Snowflake Expedition : ce qui change pour la data et l'IA
Julien Gallart
Data Engineer
Chaque année, Snowflake présente sa roadmap lors de la Snowflake Expedition. J'ai assisté à la dernière édition, dont le message est clair : l'éditeur fait de sa plateforme un environnement où des agents IA exécutent des tâches de bout en bout, sous contrôle et sur des données gouvernées.
Voici les annonces que je retiens, avec un regard pratique sur ce qu'elles changent pour le développement, l'architecture data et les projets d'IA de nos clients.
Des assistants IA aux agents autonomes
L'essentiel des annonces porte sur les agents. Snowflake fait passer ses outils d'IA du rôle d'assistant, qui répond à une question ou aide à écrire du code, à celui d'agent capable de planifier et d'exécuter des workflows plus complexes.
- CoCo (ex-Cortex Code) : les Cloud Agents permettent désormais d'exécuter des tâches dans un environnement cloud isolé, sans dépendre du poste de travail du développeur. Avec CoCo Automations, les équipes peuvent planifier l'exécution de tâches récurrentes.
- Restricted Session Scope (GA) : cette fonctionnalité limite les permissions accordées à un agent pendant sa session. C'est une brique de sécurité indispensable dès qu'un agent agit sur des données de production.
- CoWork : un agent pensé pour les équipes métier et les analystes. Il gère des automatisations récurrentes et s'intègre à Slack, Excel et Google Sheets.
- Bots (Private Preview) : des agents qui travaillent en arrière-plan et ne sollicitent un humain qu'au moment où une décision est nécessaire.
Mon avis. CoWork est pour moi l'annonce la plus concrète de cette édition. Beaucoup d'équipes métier attendent des analyses récurrentes livrées directement dans leurs outils, sans repasser chaque fois par l'équipe data, et CoWork répond exactement à ce besoin. Les Bots m'intéressent aussi, mais une private preview ne se recommande pas sur parole : je vais les tester en POC sur un projet client avant de me prononcer sur leur maturité.
Gouvernance : donner du contexte métier et des garde-fous aux agents
Un agent autonome n'est utile que s'il comprend les définitions de l'entreprise et s'il reste sous contrôle. Deux annonces répondent à ces deux besoins.
Business Ontology étend Horizon Catalog. Elle centralise les définitions métier validées (ce qu'on appelle un client actif, un chiffre d'affaires net, une marge) pour que les agents IA donnent des réponses cohérentes, quel que soit l'utilisateur qui les interroge.
Cortex AI Gateway devient le point d'entrée unique des usages IA. La passerelle sécurise les agents, détecte les abus, suit et plafonne les coûts, et route dynamiquement les requêtes vers le modèle le plus adapté.
Mon avis. Je suis allé vérifier ce que recouvrait concrètement Cortex AI Gateway, et la fonctionnalité est plus aboutie qu'une simple annonce de roadmap : sécurité, détection des abus, contrôle des coûts et routage des modèles sont réunis au même endroit.
Chez Claranet, nous déployons habituellement des passerelles IA agnostiques, construites sur LiteLLM, qui fonctionnent quel que soit l'éditeur ou le fournisseur de modèles. Les deux approches se complètent. Pour une organisation dont les usages IA sont concentrés dans Snowflake, Cortex AI Gateway apporte une gouvernance native sans brique supplémentaire. Pour une organisation multi-plateformes, une passerelle indépendante garde la main sur l'ensemble des flux. Le bon choix dépend de la cartographie des usages, et c'est souvent le premier point que nous clarifions avec nos clients.
Ingénierie data : des pipelines plus visuels et plus automatisés
Pipeline Builder (Public Preview) permet de construire des pipelines de données de façon visuelle, et de demander à CoCo d'en générer la structure.
Snowpipe Streaming et Spark sur Snowflake accélèrent les workloads de streaming, avec un nouveau connecteur natif. Pour les entreprises qui exploitent déjà des traitements Spark, c'est une façon de les rapprocher de leurs données.
Mon avis. Pipeline Builder est l'évolution que j'ai le plus envie d'explorer. Snowflake reste une plateforme très peu visuelle, ce qui freine les profils moins à l'aise avec le code. Un éditeur visuel couplé à CoCo leur permet de concevoir des pipelines, et sera aussi utile pour documenter un projet et le présenter à des interlocuteurs non techniques. Je vais le mettre à l'épreuve sur un projet en cours.
La tendance est nette : plus d'automatisation dans la conception des pipelines, et une meilleure intégration des workloads existants.
Ce que ces annonces changent pour votre entreprise
| Enjeu | Ce que Snowflake permet désormais |
|---|---|
| Mettre la donnée entre les mains des métiers | CoWork automatise des analyses récurrentes et les livre dans Slack, Excel ou Google Sheets |
| Réduire les délais des projets data | CoCo accélère l'écriture et la migration de code ; Pipeline Builder rend la conception de pipelines visuelle |
| Automatiser sans perdre le contrôle | Les agents exécutent les tâches répétitives et sollicitent un humain pour les décisions |
| Fiabiliser les réponses de l'IA | Business Ontology aligne les agents sur les définitions métier validées |
| Maîtriser les risques et les coûts de l'IA | Cortex AI Gateway et Restricted Session Scope encadrent les permissions, les abus et les dépenses |
Ces évolutions rendent les agents IA exploitables en production, à condition de poser dès le départ le cadre : définitions métier partagées, permissions limitées, suivi des coûts. Ce cadre conditionne la réussite d'un projet d'IA sur Snowflake.
Vous envisagez de tester CoWork, Pipeline Builder ou une passerelle IA ? Les experts data de Claranet vous accompagnent du cadrage au POC.