Présentation du produit
Oracle propose l'Autonomous AI Lakehouse, une plateforme qui se positionne comme le "backbone" décisionnel des systèmes d’intelligence artificielle. Le service se décrit comme une couche sémantique ouverte qui s’installe au‑dessus de l’ensemble du parc de données d’une entreprise, sans remplacer les systèmes existants. Selon Nipun Agarwal, vice‑président senior d’Oracle Database, les lakehouses, historiquement dédiés à l’analyse, deviennent aujourd’hui le point d’accès principal pour les agents IA.
Architecture de la couche sémantique
Le cœur de l’offre repose sur un catalogue capable de monter d’autres catalogues. Il peut ainsi se connecter directement à Unity Catalog de Databricks, ainsi qu’aux bases PostgreSQL et MySQL, permettant des requêtes « in‑place » sans duplication des données. Cette approche repose sur la génération automatique de métadonnées – descriptions de tables et de colonnes – qui s’appliquent également aux sources non‑Oracle. Le support d’Apache Iceberg, annoncé en octobre, renforce la compatibilité avec les formats de stockage modernes et assure que les définitions sémantiques restent cohérentes quel que soit le système sous‑jacent.
Optimisation des performances avec Lake Cache
Oracle introduit le Lake Cache, un mécanisme qui transfère les tables Iceberg les plus sollicitées vers le cache flash d’Exadata. Cette opération réduit la latence d’accès en évitant les lectures disque classiques et en tirant parti de la bande passante interne d’Exadata. Le cache agit comme un tampon dynamique : dès qu’une table devient « hot », elle est déplacée automatiquement, ce qui accélère les requêtes des agents IA qui nécessitent des réponses en temps réel.
Enjeux pour les agents IA
Les agents IA consomment les données différemment des analystes humains. Au lieu de planifier des rafraîchissements périodiques, ils interrogent les sources à la volée. Oracle souligne que les rafraîchissements programmés « peuvent échouer » face à la demande instantanée des modèles génératifs. La combinaison d’une couche sémantique unifiée et d’un accès en temps réel via Lake Cache vise à éliminer ce goulet d’étranglement. Toutefois, la solution dépend de la disponibilité du matériel Exadata et de la capacité du réseau à supporter des requêtes distribuées. De plus, la gestion de la cohérence des métadonnées entre plusieurs catalogues reste un défi opérationnel, surtout lorsqu’une organisation utilise simultanément plusieurs lakehouses propriétaires.
