Tuesday, July 7, 2026
Les dernières 24 heures ont été marquées par une concentration significative sur les agents d'IA et leur intégration au sein de l'écosystème Databricks, parallèlement aux avancées en matière de modélisation des données et de gestion des tables lakehouse.
1.Orchestration et gouvernance des agents d'IA avec Omnigent
Databricks investit massivement dans les capacités des agents d'IA, en particulier avec Omnigent, un méta-harnais open source pour la gestion et la gouvernance de plusieurs agents d'IA. Cela inclut de nouvelles fonctionnalités pour les politiques contextuelles afin de suivre l'état de la session et d'assurer une gouvernance plus puissante, ainsi qu'un partenariat avec OpenAI pour mettre l'IA d'entreprise en production.
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
- 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
2.Modélisation et préparation des données alimentées par les LLM
De nouveaux outils émergent pour rationaliser la modélisation et la préparation des données pour l'IA. Vibe Data Modeling utilise les LLM pour créer des modèles commerciaux analytiques à partir du langage naturel, réduisant considérablement le temps de déploiement. L'accent est également mis sur la préparation des données d'entreprise pour les agents d'IA grâce à des guides pratiques et des boîtes à outils.
Sources
- Reimagining Data Modeling on the Lakehouse: Introducing Vibe Data ModelingNews · databricks-blog · Jul 6
- A guide to implementing AI data pipelinesNews · dbt-blog · Jul 6
- databricks-solutions/ai-dev-kitProject · Python · Jul 6
- How to Prepare Enterprise Data for AI Agents: A Practical GuideCommunity · databricks-community · Jul 6
3.Gestion automatisée des tables Lakehouse
Databricks améliore la gestion des tables lakehouse avec des mises à niveau automatiques qui apportent des fonctionnalités de bonnes pratiques telles qu'une performance et une fiabilité améliorées aux tables gérées par Unity Catalog. Cette capacité vérifie la compatibilité des charges de travail avant d'activer de nouvelles fonctionnalités.
4.Automatisation déclarative avec les Databricks Bundles
Les Databricks Asset Bundles, désormais appelés Declarative Automation Bundles, gagnent du terrain en tant que moyen de gérer les environnements, les tâches et les pipelines Databricks de manière déclarative. Cela aide à prévenir la dérive de l'environnement et automatise la configuration, s'éloignant des configurations manuelles de l'interface utilisateur.