L’Actualité de la donnée de Mars 2026

Une vive impression d’accélération nous gagne. Une impression d’être empêché de penser. Alors même que de nouvelles tensions internationales cristallisent nos rapports, les avancées de l’IA nous obligent encore et encore à repenser dès à présent notre activité.

Il est utile d’identifier et prendre des mesures face aux impacts à long terme et ce dès à présent. Par contre, il ne faut pas s’y tromper. À court terme, les organisations n’ont pas massivement adopté l’IA, ce qui donne du temps pour s’y préparer.

Dans un pareil monde, il va vite être utile de mettre à plat les fondamentaux. La donnée. La valeur ultime que vous tirerez de l’IA consistera à avoir une sorte de “cerveau” de votre organisation. Je ne parle pas des automatisations que vous pouvez d’ores et déjà exploiter. Je parle bien de consolidation de données.

Autrefois, on construisait des data warehouse, même des lakehouses, mais il va maintenant être question de construire des Knowledge Lakehouse. Allez ! Osons des néologismes : “Knowledgehouse”.

Avant que cela n’advienne, la souveraineté est toujours au cœur des préoccupations. Regardons Outre-Rhin, l’État allemand sort une stack large de logiciels open source et libres afin de garantir une souveraineté basée sur des standards. Ce qui est bien avec cette initiative, c’est qu’elle reconnaît cette nécessité de “commun” sur lesquels des entreprises peuvent contribuer et offrir leurs services.

Une telle expertise, couplée à un repositionnement de l’activité, viendra sans doute protéger de l’obsolescence dont les entreprises pourraient elles-mêmes être victimes. Bruno Patino, directeur de la chaîne de télévision ARTE, pose la question dans son dernier livre.

Je ne sais pas ce qu’en pense Yann Le Cun ! Il vient de lever près d’un milliard d’euros afin de proposer des services sur des modèles “world model” qui savent tenir compte du monde physique qui nous entoure.

Nous vous le répétons une fois encore : investissez dans les fondamentaux ! Pour comprendre vos données, vous aurez besoin de leur traçabilité. Le sujet revient dans les solutions de métadonnées dans Apache Iceberg™ avec les premières moutures de la version 3.

Nombre d’entités s’organisent autour d’activités dont les processus sont en quasi temps réel. C’est à cela que répond le streaming !

Les cadres qui en permettent la mise en œuvre sont heureusement de plus en plus simples. À la fois, il est question de réduire les dépendances tant en termes de librairies que de composants d’infrastructure.

Deux projets vont dans ce sens :

• Hardwood : une nouvelle librairie pour manipuler Apache Parquet, sans aucune dépendance à Hadoop. C’est Gunnar Morling, longtemps PMC sur Debezium.
• Tansu : Kafka léger et performant. Le backend c’est SQLite, PostgreSQL ou S3. Le tout tient en une commande autonome sans dépendance.

Et il faut saluer comment, au sein de la communauté Apache, les projets travaillent ensemble.

Apache Iceberg™ V3 a introduit le type « Variant ». Et bien sûr, il est question que cette propriété ait son implémentation au sein d’Apache Parquet™.

De même, les “Delete Vectors” d’Apache Iceberg™ en font aussi un sérieux prétendant au format de stockage pour le streaming.

Apache Iceberg™ est né de la volonté de faire bien mieux qu’Hadoop et de ne pas reproduire les mêmes travers. Il est fort appréciable qu’une technologie dès sa naissance ait prévu la manière même dont l’obsolescence de ses composants peut être gérée : le stockage des données, le stockage des métadonnées, les moteurs SQL…

Couplé à ses avantages propres et aux technologies connexes, cela en fait une plateforme durable, parée pour répondre au besoin de pérennité des organisations.

Pour gérer, gouverner, stocker les données sur le long terme, il est nécessaire d’orchestrer des flux de données. C’est le rôle d’Apache Airflow^®. N’est-ce pas ?

Quoi de mieux si l’on avait déjà des modèles, des structures, modules prêts à l’emploi et prêts à résoudre nos problèmes. Et que dire de dbt core qui s’arime à Apache Flink^® ! On avait déjà SQL pour le streaming avec dbt core pour Apache Flink, on franchit un nouveau pas.

Le métier du data engineering évolue résolument ! Volga, une plateforme dédiée au machine learning nouvelle génération, vient nous rappeler qu’il ne s’agit pas juste de construire un modèle ! Il est aussi question d’industrialisation.

PPLX Embed : modèles d’embedding avancés
Perplexity AI publie pplx-embed-v1 et pplx-embed-context-v1, deux familles de modèles d’embedding de texte à tester dans vos pipelines de recherche vectorielle.
https://research.perplexity.ai/articles/pplx-embed-state-of-the-art-embedding-models-for-web-scale-retrieval

OpenAI : rapport sur les abus de modèles IA
Ce PDF OpenAI détaille 10+ cas d’abus utilisant des modèles IA : scams, cyber ops, influence ops (IO), espionnage, fraudes emploi.
https://cdn.openai.com/pdf/df438d70-e3fe-4a6c-a403-ff632def8f79/disrupting-malicious-uses-of-ai.pdf

Self-Flow : entraînement scalable multimodal
Self-Flow est un cadre de recherche de Black Forest Labs (créateurs de FLUX) pour l’entraînement scalable de modèles génératifs multi-modaux (images, vidéos, audio). Cette approche améliore la cohérence temporelle, le rendu de texte et la compréhension sémantique.
  https://bfl.ai/research/self-flow

Claude Code : Code Review automatisé
Code Review est une nouvelle fonctionnalité d’Anthropic pour Claude Code, lancée en mars 2026, qui automatise les revues de pull requests GitHub via une équipe d’agents IA. Elle cible les bugs que les revues humaines manquent. Chez Anthropic, elle a fait passer les PRs avec commentaires substantiels de 16% à 54%.
https://claude.com/blog/code-review

Context Hub : documentation API pour agents IA
Context Hub est un outil open-source CLI lancé par Andrew Ng (mars 2026) pour fournir aux agents de codage (Claude Code, Cursor…) une documentation API à jour et curatée, évitant hallucinations et “agent drift”.
https://github.com/andrewyng/context-hub

Claude Opus 4.6 + Mozilla : chasse aux zero-days
Anthropic collabore avec Mozilla pour utiliser Claude Opus 4.6 dans la découverte de vulnérabilités zero-day dans Firefox, identifiant 22 bugs en 2 semaines (dont 14 high-severity). Mozilla a intégré les patches dans Firefox 148.0.
https://www.anthropic.com/news/mozilla-firefox-security