- Databricks dévoile aujourd'hui LTAP (Lake Transactional/Analytical Processing), une nouvelle architecture de traitement de données qui unifie l'OLAP et l'OLTP sur une copie unique de données dans le lake, éliminant d’office l'ETL, les répliques et les pipelines.
- Lakebase, la fondation de l'architecture LTAP, est désormais utilisée par des milliers de clients et gère 12 millions de lancements de bases de données par jour à travers la plateforme.
- Databricks est la première plateforme LTAP au monde. Elle combine Lakebase (un Postgres serverless sur du stockage d’objets ouvert) avec le Lakehouse dans un modèle de gouvernance, une source de confiance et une couche de stockage uniques pour toutes les données opérationnelles, analytiques et de streaming.
DATA + AI SUMMIT – 16 juin 2026 – Databricks, l'entreprise spécialisée dans la data et l'IA, lance aujourd'hui le Lake Transactional/Analytical Processing (LTAP), une nouvelle architecture de traitement de données qui unifie les transactions, l'analytique, le streaming et les données opérationnelles sur une seule copie de stockage dans le lake. Avec LTAP, les entreprises disposent d'une fondation gouvernée unique pour lire les données, raisonner et agir, sans pipelines, ni répliques, et en s’affranchissant de la lourdeur de l'ETL qui a défini l'infrastructure de données pendant des décennies. Propulsé par des avancées majeures dans Lakebase, LTAP fournit une nouvelle fondation de données pour l'ère des applications d'IA.
La nouvelle fondation de données pour l'ère agentique
Pendant quatre décennies, les charges de travail transactionnelles et analytiques ont vécu dans des systèmes distincts : les bases de données opérationnelles servaient les applications, et les systèmes analytiques répondaient aux questions. Relier les deux signifiait construire des pipelines CDC fragiles et enclins à céder à la pression. C'était déjà une solution insatisfaisante lorsque les humains écrivaient manuellement du logiciel. Aujourd'hui, l'IA aide les développeurs à écrire environ 50 fois plus d'applications qu’auparavant, dont beaucoup sont propulsées par des agents qui ont besoin de lire, de raisonner et d'agir sur les données en quasi-temps réel. L'ancienne architecture n'a pas été conçue pour cela.
L'industrie de la donnée a déjà essayé de résoudre le problème des systèmes disparates par le passé. Les charges de travail translytiques (HTAP) promettaient d'unifier les données transactionnelles et analytiques dans un moteur unique, et ce faisant ont brisé l'isolation des workloads, compromis les performances de chaque type de données, et laissé les organisations avec une empreinte propriétaire massive et coûteuse. Le Zéro ETL a adopté une approche différente, en masquant le pipeline CDC plutôt qu'en l'éliminant, ne résolvant pas le problème architectural sous-jacent.
LTAP adopte une approche fondamentalement différente : plutôt que de forcer les deux workloads dans un seul moteur ou de dissimuler le pipeline, il unifie les données au niveau de la couche de stockage. Toutes les données opérationnelles sont immédiatement interrogeables et disponibles dans le lake pour l'analytique, sans aucun pipeline. Les workloads transactionnels et analytiques évoluent indépendamment, de manière isolée et en gardant leur pleine performance. LTAP étant basé sur des standards ouverts, il fonctionne avec n'importe quelle application qui parle Postgres et n'importe quel lecteur qui comprend les formats de table ouverts, comme Iceberg et Delta.
« Pendant des décennies, l'infrastructure de données complexe était une taxe que les équipes étaient obligées de payer », déclare Ali Ghodsi, cofondateur et CEO de Databricks. « Puis les agents sont arrivés. En l'espace de quelques mois, les organisations ont effectivement doublé leur force de travail, mais pas avec des humains. Les agents écrivent du code, passent des appels et exécutent des boucles à un rythme que les équipes humaines n'auraient jamais pu suivre. L'infrastructure qui a propulsé la dernière ère de l'informatique est désormais le goulot d'étranglement que personne ne peut se permettre. LTAP le supprime. »
Lakebase permet la reprise après sinistre (disaster recovery), la ramification de style Git et les snapshots
La première étape vers LTAP a été Lakebase, qui a apporté des transactions natives Postgres à la couche de stockage d’objets, cette même couche qui alimente le Lakehouse. En séparant le compute du stockage, Lakebase transforme l'aspect économique de l'exécution simultanée de milliers d'applications et d'agents. Lancé l'année dernière à peine, Lakebase est déjà utilisé par des milliers de clients, dont Block, Ensemble, Superhuman et Zillow, et gère 12 millions de lancements de bases de données par jour.
Aujourd'hui, Databricks a annoncé de nouvelles fonctionnalités qui étendent les capacités de Lakebase pour l'IA d'entreprise à grande échelle. Une nouvelle reprise après sinistre (disaster recovery) cross-cloud et cross-region permet aux organisations de construire des architectures de données plus résilientes, un critère de plus en plus important à mesure que les agents prennent en charge des opérations critiques. De plus, de nouvelles fonctionnalités de snapshots et de ramification de style git permettent de tester de manière sécurisée les données de production. Les opérations de base de données autonomes permettent aux agents de surveiller la santé, de détecter les ralentissements, de proposer des index et d'aider à la récupération.
Comment LTAP complète l'architecture
Lakebase et le Lakehouse partageaient déjà une couche de stockage, mais chacun conservait sa propre copie des données dans son propre format. LTAP comble cet écart. Lakebase stocke les données directement dans Unity Catalog, en utilisant les mêmes formats ouverts que le Lakehouse. Cela permet de disposer d’une architecture plus propre, définie par trois propriétés qui éliminent les compromis ayant défini l'infrastructure de données d'entreprise pendant des décennies :
- Une gouvernance unifiée, une seule source de vérité : Toutes les données opérationnelles, analytiques et de streaming évoluent sur un stockage d’objets ouvert, dans des formats ouverts — Delta et Iceberg — sans transformation ni dégradation. Tout est gouverné par Unity Catalog avec un modèle unique d'identité, de permissions et d'audit : chaque moteur lit ainsi la même copie et les agents partagent une surface gouvernée unique pour agir.
- Aucun compromis de performance, quel que soit le workload : Les workloads transactionnels s'exécutent dans un Postgres standard avec une sémantique ACID complète. Les workloads analytiques s'exécutent sur l'ensemble du Lakehouse à n'importe quelle échelle et concurrence. Chacun évolue indépendamment. Comme il n'y a pas de mouvement de données entre les systèmes, les résultats opérationnels et analytiques sont toujours synchronisés, sans copies ni infrastructure fantôme.
- Aucun pipeline ETL (même masqué) : Il n'y a pas de pipelines synchronisant les magasins de données opérationnelles et analytiques, de répliques à maintenir, ni de connecteurs déplaçant les données entre les systèmes. L'architecture élimine entièrement la couche ETL, réduisant les coûts opérationnels liés au maintien de la synchronisation des systèmes tout en garantissant que les données restent à jour.
« Pour les systèmes de santé que nous servons, la rapidité et la précision du cycle de revenus affectent directement leur capacité à prodiguer des soins », explique Grant Veazey, CTO d’Ensemble. « Notre investissement initial avec Databricks nous a aidés à construire une fondation gouvernée prenant en charge plus de deux pétaoctets de données de cycle de revenus propres et harmonisées. Lakebase et LTAP étendent cette fondation en unifiant les workloads opérationnels et analytiques sur une seule couche, donnant à notre IA native RCM l'accès en temps réel dont elle a besoin pour fonctionner dans des opérations en direct. Cela se traduit par une performance financière plus solide pour les prestataires et un volume plus important de revenus récupérés qui retourne vers les services d'urgence, les unités de soins intensifs néonataux et d'autres services de soins critiques. »
Disponibilité
LTAP sera bientôt disponible au sein de Lakebase.
À propos de Databricks
Databricks est l'entreprise de la Data et de l'IA. Plus de 20 000 organisations dans le monde — dont adidas, AT&T, Bayer, Block, Mastercard, Rivian, Unilever et 70 % du Fortune 500 — font confiance à Databricks pour créer et mettre à l'échelle des applications de données et d'IA, des analyses et des agents. Basée à San Francisco et disposant de plus de 30 bureaux à travers le monde, Databricks propose une plateforme unifiée qui comprend Lakebase, Genie, Agent Bricks, Lakeflow, Lakehouse et Unity Catalog. Pour en savoir plus, suivez Databricks sur LinkedIn, X, YouTube, et Instagram