Jun 7 — Jul 7, 2026
Le mois dernier a été marqué par une poussée significative vers l'amélioration des capacités et de la gouvernance des agents d'IA au sein de l'écosystème Databricks, parallèlement à des améliorations continues de la gestion des données et de l'efficacité opérationnelle. Un thème majeur a été l'introduction d'Omnigent en tant que méta-harnais pour les agents d'IA, mettant l'accent sur la composabilité et le contrôle.
1.Omnigent et l'orchestration des agents d'IA
Databricks a introduit Omnigent, un méta-harnais open source pour les agents d'IA, conçu pour fournir une interface unifiée pour composer, contrôler et collaborer à travers divers flux de travail d'agents. Cela vise à relever les défis de la gestion de multiples harnais d'agents propriétaires en offrant une couche commune pour le routage des requêtes, l'orchestration des agents et l'application de politiques basées sur l'état et centrées sur les données. MLflow s'intègre désormais à Omnigent pour une observabilité automatique et multicouche des traces d'agents.
Sources
- Contextual Policies in Omnigent: Using session state to better govern AI agentsNews · databricks-blog · Jul 6
- OpenAI and Databricks at DAIS 2026: Making enterprise AI realNews · databricks-blog · Jul 6
- What Is a Meta-Harness for AI Agents? Omnigent explainedVideo · Databricks · Jul 6
- Multi-Harness AI Agents Need Multi-Layer Observability: Omnigent in MLflowNews · mlflow-blog · Jul 2
- Introducing Omnigent: The Ultimate Meta-Harness for AI AgentsVideo · Databricks · Jun 30
- AI Stack Explained in 3 Layers (LLM, Agent Harness, Omnigent)Video · Databricks · Jun 29
- Introducing Omnigent: an open meta-harness – Matei Zaharia, Co-founder and CTO, DatabricksVideo · Databricks · Jun 24
- v0.122.0Release · databricks/databricks-sdk-java · Jun 22
- v0.148.0Release · databricks/databricks-sdk-go · Jun 22
2.La famille Genie s'agrandit pour l'ingénierie des données et la Business Intelligence basées sur l'IA
La famille d'agents d'IA Genie a connu une expansion significative, se concentrant sur l'automatisation des tâches d'ingénierie des données, l'amélioration de la Business Intelligence et le soutien à la décision. Genie Code aide à construire, évaluer et déployer des modèles ML, en appliquant les normes d'ingénierie. Genie ZeroOps surveille et corrige de manière proactive les problèmes de pipeline de données, tandis que Vibe Data Modeling utilise des LLM pour créer des modèles commerciaux analytiques à partir du langage naturel. Ces agents visent à rendre l'IA plus accessible et intégrée dans les opérations quotidiennes.
Sources
- Reimagining Data Modeling on the Lakehouse: Introducing Vibe Data ModelingNews · databricks-blog · Jul 6
- Forecasting at the speed of modern retailNews · databricks-blog · Jul 1
- Databricks Genie ZeroOps | A Quick OverviewVideo · Advancing Analytics · Jul 1
- All the AI Databricks Data + AI Summit Announcements you need to know | AI Newsround - June 2026Video · Advancing Analytics · Jun 30
- Genie Code Skills: Maintaining Quality at ScaleVideo · Databricks Skill Builder · Jun 25
- Meet Genie, Your New Decision-Making PartnerVideo · Databricks Skill Builder · Jun 25
- What’s coming next to Free EditionVideo · Databricks · Jun 25
- Agentic machine learning with Genie Code (includes demo)Video · Databricks · Jun 24
- How Daikin Applied Americas builds consistent data pipelines at scale with Genie CodeNews · databricks-blog · Jun 24
3.Databricks Asset Bundles (DABs) pour l'automatisation déclarative
Les Databricks Asset Bundles (DABs), désormais appelés Declarative Automation Bundles, continuent d'évoluer en tant qu'outil clé pour gérer les ressources Databricks de manière déclarative. De nouvelles fonctionnalités et discussions soulignent leur utilisation pour centraliser les règles, appliquer la protection des branches pour les déploiements et améliorer le moteur de déploiement. Cela met l'accent sur un passage à une gestion d'infrastructure plus robuste, versionnée et automatisée sur Databricks.
Sources
- 134: Declarative Automation Bundles (Formerly Databricks Asset Bundles)|Part 1|Complete IntroductionVideo · Raja's Data Engineering · Jul 6
- DABs: mutators as a good place for central rulesVideo · databricks MVP Hubert Dudek · Jul 5
- Release: v2.12.1 (#1948)Release · databricks/databricks-vscode · Jul 2
- databricks DABs: version protectionVideo · databricks MVP Hubert Dudek · Jul 1
- databricks DABs: Branch protectionVideo · databricks MVP Hubert Dudek · Jun 26
- databricks DABs: New direct engineVideo · databricks MVP Hubert Dudek · Jun 24
4.Lakebase et PostgreSQL sans serveur pour les données opérationnelles
Databricks promeut Lakebase, une base de données PostgreSQL sans serveur entièrement gérée qui s'exécute sur le lac de données. Cette architecture découple le calcul et le stockage, offrant un stockage illimité, un calcul élastique et un branchement instantané. Elle est positionnée pour unifier les données analytiques et opérationnelles, permettant une copie unique des données pour divers besoins et répondant aux exigences des applications d'IA qui nécessitent des bases de données sans serveur et évolutives.
Sources
- Lakebase CDF — destination Delta table not created after successful UI setup (Free Edition)Community · databricks-community · Jul 7
- From monolith to Lakebase to LTAP: rethinking the database from storage upNews · databricks-blog · Jun 30
- What To Look For in a Serverless Database for AI ApplicationsNews · databricks-blog · Jun 25
- What Is Serverless PostgreSQL?News · databricks-blog · Jun 25
- Inside Lakebase: fully-managed serverless Postgres – Nikita Shamgunov, VP, Engineering, DatabricksVideo · Databricks · Jun 24
- v0.118.0Release · databricks/databricks-sdk-py · Jun 18
- v0.121.0Release · databricks/databricks-sdk-java · Jun 17
- v0.147.0Release · databricks/databricks-sdk-go · Jun 17
- v0.120.0Release · databricks/databricks-sdk-java · Jun 16
- v0.146.0Release · databricks/databricks-sdk-go · Jun 16
5.Sécurité et gouvernance améliorées pour l'ère de l'IA
La sécurité et la gouvernance restent un objectif critique, en particulier avec l'essor des agents d'IA. Les nouvelles annonces incluent LakeWatch, un lakehouse de sécurité agêntique pour se défendre contre les attaques basées sur l'IA, et la Unity AI Gateway pour une gouvernance et un suivi des coûts améliorés des agents d'IA. Les politiques contextuelles dans Omnigent permettent en outre le suivi de l'état de session pour une gouvernance plus puissante des actions des agents d'IA. Les fonctionnalités de marquage des données et de masquage des colonnes offrent également un contrôle granulaire sur les données sensibles.
Sources
- Scaling Security Alert Triage With Specialized Agents on DatabricksNews · databricks-blog · Jul 6
- Contextual Policies in Omnigent: Using session state to better govern AI agentsNews · databricks-blog · Jul 6
- Announcement | Building an open ecosystem for AI governance with Unity AI GatewayCommunity · databricks-community · Jul 3
- Mask Sensitive Data: Protect Your PII Effectively!Video · Databricks Skill Builder · Jul 2
- All the AI Databricks Data + AI Summit Announcements you need to know | AI Newsround - June 2026Video · Advancing Analytics · Jun 30
- Master Data Tagging: 3 Ways to Boost Governance!Video · Databricks Skill Builder · Jun 26
- Databricks + Panther: advancing the security lakehouseVideo · Databricks · Jun 25
- Defending against a tidal wave of AI attacks with Lakewatch, the agentic security LakehouseVideo · Databricks · Jun 24
- How Agent Bricks gives developers choice, context and control (with demo)Video · Databricks · Jun 24