Introduction
Databricks a annoncé une nouvelle architecture de données conçue pour éliminer l'un des goulets d'étranglement les plus anciens de l'informatique d'entreprise : la séparation entre les bases de données transactionnelles et les systèmes analytiques.
Contexte Technique
La nouvelle architecture, appelée Lake Transactional/Analytical Processing, unifie les charges de travail opérationnelles et analytiques sur une seule copie de données stockées dans un lac de données. Cela permet aux applications, aux systèmes d'analyse et aux agents d'IA d'accéder aux mêmes données sans les pipelines de capture de données, les processus d'extraction/transformations/chargement et les bases de données répliquées qui ont traditionnellement connecté les environnements opérationnels et analytiques.
Databricks a également introduit un moteur d'analyse en temps réel qui élimine le besoin d'infrastructures de service séparées tout en offrant des temps de réponse de l'ordre de la milliseconde.
Analyse et Implications
Les architectures conventionnelles sont mal adaptées au monde émergent des agents d'IA, qui lisent, analysent et agissent sur les données en quasi-temps réel. Les entreprises ont longtemps maintenu des systèmes séparés pour le traitement transactionnel et analytique, ce qui introduit des retards, une complexité et des défis de gouvernance qui deviennent plus prononcés à mesure que les applications pilotées par l'IA se multiplient.
Perspective
Les deux annonces sont considérées comme des technologies fondamentales pour les entreprises pilotées par l'IA, où les agents exécuteront de plus en plus de processus métier et prendront des décisions opérationnelles. Les agents ont besoin des meilleures données, et si elles sont obsolètes ou incorrectes, ils agissent de manière médiocre. Les architectures traditionnelles présentant des systèmes transactionnels, analytiques et des couches de service séparées ne sont pas une plate-forme sur laquelle on peut mettre des millions d'agents.
