Snowflake rattrape son retard sur l’IA agentique et le codage

Snowflake rattrape son retard sur l'IA agentique et le codage

Temps de lecture : 4 min

Points clés à retenir

  • Automatisation métier : Snowflake Intelligence permet désormais de décrire des tâches récurrentes en langage naturel, avec des connecteurs MCP et des artefacts réutilisables.
  • Développement élargi : Cortex Code s’ouvre à des sources externes comme Databricks et Postgres, intègre des agents via MCP/ACP, et propose un kit SDK en Python et TypeScript.
  • Double cible : La plateforme adresse à la fois les utilisateurs non techniques (sans SQL) et les développeurs, sur une base de données gouvernée unique.

Des fonctionnalités avancées pour l’IA agentique

Snowflake continue sur sa lancée pour enrichir ses services autour de l’IA agentique. Le fournisseur ambitionne de faire de sa plateforme Intelligence, lancée en novembre dernier, le plan de contrôle des agents IA. Elle comprend désormais des fonctionnalités d’automatisation des tâches récurrentes via leur description en langage naturel, des connecteurs MCP (model context protocol) et des artefacts réutilisables. Les utilisateurs peuvent ainsi enregistrer et partager des analyses, des visualisations et des workflows. Une fonction de recherche étendue mobilise plusieurs agents pour comprendre le contexte depuis différentes sources de données. Ces fonctions sont en preview et résultent des retours clients et des enseignements tirés du projet SnowWork, un système capable de planifier et exécuter des flux de travail multi-étapes. Une application mobile iOS pour Intelligence est également en test. Ce qui fait vraiment la différence, c’est la capacité à orchestrer des agents de manière cohérente.

Cortex Code s’ouvre à l’écosystème externe

En parallèle, Snowflake étoffe son outil Cortex Code avec la prise en charge de sources de données supplémentaires : AWS Glue, Databricks, Postgres. Il intègre aussi la connectivité avec d’autres agents IA via MCP et le protocole ACP (agent communication protocol). Un plugin Claude Code et un kit de développement logiciel (SDK) pour agents (Python et TypeScript) viennent compléter l’offre. Dans l’interface web Snowsight, le mode Plan permet aux développeurs de prévisualiser et approuver les workflows, tandis que la fonctionnalité Snap & Ask autorise l’interaction avec des artefacts de données (graphiques, tableaux). Snowflake a aussi annoncé en préversion privée les Sandboxes, un environnement cloud dédié où les développeurs peuvent exécuter du code de bout en bout sans aucune configuration. Soyons clairs : ce sont des outils taillés pour la production.

Séduire les métiers et les développeurs

Michael Leone, vice-président et analyste chez Moor Insights & Strategy, souligne que la feuille de route est ambitieuse, mais que beaucoup d’éléments restent « à venir » ou en preview. Il note une tendance commune : « Tous les fournisseurs affirment que leurs agents peuvent raisonner, agir et transformer l’entreprise. » Cependant, ce qui distingue Snowflake, c’est qu’il s’adresse simultanément aux deux parties de l’entreprise : Intel lagence pour les utilisateurs métier (pas besoin d’écrire du SQL), et Cortex Code pour les développeurs qui doivent mettre cela en production. « La plupart des fournisseurs choisissent une cible, puis traitent l’autre plus tard », précise-t-il. « Snowflake place les deux sur une même base de données régie, ce qui est plus complexe techniquement, mais répond mieux à la question : comment ouvrir l’IA sans perdre le contrôle des données ? »

Igor Ikonnikov, conseiller chez Info-Tech Research Group, ajoute que Snowflake a changé d’approche : au lieu de tout faire en interne, le fournisseur a compris que l’IA agentique doit être interopérable avec le reste de la pile. Il estime que le rôle de plan de contrôle s’inscrit dans la tendance sectorielle. La plupart des plateformes sont construites à l’ancienne, avec tous les contrôles codés. Snowflake propose des analyses réutilisables en enregistrant l’ensemble de la solution. Cependant, la sémantique commune reste enfouie dans les modèles de base de données et le code. « Tous les fournisseurs sont motivés par la même demande : passer de chatbots génériques à des agents IA spécifiques à des usages professionnels qui comprennent la logique métier et interagissent entre eux. »

Un rattrapage de la concurrence, sans les surpasser

Avec ces mises à jour, Snowflake a rattrapé ses concurrents, mais ne les a pas encore surpassés, selon Ikonnikov. Sanjeev Mohan, directeur chez SanjMo, considère que la bonne nouvelle pour les clients est la prise en charge de Databricks et d’AWS Glue. « Même si les données se trouvent dans un système concurrent, l’agent de codage IA de Snowflake peut être utilisé. Et inversement, l’extension VS Code et le plugin Claude Code peuvent fonctionner sur les données Snowflake. Cela rassure sur les craintes de dépendance vis-à-vis d’un fournisseur. »

Pour Sanchit Vir Gogia, analyste en chef chez Greyhound Research, Snowflake a choisi la bonne orientation stratégique. « L’IA d’entreprise passe de la génération à l’orchestration, puis à l’exécution. L’accent sur les données gouvernées comme fondement de l’action s’aligne sur cette évolution. » Cependant, il met en garde : pour devenir la couche d’exécution de l’IA d’entreprise, il ne suffit pas d’intégrer des agents et d’élargir les outils. Il faut aussi une sémantique cohérente, une exécution inter-systèmes fiable, une gouvernance solide, une viabilité économique et une préparation organisationnelle. « Le contrôle sans propriété des systèmes sur lesquels le travail est exécuté engendre une dépendance difficile à résoudre. C’est le principal point de tension de la stratégie de Snowflake. » Selon lui, le fournisseur a fait un pas significatif, mais n’a pas encore prouvé qu’il pouvait y parvenir à grande échelle. En pratique, la course ne sera pas remportée par celui qui construira l’IA la plus intelligente, mais par celui qui pourra la faire fonctionner de manière fiable au sein de l’entreprise.