Tu veux les meilleurs outils IA avant les autres ?
On teste et on décrypte les nouveaux outils IA chaque soir, en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Databricks introduit Genie Code, un agent IA pour les projets data
L'entreprise américaine Databricks a récemment présenté Genie Code, une nouvelle fonctionnalité d'intelligence artificielle conçue pour assister les professionnels de la donnée. Ce nouvel outil s'inscrit dans l'écosystème Genie de Databricks, qui permet déjà aux utilisateurs d'interroger leurs données et d'obtenir des réponses grâce au contexte et aux informations stockées dans Unity Catalog.
Genie Code vise à étendre cette approche aux ingénieurs et aux data scientists, qui doivent gérer des tâches techniques plus complexes avant la mise en production de projets liés aux données. L'objectif est de faciliter le développement et l'exploitation de projets analytiques.
Fonctionnalités et innovations de Genie Code
Dans le paysage actuel des outils, l'IA est souvent utilisée comme un simple assistant, générant du code ou proposant des corrections. Cependant, les équipes humaines restent responsables de la planification, de la validation et de la maintenance. Genie Code se démarque par son approche plus proactive. Cet agent IA est capable d'analyser un problème, de proposer une stratégie en plusieurs étapes, d'écrire du code et d'effectuer certaines vérifications avant le déploiement.
Genie Code peut également automatiser certaines tâches techniques, telles que la création de pipelines de données, le débogage de code, le déploiement de tableaux de bord et la maintenance des systèmes utilisés en production. L'outil est conçu pour fonctionner avec les données stockées dans la plateforme Databricks, en tenant compte d'éléments contextuels comme l'origine des données, leur usage dans l'entreprise ou certaines règles de gouvernance. Ces informations sont utilisées pour limiter les erreurs et respecter les contrôles d'accès déjà en place.
En outre, Genie Code est capable de gérer différentes étapes d'un projet de machine learning. L'agent peut préparer des expériences, déployer des modèles ou enregistrer les résultats dans MLflow, une plateforme open source utilisée pour suivre les expérimentations liées à l'apprentissage automatique.
Performances et résultats prometteurs
Selon Databricks, des essais ont été réalisés sur des cas de science des données. L'utilisation de Genie Code a permis d'augmenter le taux de réussite de certains agents de codage, passant de 32,1 % à 77,1 %. Ces résultats prometteurs illustrent le potentiel de Genie Code pour améliorer l'efficacité et la précision des projets data.
L'acquisition stratégique de Quotient AI
Dans le cadre de cette annonce, Databricks a également indiqué avoir acquis la startup Quotient AI. Cette jeune entreprise est spécialisée dans l'évaluation des systèmes d'IA et dans les techniques d'apprentissage par renforcement appliquées aux agents. Les technologies de Quotient AI permettent de mesurer la qualité des réponses produites par un agent, mais aussi de repérer des régressions et d'identifier des situations où les résultats deviennent moins fiables.
Ces informations peuvent ensuite être utilisées dans des boucles d'apprentissage par renforcement, ce qui permet d'améliorer progressivement le comportement des agents. Databricks a pour objectif d'intégrer ces outils pour suivre en continu les performances des agents d'intelligence artificielle utilisés dans la plateforme, et Genie Code ne fera sans doute pas exception, bien qu'il soit un nouveau venu.
Les fondateurs de Quotient AI possèdent déjà une expérience dans l'évaluation de systèmes de génération de code, notamment dans le cadre d'améliorations liées à GitHub Copilot.
La confiance, un enjeu majeur pour Databricks
Pour Databricks, le véritable défi ne se situe peut-être pas dans la technologie elle-même, mais dans la confiance que les entreprises accepteront de lui accorder. Les annonces autour des agents d'IA impressionnent souvent par leurs capacités, mais les professionnels du domaine restent prudents. L'étude "State of Code Developer Survey 2026" de Sonar le prouve.
Cette enquête a été menée auprès de plus de 1100 développeurs et montre que 96 % d'entre eux ne font pas totalement confiance au code généré par l'IA, même si celui-ci est de plus en plus utilisé dans les projets logiciels. Confier à une IA la création ou la modification de code est une décision sensible, surtout lorsque ce code manipule des données stratégiques.
Dans de nombreuses entreprises, les pipelines de données alimentent des tableaux de bord financiers, des outils de pilotage ou des modèles utilisés pour prendre des décisions importantes. Une modification incorrecte peut donc produire des résultats trompeurs ou provoquer des dysfonctionnements coûteux. C'est pour cette raison que les équipes techniques appliquent généralement des processus très stricts avant tout déploiement en production.
Le succès de Genie Code reposera ainsi surtout sur son aptitude à inspirer confiance aux organisations. Et ce ne sera certainement pas une mince affaire, connaissant les questions sans réponses que cette technologie soulève. Parmi ces interrogations figure : les responsables techniques pourront-ils comprendre et vérifier les décisions prises par l'IA ? Ou encore, qui sera tenu responsable si une erreur se glisse dans le processus ?
Ces questions dépassent largement la simple performance technique des modèles. Elles touchent à la gouvernance des systèmes d'information et à la responsabilité des équipes. Les entreprises devront mettre en place des mécanismes d'audit, de traçabilité et de validation humaine pour garder le contrôle.
