Contexte et objectifs
Lors de la conférence virtuelle Expedition 2026, Snowflake a présenté une série de capacités d’intelligence artificielle destinées à fusionner contexte métier, gouvernance et développement autonome. L’entreprise mise sur l’adoption croissante d’agents IA pour automatiser le cycle de vie du logiciel, du codage à l’exploitation opérationnelle. Le nouveau cadre Business Ontology étend les vues sémantiques existantes afin de définir des concepts d’entreprise approuvés et partagés, limitant ainsi les réponses contradictoires entre agents qui utilisent les mêmes données sous‑jacent.
Nouvelles fonctionnalités de gouvernance
Le Cortex AI Gateway, introduit en juillet 2026, devient le point d’entrée unique pour tous les agents internes. L’annonce ajoute plusieurs modules : détection d’abus d’agent, observabilité et traçage des appels, environnements sandbox (Cortex sandboxes), gouvernance des coûts IA, routage dynamique des modèles et intégration d’outils via la technologie acquise chez Natoma. Ces fonctions s’appuient sur les mécanismes de sécurité déjà présents dans Snowflake, notamment le masquage de données et les restrictions d’accès, tout en consignant les actions des agents pour les équipes IT et de sécurité.
Snowflake CoCo, l’agent de codage destiné aux équipes data, et Snowflake CoWork, l’assistant personnel pour les travailleurs du savoir, exploitent les définitions de Business Ontology afin d’ancrer leurs réponses dans un vocabulaire d’entreprise cohérent. La gouvernance s’étend également aux contrôles de coûts, permettant aux administrateurs de choisir des modèles en fonction de leur efficacité ou précision et de restreindre l’accès à des outils externes de façon granulaire.
Entraînement de modèles spécialisés
Le service Cortex Training passe en aperçu public, offrant aux clients la possibilité de personnaliser des modèles à poids ouvert avec leurs propres données propriétaires. La particularité réside dans l’absence de gestion d’infrastructure GPU : Snowflake orchestre l’entraînement sur son propre cloud, réduisant ainsi les besoins matériels. Selon le vice‑président produit Christian Kleinerman, les modèles plus petits ainsi entraînés offrent des réponses plus rapides, une latence réduite et un avantage économique sur les tokens consommés.
Cette approche répond à la demande croissante de souveraineté des modèles, notamment dans les secteurs soumis à des régulations strictes sur les données sensibles. En conservant le processus d’entraînement sur leurs serveurs, les entreprises peuvent auditer le flux d’informations et éviter les risques liés aux fournisseurs tiers.
Intégrations et perspectives
Snowflake a annoncé un partenariat élargi avec Oracle Corp., rendant la plateforme disponible en tant que service natif sur Oracle Cloud Infrastructure. Cette intégration simplifie l’accès aux capacités analytiques et IA de Snowflake depuis les bases de données et applications Oracle, renforçant la position de Snowflake comme couche de données de référence pour les agents d’entreprise.
Dans le paysage concurrentiel, SAP développe son architecture Autonomous Enterprise et ses agents Joule, tandis que Salesforce propose un Enterprise AI Harness et un AI Control Plane. Snowflake se différencie en ancrant la gouvernance directement dans la couche de données, offrant ainsi un point d’accès unique où les agents peuvent consommer des informations fiables sous les politiques d’entreprise.
