Où le monde Databricks se retrouve.

Comment les entreprises gèrent la gouvernance des agents IA sur plusieurs modèles

Databricks announced the general availability of the Unity AI gateway to provide centralized multi-model governance, cost controls, and end-to-end observability for enterprise AI agents. Panelists discussed how coding agents and harnesses are evolving beyond programming into long-running operations, personal software development, and automated organizational workflows.

Démo : Création d'un agent KI gouverné avec Unity AI Gateway

This video demonstrates how to build, update, and govern a store operations AI agent using Databricks Agent Bricks and the Unity AI Gateway. The tutorial highlights integrating custom Model Context Protocol servers, recording execution traces with MLflow, and enforcing security policies and budget controls.

Stellantis : comment un constructeur automobile mondial a déployé des agents IA à grande échelle

Définition ontologique de Databricks Genie Ontology via OntoRank

Databricks Genie Ontology uses a ranking algorithm (OntoRank) to dynamically infer data definitions based on source credibility, usage frequency, and certification, enabling AI agents to answer questions without requiring formal ontologies. The tool democratizes data access but risks surfacing incorrect definitions if not paired with basic data governance practices.

DABs : synchronisation de l'UI vers DABS

Créer des agents gouvernés avec Databricks

Databricks étend sa couche de gouvernance Unity Catalog aux agents IA, aux serveurs MCP et aux outils afin de résoudre le problème de « prolifération des agents » en offrant une découverte centralisée, des contrôles d'accès et une journalisation d'audit. Le système permet aux développeurs de créer rapidement des agents, tandis que les équipes IT appliquent des politiques précises, gèrent les identifiants et assurent le suivi du lignage de bout en bout des requêtes et réponses.

Des primitives à la production : comment Anthropic construit ses agents

Anthropic définit les agents comme des LLM en boucle avec accès à des outils, misant sur l'intelligence du modèle plutôt que sur des workflows rigides, et s'appuie sur des skills spécifiques à chaque domaine, des MCP et des evals pour créer des agents efficaces dans tous les secteurs. Une démonstration a montré un agent de fiabilité de site identifiant de façon autonome un problème de pool de base de données, corrigeant le code et générant un post-mortem.

DABs: watch flag

DABs : laissez les politiques régir vos clusters