Le principe de l’IA agentique est de confier un ou des outils à un grand modèle de langage. Ces outils peuvent aider à chercher des données dans les entrepôts d’une entreprise et activer des éléments automatisés : envoi de mail, notifications, générations de rapports, de tableaux de bord, etc.
Pour rappel, dans la sphère du traitement de données, les premiers cas d’usage de l’IA générative étaient consacrés à la génération de code en langage naturel afin d’accélérer la rédaction de pipelines ou l’analyse de données. Or le fait que les modèles sont désormais capables d’agir de manière semi-autonome convainc certaines entreprises d’accroître leurs investissements.
Des éditeurs et fournisseurs comme Salesforce et Google Cloud ont été parmi les premiers à s’aventurer sur la voie de l’IA agentique. Pratiquement tous les acteurs ont pris ce train désormais.
De son côté, Snowflake a présenté en mai dernier la disponibilité générale de Cortex, un environnement de développement consacré à l’IA générative. En novembre, il a présenté des fonctions en vue de « simplifier » le développement d’assistants conversationnels.
Maintenant, avec Cortex Agents, Snowflake entend offrir à ses clients des capacités pour créer des agents d’IA générative.
Une fonctionnalité attendue qui justifie l’appellation agentique
Cortex Agents est disponible sous la forme d’une API REST. Avec l’API REST, les développeurs peuvent accéder aux données structurées via Cortex Analyst et aux données non structurées via Cortex Search. Surtout, avec Agents, ils peuvent combiner leurs données Snowflake gouvernées avec un LLM pour créer un agent, et l’intégrer dans n’importe quelle application. L’éditeur avait déjà prévu de permettre ces « jointures » entre données structurées et non structurées.
À travers Cortex Analyst et Cortex Search, Snowflake donne accès à des fonctionnalités qui propulsaient des applications d’IA générative sur étagère, dont Document AI et son Copilot. Les mises à jour effectuées depuis le mois de juin justifient l’arrivée de Cortex Agents et l’abandon de la marque chapeau Cortex AI.
Cortex Analyst a été amélioré pour prendre en charge les requêtes multi-tables et éviter les hallucinations au moment d’effectuer des jointures.
En préversion publique, l’éditeur propose un moyen d’éditer des modèles de données sémantiques à l’aide d’un fichier YAML. Ce fichier YAML peut être édité depuis Cortex Analyst en langage naturel. Cela permet d’éditer des conventions de nommage interne ou spécifier des formats de données.
De son côté, le « RAG-as-a-service » Cortex Search peut indexer des « centaines de millions de lignes », tandis que les coûts de serving auraient été réduits de 30 %. L’outil de vectorisation de données donne l’accès à deux modèles d’embedding : snowflake artic embed-I-v2.0 et voyage-multilingual 2.
Trois LLM pris en charge
À la suite de l’établissement d’un partenariat entre Snowflake et Anthropic, Cortex Agents est optimisé pour les modèles Claude 3.5 d’Anthropic. Cependant, les clients de Snowflake ont le « choix » du grand modèle de langage. Un choix limité.
Du fait de cette préférence, et puisque l’éditeur ne propose que deux autres LLM (Mistral Large 2 et Llama 3.3 70B), Cortex Agents n’est pas encore aussi bien dotés que les environnements d’IA agentiques disponibles sur le marché, selon Andy Thurai, analyste chez Constellation Research.
« C’est une solution acceptable », déclare-t-il. « Elle limite les utilisateurs… alors que de nombreuses autres plateformes agentiques offrent la possibilité d’utiliser plusieurs LLM sous-jacents ».
En outre, bien qu’il s’agisse d’un service entièrement managé censé simplifié les développements, il limite la manière dont les développeurs peuvent créer des agents, en ne proposant pas d’options telles que des capacités de développement visuel low-code/no-code, poursuit l’analyste.
Avec Cortex Agents, Snowflake promet d’offrir des connecteurs vers des systèmes bis (Streamlit appartient à Snowflake) et tiers, dont Slack, Teams ou encore le framework Electron. LeMagIT n’a pas trouvé de « recettes » ou d’API prêts à l’emploi pour ce faire.
Malgré ses limites, Cortex Agents est néanmoins un framework solide pour atteindre son objectif, qui est de permettre aux clients de Snowflake de créer des agents d’IA, selon Stephen Catanzano, analyste chez Enterprise Strategy Group, une filiale d’Omdia [propriété d’Informa TechTarget, également propriétaire du MagIT].
« Cortex Analyst assure une génération SQL précise pour les données structurées, tandis que Cortex Search fournit une recherche de données non structurées à la pointe », avance-t-il. « Claude 3.5 offre un raisonnement robuste et l’exécution de flux de travail complexes, ce qui le rend très efficace pour les développeurs ».
Snowflake défend les mêmes arguments.
Un certain retard à rattraper
Contrairement à Databricks et aux géants du cloud tels que Google Cloud et Microsoft, Snowflake est resté en retrait pendant la majeure partie de la première année qui a suivi le lancement de ChatGPT, et a dû rattraper son retard.
Snowflake a pleinement adopté l’IA depuis que Sridhar Ramaswamy est devenu PDG en février 2024. Pas suffisamment cependant pour être à la hauteur, selon M. Thurai.
« Ils sont encore loin derrière lorsqu’il s’agit de l’IA et de l’adoption de l’IA générative », évalue Andy Thurai. « D’autres fournisseurs, y compris les Databricks et les hyperscalers, innovent et proposent des outils beaucoup plus rapidement ».
Pour rattraper son retard, le fournisseur devrait renforcer la prise en charge des LLM et fournir une plateforme complète pour le développement de l’IA agentique qui inclut plus qu’une API, recommande l’analyste de Constellation Research.
« Les offres de Snowflake sont un pas décent dans la bonne direction, mais ils ont beaucoup de retard à rattraper pour être un bon acteur dans les plateformes d’IA agentique », résume-t-il.
Stephen Catanzano d’ESG préfère voir le verre à moitié plein.
« Bien que [Snowflake] a démarré plus lentement que ses concurrents, Cortex Agents semble bien placé, car il met l’accent sur la gouvernance unifiée, l’évolutivité et l’intégration avec les données de l’entreprise », plaide-t-il.
En ce qui concerne ce que Snowflake peut faire pour rattraper son retard, Stephen Catanzano suggère d’améliorer l’observabilité de l’IA (en préversion dans Cortex Search), d’affiner l’intégration des données non structurées et d’améliorer les capacités de surveillance et de gouvernance en temps réel.
Plus de détails sur l’article original.