Databricks a profité de son Data + AI Summit, organisé cette semaine à San Francisco, pour confirmer son virage vers l’IA agentique. L’éditeur a présenté plusieurs annonces autour de Genie One, CustomerLake, Lakebase/LTAP et de la cybersécurité, avec le projet d’acquisition de Panther. Sa ligne directrice est claire : faire de sa plateforme de données le socle d’exécution des agents IA en entreprise, en réunissant données, modèles, applications métiers et gouvernance.
Cette offensive intervient dans un contexte de très forte croissance. Databricks revendique désormais 6,9 milliards de dollars de chiffre d’affaires annualisé, en progression de plus de 80% sur un an, contre 5,4 milliards de dollars au quatrième trimestre fiscal. Ses produits d’IA représenteraient 1,7 milliard de dollars de revenus annualisés, contre 1,4 milliard en février. Avec une valorisation privée de 134 milliards de dollars, l’éditeur dépasse désormais Snowflake en valeur.
Mais cette dynamique a une contrepartie. Ali Ghodsi, le CEO de Databricks, a reconnu auprès de CNBC que la multiplication des agents, dans un modèle fondé sur la consommation, stimule les revenus mais augmente aussi les coûts d’infrastructure. Les agents génèrent davantage de requêtes et sollicitent plus fortement les services de la plateforme. Databricks ne communique pas sa marge brute actuelle, mais son dirigeant indique qu’elle est appelée à diminuer avec la montée en puissance de ces usages.
La principale annonce fonctionnelle concerne Genie One, présenté comme un « collègue agentique » pour les utilisateurs métiers. L’outil doit permettre d’interroger les données de l’entreprise, de produire documents, rapports ou tableaux de bord, mais aussi de déclencher des actions. Pour fiabiliser les réponses, Databricks mise sur Genie Ontology, une couche de contexte chargée de cartographier automatiquement les connaissances de l’organisation à partir des données, documents, applications, tickets ou conversations.
Databricks inscrit aussi ces annonces dans une logique de maîtrise des coûts IA. Selon Ali Ghodsi, les entreprises ne cherchent plus à maximiser leur consommation de tokens, mais à optimiser la valeur produite. Les grands comptes veulent utiliser les modèles les plus performants, comme Mythos d’Anthropic, pour les tâches les plus exigeantes, tout en réservant des modèles open source moins coûteux aux usages courants. Unity AI Gateway doit les aider à surveiller leurs budgets IA et à arbitrer entre modèles.
L’éditeur élargit également sa plateforme aux usages marketing avec CustomerLake, une plateforme de gestion des données clients encore en phase de test privé. L’offre doit permettre de regrouper dans le Lakehouse les données clients, l’identification des profils, la création de segments, le pilotage des campagnes, les modèles d’IA et les agents. Databricks veut ainsi répondre aux limites des outils marketing dispersés, qui entraînent de multiples copies de données et rendent plus difficile l’automatisation des campagnes.
Sur l’infrastructure, Lakebase et l’approche LTAP, pour Lake Transactional/Analytical Processing, doivent rapprocher traitements transactionnels, analytiques, streaming et opérationnels sur une copie unique des données. Databricks promet ainsi de réduire les pipelines ETL et les réplications entre bases opérationnelles et environnements analytiques. Lakebase serait déjà utilisé par plusieurs milliers de clients et gérerait 12 millions de lancements de bases de données par jour.
Enfin, Databricks poursuit son expansion dans la cybersécurité avec le projet d’acquisition de Panther, spécialiste du SOC alimenté par l’IA. L’opération doit renforcer Lakewatch, son Security Lakehouse lancé en mars, et permettre aux entreprises d’analyser de grands volumes de données de sécurité tout en automatisant une partie des investigations. Une nouvelle illustration de l’élargissement de Databricks, qui veut dépasser son image de plateforme de données pour s’imposer comme l’un des socles opérationnels de l’IA d’entreprise.