L’Actualité de la donnée de juin 2026

Et si ! Et si le smartphone participait à la dénatalité mondiale ? Et si l’IA bouleversait toutes nos activités ?

J’ai salué la sortie du Pape concernant l’IA ! J’ai peur qu’une nouvelle religion n’ait vu le jour !

Ce que j’aime avec la période que nous vivons, c’est qu’elle a remplacé l’informatique au centre. Par ailleurs, je dis maintenant que l’on ne dit plus “informatique” mais “IA” ! IA par ci, IA par là !

Pour ce qui est de la donnée, on commence à renommer aussi nos activités Agentic Data Engineering, Agentic Analytic ! Et je pense que dans tous les secteurs ce sera la même chose.

On doit désormais mettre à jour nos pratiques. Il va être temps que les organisations fassent de nouveau appel aux entreprises informatiques, pardon aux AI Transformer Entreprise ou tout simplement aux ESN pour leur mettre le pied à l’étrier. Mais, le chemin est de mieux en mieux maîtrisé.

Une chose est sûre, la nouvelle porte d’entrée : c’est le client conversationnel !

Le métier de Synaltic c’est deux choses : l’intégration de données et leur consolidation. La première activité soutient la seconde. Aujourd’hui nombre de questions s’articulent autour de l’IA. L’IA par ci, L’IA par là !

Nous répondons à peine à la question comment bien exploiter les LLM afin d’accélérer nos projets de données que nous sommes assaillis à bâbord par l’Agentic Data Engineering et à tribord par l’Agentic Analytic. L’emploie de l’IA dans les projets data montre, à la manière des projets de développement logiciel, que la productivité pour un développeur est au rendez-vous. Toutefois, la collaboration entre plusieurs individus avec l’IA au centre, ne procure pas encore d’aussi bons résultats.

C’est dans ce contexte que naît l’Agentic Analytics. Finalement un packaging d’agents, d’automatismes, d’outillage afin de produire vos analyses plus rapidement. Si les acteurs majeurs proposent bien leurs solutions, nombre de challengers veulent leur part du marché.

En France, on a Nao. J’avoue, j’ai un penchant pour Rill. D’abord, ils ont eu une vision as-code, une proposition headless BI… Mais vous savez quoi ? Dremio est dans la course ! Marc me répète que l’Agentic Analytic est tout compte fait partout !

La pratique gagne à être connue. Surtout parce qu’il nous est demandé d’aller plus vite. Cela demande aussi de s’arrêter pour comprendre comment fonctionner avec ces solutions qui nous imposent de repenser le changement pour ne pas simplement changer de pansement.

DuckDB franchit un mur

DuckDB 1.5.3 est sorti ce 29 mai 2026 ! Ce n’est pas une release classique avec de simples corrections ; c’est une version qui ouvre sur nombre de fonctionnalités !

Quark , c’est un protocole écrit de zéro. DuckDB sait fonctionner maintenant en client-serveur ! Ce n’est plus juste un client-moteur ; les cas d’usage offerts grandissent vertigineusement !

Et surtout, cela fait de DuckDB une solution de plus en plus pour l’entreprise ! Et pour ceux qui doutaient de son efficacité face à Apache Spark™, il y a effectivement des traitement qui gagneraient à être simplifié avec DuckDB.

Ce que je trouve fascinant dans le métier de la donnée, c’est qu’il faut toujours des outils pour toujours en traiter toujours plus. Cela ne s’arrête jamais. On est passé de la commande, au suivi client, à l’analyse web, à l’analyse de données mobile, et aujourd’hui à l’analyse de l’activité des agents IA. On va toujours plus fin.

C’est pour ça que l’on doit toujours identifier des outils plus performants, qui font plus avec moins de ressources. Ce mois-ci, Stripe raconte Docdb pour gérer ses transactions de paiement qui frôlent littéralement le Trillion-Dollar. La communauté Postgresql n’est pas en reste. Je crois bien que l’on frôle une extension par jour.

Et enfin, des voix présentent de plus en plus Apache Iceberg™ pour le streaming. Rappellons aussi qu’Apache Iceberg™ n’est pas que pour la grosse boîte ! Les caractéristiques intrinsèques d’Iceberg pose d’emblé un socle pour la gestion long terme de vos données.

Plusieurs études récentes montrent que les systèmes multi‑agents semblent plus performants lorsqu’on les compare naïvement. Mais cet avantage disparaît presque entièrement dès qu’on impose une contrainte simple : le même budget de calcul pour tout le monde.

Lorsque les architectures multi‑agents doivent répartir leur budget entre plusieurs étapes ou plusieurs agents, leurs performances chutent et deviennent comparables et parfois inférieures à celles d’un système mono‑agent qui utilise l’intégralité du budget sur une seule trajectoire de raisonnement.

Autrement dit, les gains observés dans les approches multi‑agents proviennent surtout de l’augmentation des ressources, et non d’une supériorité intrinsèque de l’architecture. Sur des tâches de raisonnement complexe, les modèles mono‑agents restent donc très compétitifs, voire meilleurs, lorsqu’on compare à ressources égales.