LEBIGDATA.FR I.A, Cloud & Cybersécurité
Snowflake prépare une nouvelle couche d’IA « autonome » avec un projet baptisé Project SnowWork. Encore en développement, cette nouveauté vise à produire directement des analyses, des rapports ou même des présentations. Et ce, sans intervention systématique des équipes de données.
Selon Snowflake, SnowWork transforme le cloud de données en un outil capable de produire directement des analyses, rapports et présentations pour les utilisateurs professionnels. L’interface combine des technologies existantes, telles que AI Data Cloud, Snowflake Intelligence et Cortex Code.
Most AI agents just give you answers. Project SnowWork gives you outcomes. ❄️
Now in research preview, our new autonomous platform handles multi-step workflows across your governed data to get work done – no coding required. ⚡
Project SnowWork: Your enterprise data, working… pic.twitter.com/aBQgviqSIA— Snowflake (@Snowflake) March 18, 2026
SnowWork : à quoi cela sert exactement ?
Selon Snowflake, SnowWork répond à un problème bien connu en entreprise. Les équipes métiers dépendent souvent des spécialistes des données pour obtenir des analyses.
Or, ce processus ne se fait pas en quelques minutes. Dans certains cas, les demandes d’analyse prennent souvent plusieurs semaines. Parfois, les résutats arrivent même trop tard pour guider les décision
Les équipes perdent ainsi du temps à attendre des analyses. Et les décisions, elles, se basent sur l’intuition plutôt que sur des informations récentes. Ashish Chaturvedi, responsable de la recherche auprès des cadres dirigeants chez HFS Research l’a bien expliqué.
D’où le Project SnowWork. Cet outil réduit ce délai à quelques minutes, en permettant d’obtenir directement des analyses complètes. Car au lieu de demander des informations, les utilisateurs métiers pourraient formuler des objectifs précis.
Par exemple, générer des prévisions prêtes pour une réunion stratégique, identifier les risques de désabonnement ou analyser des problèmes dans la chaîne d’approvisionnement.
Robert Kramer, analyste chez Moor Insights and Strategy, estiment même que ajoute que cette automatisation libérera les équipes de données. Ces dernières pourraient se concentrer sur des tâches plus stratégiques. Cela inclut la gouvernance des données, la modélisation ou encore la supervision des systèmes.
Une tendance plus large
Avant, les entreprises géraient leurs flux de données et leurs analyses de façon assez segmentée. Les informations étaient d’abord stockées dans un entrepôt de données, puis analysées via un outil de BI.
Elles sont ensuite traitées par un analyste, transformées en livrables, et enfin utilisées par le décideur pour prendre des décisions. Avec SnowWork, Snowflake vise à simplifier ce processus en trois niveaux : plateforme de données, agent autonome et décideur.
Snowflake n’est donc plus simplement une solution de stockage de données dans le cloud. Les analystes voient dans cette initiative une stratégie pour fidéliser les utilisateurs. Cependant, la boîte est loin d’être la seule à traîner de tel projet.
D’autres acteurs développent également des initiatives similaires. Databricks développe par exemple des applications de type lac de données. Salesforce propose Agentforce.
Microsoft a intégré Copilot à ses systèmes. Et ServiceNow mise sur des flux de travail basés sur des agents autonomes. SnowWork s’intègre donc à une tendance plus large d’intégration de l’IA aux plateformes de données.
Quels problèmes pourraient subsister ?
Même si l’automatisation proposée par SnowWork semble prometteuse, plusieurs problèmes pourraient subsister et limiter son efficacité réelle en entreprise. D’abord, l’IA repose sur la qualité des données qu’elle analyse.
Alors, si les données sont incomplètes, obsolètes ou biaisées, les analyses générées risquent d’être erronées ou trompeuses. Les décideurs pourraient prendre des décisions basées sur des informations imparfaites. Ce qui réduit la valeur ajoutée de l’automatisation.
Ensuite, la complexité des contextes métiers reste un défi. Les modèles automatisés ont du mal à comprendre les subtilités d’un marché ou d’un client particulier. Ce, contrairement à un analyste humain capable d’interpréter les signaux faibles ou les tendances émergentes.
Mis à part cela, les équipes risquent de devenir dépendantes à l’IA. Et ce, de manière excessive au point de perdre en expertise et en capacité critique. Ce qui aucunement bon.
L’automatisation ne résout donc pas tous les problèmes et devra être accompagnée d’une supervision et d’une gouvernance adaptées pour rester pertinente.
SnowWork : une adoption massive assurée ?
Eh bien, franchement, je doute que l’adoption ne puisse rencontrer des résistances. Voyez-vous, SnowWork est encore en développement et Snowflake n’a rien communiqué sur la tarification.
L’adoption risque donc d’être limitée si le coût est jugé trop élevé. Et puis, il est fort probable que certains utilisateurs métiers doutent de la fiabilité de l’outil ou préfèrent conserver un contrôle humain.
Surtout que de nombreux professionnels du domaine mettent en garde contre les machines. Stephanie Walter, responsable de la pratique IA chez HyperFRAME Research, s’est par exemple exprimée sur le sujet.
Selon elle, l’IA d’entreprise a souvent des résultats mitigés lorsqu’il s’agit de produire des livrables complets et exploitables sans supervision humaine. Or, rien ne prouve que SnowWork est immunisé contre ces types de résultats.
Snowflake devra donc démontrer sa capacité à fournir systématiquement des résultats précis et pertinents avant de gagner la confiance des entreprises.
Mais ce n’est pas tout. Sans vouloir être pessimiste pour SnowWork, c’est l’adoption de l’IA en entreprise elle-même qui est généralement faible. D’après les données d’Alice Labs, à peine 20 % des sociétés dans le monde ont implanté l’IA dans leurs processus métiers.
L’adoption est particulièrement faible dans les petites structures (17 %), contre autour de 55 % dans les grandes.
Restez à la pointe de l'information avec LEBIGDATA.FR !
- Partager l'article :
