HaywireMedia - stock.adobe.com
DBaaS : Microsoft repeint HorizonDB aux couleurs de l’IA agentique
Microsoft profite de la disponibilité d’HorizonDB pour adapter sa distribution managée de PostgreSQL à l’IA agentique, et plus particulièrement aux usages analytiques. Selon les analystes, la DBaaS pensée pour accueillir les systèmes des clients mécontents d’Oracle, manque encore d’intégration avec le contexte des autres services du géant du cloud.
Évoquée lors de la Fabcon à Barcelone en septembre, Microsoft a enfin lancé la disponibilité générale d’Azure HorizonDB. Il a également profité de sa conférence développeur Ignite pour présenter la préversion de Fabric HorizonDB, une version de la base orchestrée depuis la plateforme de données et intégrée aux outils analytiques et agentiques.
En outre, le Database Hub, l’un des moteurs du succès de Microsoft Fabric (plus de 40 000 clients, dont un bon nombre lié à Power BI) entre en disponibilité générale. Il permet d’orchestrer et d’observer les bases de données depuis un seul environnement. En préversion, des agents IA aident à écrire des requêtes SQL et à surveiller PostgreSQL comme le lait sur le feu.
Si elle n’est pas pensée pour l’IA agentique, PostgreSQL demeure l’une des bases de données préférées des développeurs. Polyvalente, compatible avec les traitements transactionnels et analytiques, capable de prendre en charge de nombreux types de données (JSON, vecteurs, géospatial, etc.), elle a été choisie par bon nombre d’acteurs pour s’en servir comme fondation d’applications agentiques.
« Tous les grands fournisseurs s’orientent vers le même modèle : Postgres pour les données opérationnelles, un lakehouse ouvert pour l’analytique, et une couche sémantique qui fournit aux agents le contexte métier », liste Sanjeev Mohan, fondateur du cabinet d’analystes SanjMo, auprès de TechTarget. « L’avantage de Microsoft réside dans l’intégration, grâce à une connexion étroite entre la base de données, OneLake, les modèles sémantiques de Power BI, les Fabric Apps et Copilot ». Une connexion toutefois récente.
« Microsoft suit le rythme d’AWS et de Google pour proposer des technologies convergentes de bases de données et d’IA », complète Michael Ni, analyste chez Constellation Research. « Tous investissent pour rapprocher les données opérationnelles, l’analyse et l’IA. L’avantage de Microsoft réside peut-être dans la manière dont l’entreprise propose ces capacités à ses clients professionnels. […] Cela pourrait réduire le volume de travaux d’infrastructure et d’intégration nécessaires ».
D’un moyen pour attirer les clients d’Oracle à l’IA agentique
Sur la scène d’Ignite, Satya Nadella, CEO de Microsoft a quelque peu réécrit l’histoire.
« Nous repensons la couche de données », a-t-il déclaré lors de son discours d’ouverture à la conférence Ignite. « Les agents ont besoin de bases de données capables de suivre le rythme et l’échelle, tout en leur fournissant le contexte nécessaire à tous leurs raisonnements et à toutes leurs actions. C’est pourquoi nous développons HorizonDB ».
Oui, HorizonDB est pensée pour être robuste. Oui, la DBaaS prend en charge deux algorithmes vectoriels (pgvector, DiskANN), un index BM25 et un module RFF hybride pour différentes architectures RAG.
Mais, comme l’expliquaient les porte-parole de Microsoft lors de la FabCon à Barcelone, HorizonDB règle d’abord plusieurs limites rencontrées par les clients de l’hyperscalers. Il proposait jusqu’alors un service d’hébergement de Postgres, Flexible Engine, mais celui-ci est limité à 96 vCPU et ne sépare pas le calcul du stockage.
HorizonDB a donc été revu et corrigé pour atteindre 3072 vCPU, 192 par nœud de calcul, et 128 To par cluster. Des capacités avant tout nécessaires pour accueillir les données et systèmes des entreprises cherchant à se débarrasser d’Oracle. Signalons qu’HorizonDB, a contrario de la distribution PostgreSQL à charger sur Flexible Engine est propriétaire.
Néanmoins, pour Sanjeev Mohan, HorizonDB donne aux clients de Microsoft une « option Postgres faite pour la mise à l’échelle et l’agentique, pas une copie de la version communautaire ».
Fabric HorizonDB, taillée pour les applications analytiques agentiques
Pour Michael Ni, c’est l’ajout de Fabric HorizonDB qui fait la différence. « Les utilisateurs peuvent créer et gérer plus facilement des applications qui exploitent des données fiables, acceptent des entrées et répercutent les modifications dans les systèmes opérationnels », décrit-il. « Il s’agit là d’une avancée concrète pour combler le fossé entre l’analyse de l’activité de l’entreprise et la mise en œuvre des décisions découlant de cette analyse ».
Fabric HorizonDB apporte surtout une fonction serverless pour accélérer le provisionnement d’instances, mettre en pause les instances en cas d’inactivité et reprendre les traitements à la prochaine requête SQL. Ces mêmes requêtes peuvent s’exécuter directement sur Fabric Data Warehouse, sur CPU ou GPU. Les tables sont répliquées et converties au format Delta avec la fonction de mirroring. Enfin, un processus de Reverse ETL doit permettre d’enrichir les tables dans HorizonDB avec les données issues de Fabric Data Warehouse.
De plus, Fabric HorizonDB remplace SQL Fabric (Azure SQL dans Fabric) comme base de données par défaut des Fabric Apps, un back-end as a service pour créer des applications analytiques agentiques. Les deux services HorizonDB prennent en charge des modèles, des pipelines et des fonctions IA, ainsi que la visualisation orientée graphe (via Apache AGE).
Reste que les analystes remarquent l’absence de lien avec Microsoft IQ, la collection de couches sémantiques et d’ontologie qui permettra aux agents IA de disposer du contexte métier de l’entreprise enfermé dans la suite collaborative de Microsoft. D’autant qu’avant la disponibilité générale du service, les clients et les partenaires listaient encore des éléments à éprouver.
« Microsoft met en place bon nombre des éléments nécessaires [mais] le défi qui reste à relever consiste à rassembler les signaux en temps réel, l’état opérationnel actuel, le contexte métier et les politiques d’exécution pour prendre une décision spécifique », liste Michael Ni. « C’est là que les entreprises détermineront si ces capacités peuvent soutenir des opérations autonomes fiables ».
Cet article est dérivé d’une actualité parue en anglais sur TechTarget.com.
