L’annonce faite par Snowflake le 3 novembre à l’occasion d’Expedition 2026 dessine une évolution de CoCo, son agent de programmation pour les équipes data, et de CoWork, son agent de travail pour les utilisateurs métiers : l’objectif est de passer de l’assistance conversationnelle à des tâches récurrentes. Le lancement réunit des Bots capables de travailler en arrière-plan, des automatisations CoCo planifiées et des outils destinés à fournir aux agents du contexte métier et un cadre de gouvernance. Attention toutefois : les fonctionnalités n’ont pas toutes le même statut de disponibilité, et les annonces de l’éditeur ne constituent pas une évaluation indépendante de leurs performances.
11
19
Des agents qui ne se limitent plus aux réponses
Selon Snowflake, les versions mises à jour peuvent prendre en charge des tâches récurrentes sans attendre une consigne à chaque étape. Les nouveaux Bots CoCo et CoWork sont présentés comme capables de travailler en arrière-plan et de solliciter une personne lorsqu’une décision ou une validation est nécessaire.
11
13 Des médias rapportent aussi qu’ils peuvent poursuivre des objectifs définis par l’utilisateur et reprendre ses droits d’accès, afin que leurs permissions restent liées à celles déjà accordées.
18
23
Parmi les exemples évoqués autour de l’annonce : préparer un dossier pour une réunion client ou assurer le suivi d’un travail dans la durée. Pour les équipes data, Snowflake décrit séparément des automatisations CoCo destinées, par exemple, à vérifier l’état des pipelines de données ou à examiner des tâches en échec.
21
24 Il s’agit de cas d’usage présentés par l’entreprise, pas d’une preuve que chaque opération s’effectue sans contrôle humain.
Automatisations CoCo et accès aux tableurs
CoCo Automations permet aux équipes data de décrire des tâches récurrentes en langage courant et de les faire exécuter de façon proactive. Snowflake indique que cette fonction est généralement disponible dans Snowsight et dans l’interface en ligne de commande, et en préversion publique dans CoCo Desktop.
24 Les informations publiées étayent la possibilité de planifier des automatisations, mais ne confirment pas précisément l’existence d’un journal d’audit pour chaque exécution.
Les notes de version de Snowflake répertorient également CoCo pour Excel et CoCo pour Google Sheets en préversion.
2 Les éléments disponibles ne confirment pas le statut de préversion de Snowflake pour Slack ni celui d’une application unifiée Snowflake Mobile : ces deux points ne peuvent donc pas être présentés ici comme des éléments établis du lancement.
Contexte métier et garde-fous
Ces agents s’inscrivent dans une stratégie plus large : leur fournir un contexte métier partagé et encadrer leur accès à l’IA au niveau de l’organisation. Business Ontology, l’ontologie métier de Snowflake, vise à donner aux agents des définitions métier communes et préapprouvées. Selon les articles consacrés à l’annonce, elle s’appuie sur les capacités de modélisation sémantique de Snowflake.
14
Le 3 novembre, les fonctions d’inférence, d’observabilité et de gestion des coûts de Cortex AI Gateway sont passées en disponibilité générale. Les notes de version décrivent cette passerelle comme un point d’accès gouverné aux modèles pour les clients IA d’une organisation. Elle conserve une trace des requêtes et attribue les dépenses aux utilisateurs qui les ont formulées.
8 Ce dispositif encadre l’accès à l’IA ; il ne démontre pas, à lui seul, que les décisions d’un agent sont justes.
Adoption et annonce distincte sur l’entraînement des modèles
Dans ses résultats du deuxième trimestre de l’exercice fiscal 2027, Snowflake a déclaré compter plus de 9 100 comptes CoCo et 5 800 comptes CoWork.
38 Ces chiffres donnent un aperçu de l’adoption, mais les résultats cités ne précisent pas la définition d’une moyenne calculée sur quatre semaines et ne permettent pas d’assimiler chaque compte à une personne.
À part, Snowflake a annoncé Cortex Training en préversion publique pour le post-entraînement de modèles à poids ouverts, notamment Qwen, DeepSeek, Mistral et Gemma, à l’aide de GPU gérés.
17 L’entreprise affirme que ses benchmarks LoRA ont montré des coûts jusqu’à 61 % inférieurs à ceux d’API concurrentes d’entraînement sans serveur, dont Tinker et d’autres solutions.
37 Il s’agit d’un résultat maximal rapporté par le fournisseur, et non d’une promesse d’économies valable dans tous les cas ni d’une comparaison vérifiée de façon indépendante.
Ce qu’il faudra surveiller
Le changement d’orientation est net : Snowflake veut que ses agents prennent en charge des tâches répétitives en s’appuyant sur les définitions métier de l’entreprise et sur les permissions existantes. Pour les clients, les questions concrètes seront de savoir quelles fonctions sont disponibles dans l’interface choisie, quelles actions nécessitent encore une validation et comment surveiller chaque exécution automatisée. Les annonces décrivent les capacités visées, mais ne démontrent pas de manière indépendante leur fiabilité ni les résultats obtenus chez les clients.