Unifier les données et la gouvernance à l'ère agentique : les nouveautés d'Azure Databricks

Annonces d'Azure Databricks au Data + AI Summit 2026

Lors du Data + AI Summit 2026, nous annonçons une vague de nouvelles fonctionnalités qui associent contexte et contrôle à l'ère agentique. Afin de permettre aux entreprises de passer de projets pilotes d'IA expérimentaux et limités à des flux de travail automatisés prêts pour la production, nous élargissons la plateforme Azure Databricks autour de quatre piliers fondamentaux : l'établissement de fondations en temps réel ultra-rapides et sans copie (zero-copy) avec Agentic Data ; l'intégration de collègues IA intelligents directement dans les outils de productivité quotidiens avec Agentic Dev & Work ; le déploiement d'une personnalisation autonome intégrée au lakehouse avec Agentic Marketing ; et l'ancrage de l'ensemble de l'écosystème dans un cadre de gouvernance intelligent et sécurisé. Ensemble, ces avancées offrent une architecture unifiée conçue pour aider vos données, vos équipes et vos agents autonomes à fonctionner de manière fluide et native sur Azure.

1. Agentic Data : LTAP, Azure Databricks Lakebase et fondations lakehouse en temps réel

Pour alimenter les agents autonomes avec des données en temps réel sans imposer de réplication de données dans des piles opérationnelles secondaires coûteuses, Azure Databricks présente la toute première véritable architecture LTAP (Lake Transactional/Analytical Processing). Cette couche de stockage unifiée rassemble vos données analytiques, vos pipelines de streaming et vos transactions d'applications en direct au sein d'une copie de stockage unique et partagée, directement sur le lakehouse.

En tant que moteur transactionnel de ce framework, Azure Databricks Lakebase offre une base de données Postgres serverless entièrement gérée, spécialement conçue pour l'ère des agents. Grâce à une séparation du calcul et du stockage, Azure Databricks Lakebase prend en charge la création instantanée de branches de base de données en copy-on-write afin d'éliminer complètement les risques de conformité lors du débogage des agents d'IA en production. Les développeurs peuvent créer en quelques secondes une branche parfaitement fidèle d'une base de données de production en direct, ce qui permet aux ingénieurs de diriger le mode agent de GitHub Copilot directement vers la branche temporaire pour reproduire en toute sécurité les cas limites, identifier les causes profondes et déployer des correctifs via des flux de travail standard basés sur Git.

Pour le service analytique en aval, Lakehouse//RT brise le compromis historique entre échelle et latence. Propulsé par le moteur vectorisé Reyden engine, il offre des temps de réponse inférieurs à la seconde, de l'ordre de la milliseconde, pour les charges de travail à forte simultanéité directement sur votre lac de données, créant ainsi une fondation ultra-rapide qui s'intègre parfaitement aux tableaux de bord opérationnels et à Power BI.

Lakehouse//RT a fonctionné en moyenne plus d'un tiers plus rapidement que notre ancien entrepôt de données sur notre ensemble de données de santé, avec des requêtes 10 fois plus rapides. Cela se traduit directement par un accès plus rapide aux informations et plus de temps de décision pour nos clients. Nous avions envisagé un système en temps réel dédié pour enrichir notre architecture Lakehouse, mais Lakehouse//RT a éliminé ce besoin, nous offrant cette vitesse de manière native avec une gouvernance cohérente.—Mehrshad Setayesh, SVP Engineering (Data, Platform, AI) chez PointClickCare

Données partagées, sans copie (Zero-Copy)

Accédez à toutes les données stockées dans OneLake (désormais disponible de manière générale) : Azure Databricks peut interroger les données stockées dans OneLake directement via Unity Catalog sans copier de données.

Stockez des données dans OneLake (désormais en bêta publique) : Azure Databricks peut désormais stocker des tables Delta gérées de manière native dans OneLake. Que les données soient stockées dans OneLake ou dans ADLS, elles sont disponibles sans copie dans OneLake pour tous les moteurs Fabric.

2. Agentic Dev & Work : démocratiser l'IA avec Genie partout

Les meilleures analyses d'IA sont celles qui vous parviennent sans friction, c'est pourquoi nous intégrons Genie de manière native dans les outils de collaboration où vos équipes travaillent et prennent des décisions chaque jour.

Genie pour Microsoft Teams et M365 Copilot (désormais en bêta)

Pour les équipes travaillant dans l'écosystème Microsoft, cette même intelligence des données est désormais disponible directement au sein de vos outils de collaboration quotidiens. Imaginez la scène : votre VP des ventes vous contacte sur Teams pour vous demander : « Quels ont été nos principaux comptes ce trimestre et pourquoi avons-nous manqué l'objectif du Sud-Est ? » Au lieu de parcourir en urgence les tableaux de bord et les rapports, il vous suffit de mentionner @Genie dans le fil de discussion pour que toute votre équipe obtienne en quelques secondes une réponse contextualisée depuis votre lakehouse Azure Databricks. Désormais en bêta, l'intégration de Databricks Genie pour Microsoft Teams et M365 Copilot étend l'intelligence native de l'IA à chaque discussion et flux de travail optimisé par Copilot. Sollicitez Genie pour y répondre.

Et disponible dès aujourd'hui, Databricks Genie fonctionne parfaitement avec M365 Copilot Cowork. Cette intégration permettra aux équipes d'ancrer les tâches de Cowork avec l'ontologie Genie, apportant une intelligence des données fiable directement dans leurs flux de travail.

La suite Genie complète

Genie fait passer l'analytique d'un tableau de bord de reporting passif à un collègue IA actif et intelligent sur l'ensemble de votre environnement Microsoft. Cette intégration est entièrement régie par Unity Catalog, garantissant que chaque réponse est fiable, sécurisée et limitée précisément à ce que chaque utilisateur est autorisé à voir. Parallèlement à ce déploiement, nous mettons en avant le cadre d'innovation complet de Genie :

• Genie One : un collègue IA pour vos équipes métier, où qu'elles travaillent, fournissant des analyses et des actions autonomes, notamment la rédaction de documents, la génération de rapports, la planification et le suivi des tâches.
• Genie Agents : permet aux utilisateurs non techniques de créer et de partager des conversations personnalisées et contextuelles sous forme d'agents personnels réutilisables afin de diffuser l'expertise métier auprès de leurs collègues.
• Genie App Builder : un environnement low-code gouverné permettant à quiconque de créer et de déployer rapidement des applications personnalisées alimentées par les données en direct de l'entreprise.
• Lakeflow Designer : réinvente l'orchestration des pipelines en permettant aux ingénieurs de données de concevoir, de modifier et d'automatiser des flux de données complexes (anciennement Lakeflow Designer) à l'aide d'instructions en langage naturel.
• Genie ZeroOps : une couche d'exécution entièrement autonome qui gère le provisionnement de l'infrastructure sous-jacente et l'optimisation des requêtes, éliminant ainsi complètement la charge liée à l'administration traditionnelle des bases de données.
• Genie Code : un partenaire IA autonome qui aide les équipes à créer, déboguer, optimiser et exploiter des flux de données et d'IA au sein de Databricks.

Intégration fluide avec M365 Office :

Pour les équipes qui passent leur temps sur Excel, nous allons à leur rencontre là où le travail s'effectue déjà. Le complément Excel Azure Databricks, désormais en version préliminaire publique, intègre votre lakehouse directement dans vos feuilles de calcul : pas de SQL, pas de configuration ODBC par utilisateur et moins de friction.

Grâce à la prise en charge des vues de métriques Unity Catalog, les équipes de données peuvent définir la logique métier une seule fois et la rendre instantanément disponible dans Excel et au-delà, de manière entièrement gouvernée, sécurisée et cohérente. Et il ne s'agit pas seulement d'une lecture seule. Le complément prend également en charge l'écriture différée (write-back), de sorte que les utilisateurs autorisés peuvent publier des mises à jour depuis Excel directement dans Databricks, bouclant ainsi la boucle entre l'analyse et l'action.

Le résultat : des décisions plus rapides et plus fiables en mettant les données gouvernées du lakehouse et la logique métier directement à la disposition des utilisateurs d'Excel.

Pour automatiser davantage le traitement des fichiers dans l'ensemble de l'écosystème de l'entreprise, la bêta publique du connecteur SharePoint entièrement géré via Lakeflow Connect élimine les obstacles liés à l'ingestion manuelle. Ce connecteur permet aux organisations de déployer des pipelines d'ingestion automatisés en quelques clics, tant pour les feuilles de calcul structurées que pour les fichiers non structurés, tels que les PDF, les documents Word et les présentations PowerPoint. En diffusant automatiquement les référentiels de fichiers SharePoint directement dans des tables Delta, cette intégration garantit que les pipelines d'analyse en aval, les espaces Genie One et les classeurs Excel sont constamment alimentés en données fraîches et vérifiées, sans extractions de texte manuelles ni téléchargements de fichiers risqués.

3. Agentic Marketing : présentation d'Azure Databricks CustomerLake

Pour éliminer la complexité opérationnelle des applications MarTech cloisonnées, nous présentons Azure Databricks CustomerLake : la première Customer Data Platform (CDP) agentique du secteur, construite nativement au sein de la fondation lakehouse. Entièrement intégré à votre espace de stockage sécurisé, CustomerLake dote les équipes de données d'agents de profil autonomes pour les aider à transformer les données brutes en profils Customer 360 prêts à l'emploi à partir de sources fragmentées. Simultanément, un espace de travail adapté aux marketeurs permet aux utilisateurs métier d'utiliser des agents de campagne pour segmenter les audiences, recommander les meilleures actions suivantes, activer les canaux et optimiser en continu les expériences personnalisées individuelles.

Ce qui nous enthousiasme le plus à propos de CustomerLake et de la nouvelle fonctionnalité CDP, c'est la capacité de rassembler les données clients d'une manière exploitable, rapide et évolutive. En créant une vue plus complète de chaque client, nous pouvons mieux comprendre les comportements, les préférences et les besoins sur l'ensemble des canaux, ce qui nous aidera à proposer des expériences plus personnalisées et des offres plus pertinentes. En fin de compte, nous y voyons une étape majeure vers un engagement plus fort, une fidélisation plus profonde et de meilleurs résultats tant pour notre entreprise que pour nos clients.—Jay Malepati, directeur mondial, Science des données client et marketing, Circle K

4. Contexte, contrôle et choix : le cadre de gouvernance

Alimenter ces applications intelligentes nécessite un contrôle administratif granulaire et une précision sémantique. La couche d'intelligence fondamentale de notre plateforme est Genie Ontology, un moteur de contexte sémantique auto-apprenant. Plutôt que de nécessiter une curation manuelle, Genie Ontology extrait automatiquement les relations entre les tables, les métriques de colonnes et les signaux de popularité des requêtes directement depuis vos pipelines, éliminant ainsi les hallucinations de l'AI et garantissant que les modèles comprennent précisément le jargon unique de l'entreprise.

Pour gouverner ces modèles à grande échelle, Unity AI Gateway sert de registre d'exécution centralisé au sein d'Unity Catalog. Il établit des limites de débit strictes en temps réel, un filtrage du contenu et des plafonds de dépenses stricts pour garantir une tokenomics prévisible sur l'ensemble des flux de travail automatisés.

En connectant des bases de données en temps réel directement à des outils du quotidien comme Microsoft Teams et Excel, Azure Databricks simplifie plus que jamais l'exécution et la gouvernance de flux de travail AI de confiance. Découvrez la documentation produit mise à jour ou visitez Databricks Academy pour commencer à exploiter ces nouvelles capacités dès aujourd'hui.

Démarrez gratuitement avec Azure Databricks →

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