Snowflake Expedition 2026 : les agents IA entrent en production, la DSI garde la main sur les accès et la facture.

Data / IA

Snowflake Expedition 2026 : six annonces pour mettre les agents au travail

Par Laurent Delattre, publié le 19 novembre 2026

Après les agents présentés au Summit de juin, Snowflake s’attaque à leur exploitation : automatiser les tâches, partager le contexte métier, contrôler les actions et contenir les dépenses. Une offensive cohérente, mais évidemment très disputée par Databricks et les hyperscalers. Voilà ce qu’il faut retenir de la conférence « Expedition 2026 ».

Début novembre, Snowflake organisait sa nouvelle conférence Expedition 2026, qui succède désormais à sa conférence BUILD dédiée aux développeurs et dont le nom était trop similaire à la Build de Microsoft. Ce changement de nom traduit surtout un élargissement du public visé dans un monde où l’IA redéfinit le rôle des développeurs et fait de chacun d’entre nous de potentiels codeurs (ou plutôt no-codeurs). Ainsi, avec Snowflake Expedition, l’éditeur vise désormais bien plus directement les métiers. Logique. Avec l’IA agentique, construire une solution devient bien plus l’affaire de compétences métiers que d’ingénieurs en informatique.

Reste que cette première « Expedition » s’inscrivait mécaniquement dans la suite logique du Snowflake Summit de juin dernier. Une conférence qui avait posé les fondations de l’IA agentique au cœur de la data platform avec les annonces de CoWork (l’agent personnel des utilisateurs métier), CoCo (l’agent de codage des équipes data), Cortex Sense (la brique qui déduit le contexte métier à partir des usages) et Horizon Context (la couche de contexte métier gouverné du catalogue Horizon).  

À l’occasion d’Expedition 2026, Snowflake a surtout cherché à préciser comment les faire travailler ensemble. Le directeur général de Snowflake, Sridhar Ramaswamy, résume le cahier des charges en trois points. Un agent doit savoir « ce que signifient les données, à quelles données se fier et ce qu’il est autorisé à faire ». Et ces trois exigences éclairent les principales annonces de cette conférence.

1. CoCo et CoWork : de la conversation au travail continu

Les deux environnements d’assistance IA agentique de Snowflake, CoCo, destiné aux équipes data, et CoWork, tourné vers les métiers, gagnent des automatisations récurrentes (comme la surveillance intelligente des pipelines), une mémoire et des compétences partageables. Les intégrations Slack et tableurs, en préversion publique, rapprochent les agents des usages quotidiens. 

CoCo quitte la machine du développeur et du data scientist pour s’étendre dans le cloud via des Cloud Agents qui en permettent l’exécution dans des conteneurs managés par Snowflake. Avantage, ces derniers continuent de bosser même quand l’ingénieur éteint son ordinateur ou se déconnecte.

Plus ambitieux, les nouveaux CoCo Bots et CoWork Bots, des agents permanents, savent travailler en arrière-plan et en continu à partir d’un objectif, avec les droits de l’utilisateur qui les lance. Ils ne sollicitent ce dernier que pour une approbation ou pour une décision qui ne leur appartient pas. Leur préversion privée reste néanmoins à venir.

La tendance dépasse Snowflake : Databricks a annoncé le 11 novembre un Genie « toujours actif » qui ressemble furieusement à ces Bots. Microsoft a son Copilot Cowork et Copilot Autopilot. Une tendance qui montre que l’usage agentique se démocratise et se diversifie, notamment vers les métiers, et pose désormais le défi de la délégation du travail à l’IA. Pour les DSI, le test va vite devenir concret et demander de surveiller des indicateurs nouveaux avec à la clé une question centrale : combien de tâches aboutissent sans reprise humaine, avec quelles permissions et à quel coût ?

2. Business Ontology : les agents doivent parler le même métier

Business Ontology ajoute à Horizon Context un référentiel de concepts validés. L’idée est très en vogue. Objectif, fournir un dictionnaire officiel de l’entreprise sur lequel les agents peuvent s’appuyer pour parler le même langage que les humains. Un même terme métier a souvent plusieurs définitions contradictoires selon les systèmes et les équipes. Business Ontology règle le problème. L’entreprise fait approuver une définition officielle, la relie aux tables et vues de données concernées, désigne son responsable et garde l’historique de chaque modification. Prenons l’exemple d’un « revenu net » : qu’est-ce qu’il signifie pour le métier, qui approuve sa définition, quelles données le matérialisent ? L’ontologie fixe le sens, les vues sémantiques portent le calcul et Cortex Sense exploite le contexte implicite.

Ce terrain devient stratégique. Microsoft a ainsi encore développé sa couche « Microsoft IQ » à l’occasion d’Ignite 2026, qui fournit contexte et ontologie via Work IQ (le contexte du travail : documents, conversations, collaboration et décisions passées), Fabric IQ (l’état de l’entreprise : entités métier, relations, actions et règles), Foundry IQ (le savoir interne : politiques, documents de référence et bases de connaissances) et Web IQ (le contexte du web : actualités, images et vidéos). Databricks vient de rendre Genie Ontology généralement disponible. 

Snowflake est clair : ce qu’un humain a validé passe avant ce que l’agent croit deviner. Le choix est effectivement judicieux. Mais soyons lucides : une ontologie ne règle pas, à elle seule, les désaccords entre directions métier. Elle force surtout à les trancher, et à désigner quelqu’un qui en répond.

3. Cortex AI Gateway : gouverner les actions et la facture

Tout ceci est bien beau. Mais en pratique, le besoin le plus immédiat des DSI est un besoin de contrôle. Les DSI doivent pouvoir décider qui utilise quels modèles d’IA, garder une trace des requêtes et plafonner les dépenses par utilisateur.
Ces trois besoins sont désormais réunis au sein de Cortex AI Gateway et disponibles dès à présent. Dit autrement, avec Cortex AI Gateway, Snowflake donne à la DSI un poste de pilotage unique pour autoriser l’accès aux modèles d’IA, tracer leur utilisation et éviter qu’un agent ne fasse déraper la facture. Elle sert de porte unique pour tous les agents et permet d’appliquer les mêmes politiques d’accès quel que soit le fournisseur de modèles.

Et ce n’est qu’un début. Snowflake a également annoncé l’extension de sa Gateway aux outils MCP (la fonction est en préversion publique) mais aussi aux environnements d’exécution isolés, à la détection des abus et au routage dynamique des modèles, autant de fonctions qui ne sont pour l’instant qu’en préversion privée.

Christian Kleinerman, vice-président exécutif produit, donne un exemple de règle appliquée chez Snowflake via sa Gateway : « Typiquement, nous autorisons les agents à envoyer des e-mails à des destinataires internes. Mais dès qu’il y a un destinataire externe, l’agent crée un brouillon qu’une personne doit relire puis envoyer. » C’est la Cortex AI Gateway qui se charge de détecter les actions de l’IA et de faire appliquer la règle.

Ce type de garde-fou se popularise au sein de toutes les plateformes agentiques. Ainsi, Databricks dispose de son « Unity Gateway » alors qu’AWS propose sa gateway AgentCore depuis près d’un an.

L’agent devient un composant à surveiller, autoriser et auditer. L’intérêt de Snowflake tient à la réutilisation de sa gouvernance data. Mais une passerelle ne surveille que les flux qui la traversent. Pour les RSSI, la couverture réelle des outils tiers et la prévention des contournements compteront davantage que la longueur du catalogue de protections.

4. Des pipelines qui préparent leurs réparations

CoCo Cloud Agents et Automations peuvent exécuter des contrôles récurrents, analyser un échec et préparer une correction.
Pipeline Builder couvre l’autre bout de la chaîne : la construction. Dans un éditeur visuel, l’utilisateur vient relier les étapes d’un pipeline ou demande à CoCo de le faire. En préversion publique, l’outil ajoute ainsi une orchestration visuelle.

L’association de Pipeline Builder à CoCo Cloud Agents et Automations permet d’obtenir une boucle complète et cohérente pour construire, surveiller et réparer. « Diagnostiquer une panne de pipeline, c’est là que part une grande partie du temps », rappelle Christian Kleinerman, en s’appuyant sur les retours des équipes data clientes.

Là encore, Snowflake cherche d’abord à s’aligner sur la concurrence. Typiquement, Google propose déjà un Data Engineering Agent dans BigQuery. Mais Snowflake pousse ici davantage le discours vers la maintenance autonome.

5. Le temps réel pour alimenter les agents

L’ère du batch est morte. L’ère agentique a besoin de vérité instantanée, de temps réel. Côté ingestion, Snowpipe Streaming avec Elastic Channels fait entrer les données directement dans Snowflake, en s’adaptant automatiquement au volume, jusqu’à 20 Go par seconde et par table.
Côté exploitation, Interactive Analytics sert des réponses en temps réel aux applications et aux agents, sans base de service distincte, y compris quand les requêtes arrivent en nombre. 

Ces deux briques sont disponibles. Snowflake les complète avec deux annonces à venir. Datastream, attendu en préversion publique, recevra directement les flux des applications qui parlent Kafka, un protocole très répandu pour faire circuler des événements, sans courtier ni connecteur à gérer. Streaming Transformations, en préversion privée, transformera ces événements en SQL dès leur arrivée.

Face à Fabric Real-Time Intelligence de Microsoft, l’enjeu est de réduire les systèmes intermédiaires entre ingestion et exploitation. Interrogé sur la dépendance à Snowflake, Christian Kleinerman fait valoir que la compatibilité avec le protocole Kafka facilite le remplacement de Datastream sans réécrire les applications clientes.

6. Cortex Training : personnaliser les modèles sans gérer les GPU

Les petits modèles spécialisés et fine-tunés avec les données de l’entreprise sont souvent plus pertinents et évitent bien des dérives d’agents IA. En préversion publique, Cortex Training permet d’adapter des modèles à poids ouverts aux données de l’entreprise, notamment par apprentissage par renforcement, avec une infrastructure gérée par Snowflake. 

AWS propose déjà le reinforcement fine-tuning dans Bedrock et au-delà avec Nova Forge. Mistral AI offre depuis longtemps le fine-tuning de ses modèles mais dispose aussi d’un studio Forge pour réentraîner les modèles avec les jeux et règles propres à chaque entreprise. À Ignite, Microsoft a annoncé que les entreprises peuvent licencier les poids de ses modèles MAI pour les conformer à leurs besoins. La personnalisation des modèles se simplifie, se démocratise et s’industrialise. Snowflake met bien évidemment en avant le haut niveau d’intégration offert par sa plateforme qui rapproche ainsi entraînement, données et gouvernance pour une meilleure maîtrise des données et des coûts.

Au final, ce Snowflake Expedition 2026 trace les contours d’une IA agentique qui entre dans l’exploitation quotidienne. Dès 2027, les DSI pourront confier à des agents IA la surveillance de leurs pipelines de données, le diagnostic des pannes et la soumission des correctifs aux ingénieurs d’astreinte. Avec l’idée de ramener au sein de la même data platform, du même environnement des tâches qui mobilisent aujourd’hui plusieurs outils et plusieurs équipes.

Néanmoins, comme ses concurrents, Snowflake donne bien peu de repères sur le coût de cette agentification et le coût des tâches menées à bien (avec essais, reprises humaines et maintien à jour des données et règles métier), ainsi que sur les limites réelles de ces systèmes automatisés. Que se passe-t-il quand des agents s’exécutent sans erreur mais produisent des données fausses, ou quand l’un d’eux déclenche une action erronée dans une autre application ? Comment contrôler, arrêter, tracer les décisions et réparer les dégâts ? Les éditeurs nous vendent tous du rêve autour de technologies pas aussi matures qu’ils le prétendent. C’est aussi sur ce terrain que les DSI devront juger pour départager les plateformes en 2027. Avec en parallèle une question qui devrait déclencher bien des grimaces chez leurs interlocuteurs : combien cela me coûtera de reprendre ailleurs les processus agentiques (avec leurs règles et historiques) définis sur telle plateforme ?

À LIRE AUSSI :

À LIRE AUSSI :

À LIRE AUSSI :

Dans l'actualité