou de ses filiales aux États-Unis et à l'international, et MAGIC QUADRANT est une marque déposée de Gartner, Inc. et/ou de ses filiales et sont utilisées ici avec autorisation. Tous droits réservés.

Gartner ne soutient aucun fournisseur, produit ou service décrit dans ses publications de recherche, et ne conseille pas aux utilisateurs de technologies de choisir uniquement les fournisseurs les mieux notés ou ayant reçu d'autres distinctions. Les publications de recherche de Gartner reposent sur les opinions de l'organisme de recherche de Gartner et ne doivent pas être interprétées comme des déclarations de fait. Gartner décline toute garantie, expresse ou implicite, concernant cette recherche, y compris toute garantie de qualité marchande ou d'adéquation à un usage particulier.

Ce graphique a été publié par Gartner, Inc. dans le cadre d'un document de recherche plus large et doit être évalué dans le contexte de l'ensemble du document. Le document de Gartner est disponible sur demande auprès de Databricks.

(Cet article de blog a été traduit à l'aide d'outils basés sur l'intelligence artificielle) Article original