Databricks parie sur l'IA collègue avec Genie One, Ontologie et ZeroOps

Databricks a marqué les esprits lors de son Data + AI Summit à San Francisco en juin 2026 en détaillant une vision globale pour sa gamme de produits Genie – la transformant d'un simple outil d'analyse conversationnelle en un véritable « collègue IA » capable d'agir sur les données d'entreprise. Les annonces, couvrant une nouvelle couche de connaissance, des agents d'IA réutilisables, un pilote automatique pour les opérations et une refonte majeure de la tarification, ont été présentées devant une foule de plus de 30 000 participants .

Genie One devient un collègue IA « agentique »

Au cœur de la conférence, Genie One a été présenté comme un « collègue agentique intelligent en données, pour tous » . Ce positionnement marque une étape délibérée au-delà de l'analyse conversationnelle : Genie One peut entreprendre des actions de manière autonome, exécuter des compétences et orchestrer du travail sur des données structurées et non structurées, à la fois à l'intérieur et à l'extérieur de la plateforme Databricks .

L'assistant est disponible sur le web et via des applications natives iOS et Android, et il s'intègre aux outils de collaboration que les équipes utilisent déjà, notamment Slack, Microsoft Teams et les applications mobiles . Pour les flux de travail en entreprise, les utilisateurs peuvent interpeller Genie dans une conversation Microsoft Teams pour obtenir des réponses contextuelles et gouvernées par Unity Catalog. La version de Genie pour Microsoft Teams et M365 Copilot est entrée en version bêta lors du sommet . Genie One peut également se connecter à des sources de connaissance externes telles que Google Drive et SharePoint, ce qui élargit sa capacité à raisonner sur un contexte d'entreprise plus large .

Genie Ontology : une cartographie vivante de votre entreprise

Un changement architectural clé est l'introduction de Genie Ontology, qui est entrée en préversion publique le 15 juin 2026 . Plutôt que de forcer Genie à rechercher le contexte à partir de zéro pour chaque requête, l'Ontology agit comme une carte de l'entreprise continuellement mise à jour. Elle extrait et classe automatiquement les connaissances des tableaux de bord, des notebooks, des pipelines et des applications d'entreprise connectées . Databricks la décrit comme une « toile de toutes les connaissances » qui permet à Genie One d'identifier des sources fiables et de répondre avec un contexte métier complet .

Lors de tests de performance internes publiés en mai 2026, Databricks a affirmé que Genie avec Ontology améliorait la précision des requêtes « de 32 % à plus de 90 % » par rapport à un agent de codage de premier plan . Ce chiffre est frappant, mais il est important de noter la nuance : le gain de 32 % à 90 % est mesuré sur des évaluations internes de Databricks, et non sur des benchmarks externes et indépendants. Des analystes externes y voient un signal directionnel utile, mais moins pertinent comme comparaison directe avec d'autres piles agentiques concurrentes .

Genie Agents : l'évolution des Genie Spaces

Databricks a profité du sommet pour faire évoluer son concept de Genie Spaces vers les Genie Agents. Les utilisateurs peuvent désormais sauvegarder n'importe quelle conversation avec Genie en tant qu'agent réutilisable et partageable, qui hérite de la mémoire, des sources, des instructions et du comportement de la conversation. Les collègues peuvent appeler l'agent par son nom, et il reproduit la même approche de raisonnement . Les équipes data peuvent toujours créer des Genie Spaces en tant qu'environnements spécifiques à un domaine, configurant des données de confiance, des métriques et des règles métier pour alimenter les réponses de Genie One .

Genie App Builder et Genie ZeroOps

L'écosystème Genie s'étend désormais au-delà de l'analyse. Genie App Builder permet aux équipes de « coder en langage naturel » des applications métier simples et gouvernées par Unity Catalog, élargissant la plateforme à la création légère d'applications .

Genie ZeroOps, annoncé en préversion privée, vise à mettre les opérations de données et d'IA en pilote automatique. La prise en charge initiale inclut les jobs, les pipelines, les tables et les charges de travail de ML, avec les applications et les bases de données Lakebase sur la feuille de route à court terme .

Un changement de tarification à l'usage au 6 juillet 2026

Le changement commercial le plus scruté est sans doute le nouveau modèle de tarification à l'usage (pay-as-you-go) pour tous les produits Genie – Genie One, Genie Spaces et Genie Code. À partir du 6 juillet 2026, chaque utilisateur recevra 150 DBUs d'utilisation gratuite de LLM par mois (soit environ 10,50 $ dans la région Est des États-Unis, bien que l'équivalent en dollars varie selon la région) . L'utilisation au-delà de l'allocation gratuite est facturée en fonction de la consommation de DBUs, tandis que le calcul SQL Serverless est facturé séparément .

Les administrateurs de compte peuvent commencer à définir des budgets et des contrôles de coûts dès maintenant via les capacités de Budget de la passerelle Unity AI, avec un suivi disponible par comptes, espaces de travail, groupes et utilisateurs individuels .

Contexte plus large du sommet : LTAP, Lakehouse//RT et keynotes notables

Les annonces sur Genie s'inscrivaient dans un récit de plateforme plus large lors de ce que Databricks qualifie de plus grande conférence mondiale sur les données et l'IA. Les cofondateurs Ali Ghodsi, Matei Zaharia, Arsalan Tavakoli-Shiraji et Reynold Xin ont été rejoints sur la scène principale par des intervenants invités comme Satya Nadella (lors d'une discussion informelle pré-enregistrée), Greg Brockman d'OpenAI et Magesh Bagavathi de PepsiCo .

Deux annonces majeures en matière d'infrastructure ont complété l'événement :

• LTAP (Lake Transactional/Analytical Processing) : Une nouvelle architecture qui unifie l'OLAP et l'OLTP sur une seule copie des données dans le lac, conçue pour éliminer l'ETL et les réplicas. La base de LTAP est Lakebase, qui gère désormais 12 millions de lancements de bases de données par jour sur la plateforme .
• Lakehouse//RT : Un Lakehouse en temps réel propulsé par un nouveau moteur de calcul appelé Reyden, offrant une latence de requête en millisecondes pour des dizaines de milliers d'utilisateurs et d'agents simultanés, directement sur des tables gouvernées Delta Lake et Apache Iceberg. Databricks rapporte des performances jusqu'à 16 fois supérieures à celles des piles de serving en temps réel existantes, avec des temps de réponse pouvant descendre jusqu'à 10 ms sur de petits ensembles de données .