Un dirigeant peut désormais confier à un agent d’IA une mission complète, plutôt qu’une simple question. La nouvelle version de Genie, présentée par Databricks le 11 novembre 2026, suit l’avancement d’un travail, mobilise des sous-agents et sollicite une décision humaine lorsque cela devient nécessaire. Cette évolution déplace l’IA du rôle d’outil de recherche vers celui de collaborateur opérationnel.
L’enjeu dépasse la productivité individuelle. Avec Genie Ontology, Databricks cherche à donner aux agents une compréhension partagée des définitions, des indicateurs, des équipes et des processus propres à chaque entreprise. Unity Gateway ajoute des garde-fous pour contrôler les usages et les coûts. Le management moderne pourrait ainsi s’organiser autour d’agents capables de surveiller les signaux faibles, préparer les décisions et exécuter une partie du travail, tout en laissant aux responsables l’arbitrage final.
Genie passe de l’assistant conversationnel au collaborateur autonome
La mise à jour annoncée par Databricks transforme Genie en agent capable de traiter des missions complexes en plusieurs étapes. Au lieu de répondre uniquement à une demande ponctuelle, il peut prendre en charge un objectif, suivre sa progression, repérer les informations manquantes et revenir vers un responsable lorsqu’une décision humaine est requise.
Cette logique correspond à la définition opérationnelle d’un agent d’IA, un système qui ne se contente pas de produire du texte, mais planifie des actions, utilise des outils et adapte son travail en fonction des résultats obtenus. Genie peut également déléguer certaines étapes à des sous-agents, ce qui rapproche son fonctionnement de celui d’une équipe organisée autour d’une mission.
À retenir : Genie ne se limite plus à fournir une réponse. Il peut porter un travail dans la durée, avec un suivi, des relances et des points de validation.
Databricks présente cette évolution comme un modèle « always-on », c’est-à-dire un agent disponible en continu pour suivre des indicateurs ou exécuter des tâches planifiées. Un dirigeant peut par exemple lui demander de surveiller l’évolution du chiffre d’affaires, de repérer les demandes récurrentes des clients et de produire chaque semaine une synthèse des changements observés.
Cette capacité modifie la relation entre le manager et les données. Jusqu’ici, l’analyse dépendait souvent d’une demande adressée à une équipe de données, d’un tableau de bord existant ou d’une réunion de revue. Avec un agent autonome, le suivi peut devenir permanent et déclenché par les événements, plutôt que limité aux rendez-vous inscrits dans l’agenda.
L’ontologie devient la mémoire métier de l’entreprise
La principale difficulté des agents en entreprise n’est pas seulement leur capacité à raisonner. Ils doivent aussi comprendre ce que signifient les données utilisées, quelles définitions font autorité et comment les indicateurs s’insèrent dans l’organisation. Databricks répond à ce problème avec Genie Ontology, une couche de contexte qui relie les définitions, les métriques, les personnes, les processus et les relations entre les éléments de l’entreprise.
L’ontologie s’appuie notamment sur les tableaux de bord, les requêtes, les notebooks et les connexions aux structures organisationnelles. Elle peut ainsi construire une représentation du fonctionnement réel de l’entreprise à partir des actifs déjà utilisés par les équipes.
Databricks indique que Genie Ontology est construite par des agents, puis gouvernée par des personnes. Les équipes peuvent établir des définitions de référence dans Unity Catalog. L’algorithme OntoRank donne la priorité à ces définitions afin que les agents utilisent une compréhension cohérente du métier.
Cette architecture répond à un risque courant des projets d’IA : deux équipes peuvent employer le même mot pour désigner des réalités différentes. Le terme « client actif », par exemple, peut dépendre d’une période, d’un contrat ou d’un événement précis. Si l’agent ne connaît pas la définition validée par l’entreprise, une réponse techniquement plausible peut devenir inutilisable pour la décision.
Pourquoi le contexte compte davantage que la conversation
Un grand modèle de langage peut produire une réponse claire sans comprendre les règles internes de l’organisation. Il peut confondre une métrique financière avec une métrique commerciale, interpréter un changement saisonnier comme une alerte ou recommander une action incompatible avec une procédure existante.
Genie Ontology vise à fournir ce contexte horizontal. L’agent ne travaille plus seulement sur une table ou un document isolé. Il peut relier les indicateurs aux équipes concernées, aux processus applicables et aux définitions considérées comme officielles.
Le rôle du manager évolue alors lui aussi. Il ne s’agit plus uniquement de demander une analyse, mais de contrôler la qualité du contexte qui permet à l’agent d’agir. La gouvernance des définitions devient une condition directe de la qualité des décisions automatisées.
Les usages de direction passent de la présentation à l’enquête
Les démonstrations associées à Genie montrent des usages qui touchent directement le travail des dirigeants. Ali Ghodsi, cofondateur et directeur général de Databricks, a notamment présenté une analyse des résultats d’une enquête de satisfaction des employés. Genie identifie les domaines dans lesquels l’entreprise obtient de moins bons résultats, puis aide à évaluer les solutions proposées par des responsables.
L’intérêt ne réside pas uniquement dans la production d’un résumé. L’agent peut rapprocher les réponses, repérer les thèmes récurrents et aider à comparer plusieurs pistes d’action. Le dirigeant reçoit ainsi une première lecture structurée d’un sujet qui aurait auparavant exigé une analyse manuelle et plusieurs échanges entre équipes.
Genie est également utilisé pour résumer des présentations commerciales et préparer des interviews. Ces tâches ont un point commun : elles demandent de rassembler des informations dispersées, d’en extraire les éléments importants et de préparer une décision ou une prise de parole.
Trois familles de tâches particulièrement adaptées
- Surveillance des signaux métiers : suivi du chiffre d’affaires, des demandes clients ou des indicateurs de satisfaction, avec production de synthèses régulières.
- Préparation des décisions : analyse d’enquêtes, comparaison de recommandations et mise en évidence des points nécessitant un arbitrage.
- Préparation opérationnelle : résumé de présentations commerciales, collecte d’informations et préparation d’interviews ou de réunions.
Ces usages ne suppriment pas le rôle du dirigeant. Ils réduisent surtout le temps consacré à la collecte, au tri et à la première synthèse. La valeur se déplace vers la formulation de la question, l’examen des éléments probants et le choix final.
Cette distinction est essentielle. Un agent peut préparer une décision sans devoir la prendre seul. Le management assisté par l’IA repose donc moins sur une délégation totale que sur une séparation plus nette entre l’instruction, l’analyse, l’exécution et l’approbation.
La responsabilité managériale se déplace vers les règles d’action
Quand l’IA répond à une question, le risque principal porte sur l’exactitude de la réponse. Quand elle exécute une mission, le risque s’étend aux actions entreprises, aux systèmes consultés et aux personnes affectées. Un agent autonome doit donc savoir ce qu’il peut faire, dans quel périmètre et avec quelle validation.
Genie One combine un agent autonome, des connexions MCP, des tâches planifiées et des compétences partageables. Databricks indique que certaines actions peuvent être soumises à l’approbation d’une personne. Cette possibilité permet de réserver la validation humaine aux opérations sensibles, tout en automatisant les étapes répétitives.
Le manager doit alors définir plusieurs niveaux de délégation :
- les informations que l’agent peut consulter ;
- les outils et applications auxquels il peut se connecter ;
- les actions qu’il peut exécuter sans validation ;
- les actions qui exigent une approbation ;
- les conditions qui déclenchent une alerte ou une escalade.
Cette organisation ressemble davantage à une politique de délégation qu’à un simple réglage logiciel. Elle doit être compréhensible par les équipes, révisée lorsque les processus changent et alignée sur les responsabilités existantes.
À retenir : plus l’agent est autonome, plus la qualité des règles d’approbation devient déterminante. L’autonomie technique ne dispense pas de responsabilité organisationnelle.
Le modèle peut aussi renforcer la traçabilité. Une mission confiée à l’agent peut être suivie étape par étape, avec les informations utilisées, les actions réalisées et les points soumis à validation. Pour les directions, cette visibilité est aussi importante que la rapidité d’exécution.
Unity Gateway place le coût au centre du pilotage
L’autonomie des agents augmente le nombre de requêtes, d’appels aux outils et d’étapes de raisonnement. Sans contrôle, une mission qui semble simple peut mobiliser plusieurs modèles et de nombreuses opérations. Databricks présente Unity Gateway comme un moyen de fixer des limites d’usage et de remplacer les modèles afin de mieux maîtriser les dépenses liées aux agents IA.
Cette fonction introduit une dimension financière dans la gouvernance agentique. Les équipes peuvent encadrer la consommation, définir des règles d’utilisation et choisir des modèles adaptés à la complexité des tâches. Une opération de classement ou de synthèse courte n’a pas nécessairement besoin du même modèle qu’une analyse multi-étapes nécessitant des connexions à plusieurs systèmes.
Le contrôle des coûts devient donc une responsabilité du management, et non seulement de l’équipe informatique. Les dirigeants doivent pouvoir relier les dépenses d’IA aux missions exécutées, aux services bénéficiaires et aux résultats obtenus.
Le pilotage ne se limite pas au prix d’un modèle
Le coût total d’un agent comprend plusieurs composantes :
- les appels aux modèles ;
- les recherches dans les données de l’entreprise ;
- les connexions aux outils et aux applications ;
- l’exécution répétée des tâches planifiées ;
- les contrôles humains nécessaires avant certaines actions.
Un agent moins cher par requête peut devenir plus coûteux s’il multiplie les étapes ou produit des résultats nécessitant une vérification importante. À l’inverse, un modèle plus puissant peut être pertinent pour une décision à fort enjeu si la qualité obtenue réduit les reprises manuelles.
Unity Gateway s’inscrit dans cette logique de choix et de contrôle. Le but n’est pas de réduire mécaniquement chaque dépense, mais d’éviter que l’autonomie des agents ne rende la consommation impossible à prévoir.
Les agents réduisent les silos entre données et fonctions
Le management moderne dépend souvent d’informations réparties entre les ventes, les ressources humaines, le support, la finance et les opérations. Chaque équipe possède ses propres tableaux de bord, définitions et habitudes d’analyse. Un agent doté d’un contexte transversal peut rapprocher ces informations sans exiger que chaque responsable maîtrise les systèmes sous-jacents.
Genie Search complète Genie Ontology en permettant de rechercher des informations dans l’environnement de données et les systèmes métiers, avec un contexte gouverné. Le dirigeant peut ainsi formuler une demande en langage naturel et obtenir une réponse qui s’appuie sur plusieurs sources de l’organisation.
L’exemple de Webmotors illustre cette orientation. L’entreprise a organisé 26 Genie Agents consacrés à des domaines comme le chiffre d’affaires B2C, l’attrition client, le suivi des remboursements et les indicateurs des concessionnaires. Ces agents sont utilisés par des collaborateurs non techniques dans sept départements, qui peuvent poser des questions en portugais et affiner leurs analyses sans écrire de SQL.
Webmotors a également augmenté le nombre de tableaux de bord compatibles avec Genie, de 88 à 154 entre mai et août 2026. Cette progression montre une évolution importante : l’agent n’est pas nécessairement un outil séparé du système décisionnel. Il peut être intégré aux visualisations et devenir une interface supplémentaire pour interroger les mêmes informations gouvernées.
Une nouvelle interface pour les managers non techniques
L’accès en langage naturel abaisse la barrière d’entrée de l’analyse de données. Un responsable commercial peut demander une comparaison par segment, un responsable des opérations peut interroger les écarts d’exécution et un responsable des ressources humaines peut analyser les thèmes d’une enquête.
Cette accessibilité ne rend pas la gouvernance facultative. Plus les utilisateurs peuvent interroger directement les données, plus les définitions, les permissions et la traçabilité doivent être solides. L’agent simplifie l’accès, mais il ne remplace pas le contrôle de la qualité des données.
Ce que Genie change dans l’organisation du travail
L’arrivée d’agents toujours actifs modifie la répartition du temps entre les managers et leurs équipes. Une partie du travail préparatoire, auparavant effectuée par des analystes ou des assistants, peut être confiée à des agents spécialisés. Les collaborateurs peuvent alors consacrer davantage de temps à l’interprétation, à la relation et à l’exécution des décisions.
Cette évolution ne signifie pas que toutes les tâches deviennent automatiques. Les missions les plus adaptées sont celles qui comportent des étapes répétitives, des sources identifiables et des règles de validation claires. Les décisions qui reposent sur une relation humaine, une responsabilité juridique ou un arbitrage politique restent plus difficiles à déléguer intégralement.
Le rôle du manager devient plus proche de celui d’un chef d’orchestre. Il définit les objectifs, fixe les limites, contrôle les résultats et tranche les exceptions. L’agent fournit une capacité d’analyse et d’exécution, mais la direction conserve la responsabilité du cap et des conséquences.
Les compétences qui gagnent en importance
- Définir un objectif exploitable : une mission précise produit un meilleur résultat qu’une demande vague.
- Évaluer la qualité des preuves : le manager doit distinguer une tendance solide d’une corrélation fragile.
- Concevoir des règles d’approbation : chaque action sensible doit avoir un niveau de contrôle adapté.
- Maintenir les définitions métier : une ontologie utile doit suivre l’évolution de l’organisation.
- Mesurer la valeur créée : le temps économisé doit être comparé à la qualité, au coût et au risque.
Ces compétences déplacent la formation managériale. La maîtrise d’un outil particulier compte moins que la capacité à encadrer un système qui agit sur plusieurs étapes et plusieurs applications.
Notre avis : Genie ouvre la phase du management supervisé par des agents
Genie représente une évolution crédible du logiciel décisionnel parce qu’il combine trois éléments souvent séparés : un agent capable de mener une mission, une ontologie qui fournit le contexte métier et une couche de gouvernance destinée aux actions et aux coûts. Cette combinaison répond à deux obstacles concrets de l’IA en entreprise, la compréhension du contexte et le contrôle de l’autonomie.
L’apport le plus important ne réside pas dans la conversation en langage naturel. Il se trouve dans la continuité du travail : suivre un indicateur, analyser une enquête, préparer une synthèse, relancer une étape manquante et demander une validation au moment opportun. Pour les dirigeants, cette continuité peut réduire la distance entre les données disponibles et les décisions prises.
La limite principale est organisationnelle. Un agent ne peut pas compenser des définitions contradictoires, des données mal gouvernées ou des responsabilités floues. Les entreprises qui obtiendront les meilleurs résultats seront celles qui traiteront Genie comme un membre numérique soumis à des règles précises, et non comme une boîte noire à qui l’on délègue indistinctement le travail.
Dans les six prochains mois, la question décisive ne sera donc pas de savoir si les agents peuvent accomplir davantage de tâches. Elle sera de déterminer quelles décisions une entreprise accepte de leur confier, avec quelles preuves, quelles limites et quel niveau d’approbation. Le management va-t-il conserver des réunions de suivi hebdomadaires, ou laisser des agents les remplacer par une surveillance continue et des arbitrages déclenchés uniquement lorsque les signaux l’exigent ?