Est-ce le prélude à un mariage en bonne et due forme ? En tout cas toutes les conditions d’un mariage de raison sont rassemblées. Dataiku, la plateforme d’IA et d’apprentissage automatique, vient d’annoncer un nouvel investissement de Snowflake Ventures, la branche de capital-risque de Snowflake, le spécialiste du Data cloud. Les deux entreprises spécialistes de la donnée et de l’IA poussent un peu plus loin leur collaboration, ou plutôt leur intégration au tour des applications d’apprentissage automatique, d’IA, d’analytique et plus généralement des sciences de la donnée.
Elles offrent des capacités d’IA prêtes pour l’entreprise et qui permettent de construire, déployer et surveiller facilement et rapidement tous les types de projets de science des données, y compris l’apprentissage automatique et l’apprentissage profond.
Une intégration de plus en plus poussée
Depuis l’annonce d’un partenariat renforcé en novembre 2020, les partenaires ont servi une liste croissante de clients avec les capacités d’apprentissage automatique et de gestion des modèles de Dataiku. En outre, Dataiku a récemment lancé Dataiku Online with Snowflake, une offre SaaS complète qui est préintégrée à Snowflake pour une intégration rapide des données et un délai de valorisation rapide.
Le nouvel investissement et le partenariat approfondi portent également sur Snowpark, un nouvelle fonction développée par Snowflake et qui permettra aux ingénieurs, scientifiques et développeurs de données d’écrire du code dans le langage de leur choix, tel que Scala, Java et Python en utilisant des concepts de programmation familiers. Puis d’exécuter des charges de travail telles que ETL/ELT, la préparation des données et l’ingénierie des fonctions sur Snowflake. Cela simplifie l’architecture informatique d’une organisation en intégrant davantage de pipelines de données dans la plateforme de données centrale unique et régie de Snowflake.
Snowpark permettra aux développeurs d’exploiter les compétences existantes, d’améliorer la productivité de l’équipe, de réduire les coûts en réduisant le nombre de systèmes dans l’architecture d’un client et d’étendre les capacités de Snowflake à d’autres cas d’utilisation de l’ingénierie et de la science des données.
