Databricks

Databricks est une plateforme unifiée de données, d’analytique et d’intelligence artificielle. Elle rassemble l’ingénierie des données, le data warehousing, la business intelligence, le machine learning, les applications IA et la gouvernance dans un environnement commun.

La plateforme repose sur une architecture Lakehouse qui rapproche les avantages des data lakes et des entrepôts de données. Les équipes peuvent ingérer, transformer, analyser et gouverner leurs données, puis utiliser ces mêmes données pour construire des modèles, des applications et des agents IA.

Databricks couvre plusieurs familles de produits : Lakeflow pour les pipelines et l’orchestration, Unity Catalog pour la gouvernance, Databricks SQL pour l’analytique, MLflow pour le cycle de vie des modèles, Model Serving pour l’inférence, ainsi que des outils destinés aux applications et agents IA.

Les capacités historiquement regroupées sous le nom Mosaic AI sont intégrées à la plateforme Databricks. Elles permettent notamment de construire, évaluer, déployer et surveiller des applications d’IA générative, des systèmes d’agents et des modèles prédictifs. Mosaic AI ne doit donc pas être traité comme un outil concurrent ou totalement séparé de Databricks.

Databricks propose une Free Edition sans coût destinée à l’apprentissage, au prototypage et à l’exploration collaborative. Les environnements professionnels reposent principalement sur une facturation à l’usage, calculée selon les services Databricks, les DBU, les ressources cloud et les fonctions utilisées.

La plateforme convient surtout aux organisations qui veulent réunir données, analytique et IA dans une architecture gouvernée. Sa richesse fonctionnelle peut toutefois demander des compétences en data engineering, cloud, sécurité et FinOps. Les coûts doivent être suivis attentivement, notamment pour le calcul, le stockage, l’inférence et les traitements intensifs.

Pour les projets d’IA générative et d’agents, Databricks permet de connecter les données de l’entreprise, évaluer la qualité, déployer les modèles ou agents et surveiller leur fonctionnement. Une gouvernance stricte, des tests et une validation humaine restent nécessaires pour les usages sensibles.