Lors de la conférence Snowflake a annoncé Snowflake Intelligence, une solution s’appuyant sur des agents IA pour rendre les workflows d’IA et de ML simples, connectés et fiables, pour tous les utilisateurs.
Snowflake Intelligence repose sur une interface en langage naturel alimentée par des agents IA, qui permet aux utilisateurs métier comme aux professionnels de la donnée d’obtenir des réponses directement exploitables, issus de données structurées ou de documents non structurés. Ce logiciel s’accompagne de Data Science Agent, un outil conçu pour automatiser certaines tâches des data scientists dans le développement de modèles ML. Ces innovations permettent aux utilisateurs de simplifier leurs workflows d'IA et de ML, d’ouvrir l’accès aux données dans toute l’organisation et de supprimer les obstacles techniques qui freinent la prise de décision, via des interactions en langage naturel au sein de l’écosystème Snowflake.
Intégré dans l’environnement Snowflake existant, Snowflake Intelligence applique automatiquement les règles de sécurité et de gouvernance en place. Il agrège les données issues de différentes sources comme Box, Google Drive, Workday, et Zendesk, via Snowflake Openflow, permettant de croiser bases, fichiers, images et documents.
Ces agents génèrent des visualisations et facilitent le passage à l’action, sur simple prompt en langage naturel. De l'analyse des indicateurs métier ou à la recherche documentaire interne, chaque employé peut exploiter pleinement les données de l’entreprise. L’outil peut également accéder à des connaissances tierces via les Cortex Knowledge Extensions sur Snowflake Marketplace, incluant CB Insights, Packt, Stack Overflow, Associated Press et USA TODAY. Snowflake Intelligence repose sur des modèles d’Anthropic et d’OpenAI, exécutés dans l’environnement sécurisé de Snowflake, avec une interface no-code transparente et explicable grâce aux Cortex Agents.
Pour sa part, Data Science Agent utilise Claude d’Anthropic pour décomposer les problèmes des workflows ML en étapes distinctes : analyse de données, préparation, ingénierie des features, entraînement. Grâce à une combinaison de raisonnement multi-étapes, compréhension contextuelle et exécution d’actions, il génère des pipelines ML complets, prêts à l’emploi dans Snowflake Notebook. Grâce à des suggestions d’amélioration ou à des relances de l’utilisateur, il permet d’itérer facilement vers une version optimisée.
