L’IA qui transforme le business ?
Stratégies, mouvements et levées IA décryptés, 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 renforce ses agents IA avec l'acquisition stratégique de Quotient AI
La société américaine Databricks a récemment annoncé l'acquisition de Quotient AI, une startup innovante spécialisée dans l'évaluation et l'entraînement des agents d'intelligence artificielle. Cette opération vise à intégrer les technologies avancées de Quotient AI dans les solutions existantes de Databricks, telles que Genie et Agent Bricks. L'objectif est de permettre aux entreprises de mieux surveiller et comprendre le comportement de leurs agents IA une fois qu'ils sont déployés en production.
Pourquoi Databricks a choisi Quotient AI ?
Aujourd'hui, créer un prototype d'agent d'IA est devenu relativement accessible. Cependant, garantir la fiabilité de ces systèmes dans des environnements métiers complexes reste un défi majeur. Dion Hinchcliffe, du cabinet The Futurum Group, souligne que les responsables informatiques se posent souvent des questions cruciales une fois les agents en production : pourquoi un agent a-t-il pris une décision particulière ? Sera-t-il cohérent dans ses actions futures ? Respecte-t-il les règles internes et les obligations de conformité ?
C'est précisément pour répondre à ces interrogations que Quotient AI a été fondée. Databricks a expliqué dans un communiqué que Quotient AI comble un vide important dans l'écosystème de l'IA, celui de l'évaluation continue et de l'apprentissage des agents en situation réelle. La startup propose des outils sophistiqués qui offrent des cadres d'évaluation précis et des boucles d'apprentissage par renforcement. Ces outils permettent de mesurer les performances des agents, d'identifier les défaillances et d'améliorer leur comportement dans des environnements réels.
Une approche révolutionnaire
Stephanie Walter, responsable de la pratique IA chez HyperFRAME Research, a mis en avant l'intérêt principal de l'approche de Quotient AI : sa spécialisation. Il ne s'agit pas simplement d'un apprentissage par renforcement générique, mais d'une technologie adaptable à des contextes très précis. Dans une entreprise, il ne suffit pas d'apprendre à un agent IA à accomplir une tâche de manière générale. Les systèmes informatiques sont souvent complexes, avec des architectures de données spécifiques, des règles internes strictes et des obligations de conformité. Le système de Quotient AI permet d'entraîner un agent pour qu'il fonctionne selon les règles propres à l'entreprise, réduisant ainsi le risque d'erreur technique et de non-conformité.
L'expertise de Quotient AI a déjà été reconnue sur le marché. Selon Ashish Chaturvedi de HFS Research, l'équipe de la startup a contribué à améliorer la qualité de GitHub Copilot, l'un des rares outils d'IA largement utilisés à grande échelle dans les entreprises.
La fiabilité des agents d’IA : un défi partagé
L'acquisition de Quotient AI s'inscrit dans une stratégie plus large de Databricks visant à renforcer la fiabilité des agents d'IA à grande échelle. Plus tôt cette année, l'entreprise avait déjà introduit une approche de récupération guidée, selon InfoWorld, pour améliorer l'exploitation des données internes par les systèmes d'IA.
Plus récemment, Databricks a dévoilé KARL, un agent de connaissance d'entreprise capable d'affiner ses réponses grâce à des retours d'expérience et à un apprentissage par renforcement personnalisé. Cependant, Databricks n'est pas le seul acteur à relever ce défi. D'autres entreprises du secteur des plateformes de données s'attaquent aux mêmes problèmes.
Par exemple, Snowflake propose ses propres outils d'évaluation avec Cortex Agent Evaluations et son framework Agent GPA. Teradata adopte une approche différente avec son Enterprise AgentStack, qui met l'accent sur la gouvernance, le contexte métier et les déploiements hybrides.
L'écosystème continue de s'élargir. Dataiku a développé des intégrations d'évaluation autour de Snowflake Cortex. Le monde open source propose également des alternatives, notamment avec LangSmith issu de l'écosystème LangChain.
Les géants du cloud, tels qu'Amazon Web Services, Google et Microsoft, ne restent pas inactifs. Ils développent chacun leurs propres outils d'observabilité et d'évaluation pour l'IA, soulignant l'importance croissante de ces technologies dans le paysage numérique actuel.
