Google Cloud a annoncé un ensemble de nouveautés dans ce qu’il appelle l’Agentic Data Cloud, sa suite de bases de données, d’analytique et de catalogue de données conçue pour les agents d’intelligence artificielle (IA). Parmi les points les plus pertinents pour les équipes d’infrastructure figurent l’interconnexion avec AWS et Azure sans frais de sortie variables pour son lakehouse sur Apache Iceberg, la nouvelle édition AlloyDB Express, Spanner Omni pour les environnements locaux et multicloud, et BigQuery Graph, désormais en disponibilité générale. L’annonce a été faite par Sirish Chandrasekaran et Raj Pai, vice-présidents de Google Cloud, le 4 novembre 2026.
Les points clés de l’Agentic Data Cloud de Google en 20 secondes
- Le lakehouse Iceberg se connecte à AWS et Azure sans frais de sortie variables.
- AlloyDB Express démarre en moins de deux secondes et descend à zéro.
- Spanner Omni apporte Spanner aux environnements locaux, à l’edge et au multicloud.
- Plusieurs fonctions restent en préversion et les chiffres sont ceux de Google.
La logique de l’annonce est que les agents ont besoin d’un accès rapide à des données réparties entre plusieurs clouds, bases transactionnelles et entrepôts analytiques, et que copier ces données d’un endroit à l’autre est coûteux et lent. Google répond par plus de fédération et moins de copies. Selon l’entreprise, les données au format Apache Iceberg qu’elle gère ont plus que triplé en un an.
Un lakehouse qui n’oblige pas à déplacer les données
L’interconnexion entre clouds avec cache pour AWS et Azure est désormais disponible de manière générale : elle offre une connexion privée sans frais de sortie variables et conserve dans Google Cloud une copie locale des blocs de données distants qui sont interrogés. Le catalogue ouvert d’Iceberg se fédère avec Databricks Unity, Snowflake Horizon et AWS Glue, et Google annonce des intégrations sans copie avec SAP, Workday et Salesforce. Gemini peut travailler directement sur ce lakehouse pour que les utilisateurs interrogent en langage naturel des données issues de plusieurs clouds.
Google cite le cas de talabat, filiale de Delivery Hero, qui, selon son ingénieur Harish Ramesh, a réduit d’environ 40 % ses coûts de déplacement de données en fédérant des tables Iceberg d’Amazon S3 avec BigQuery, et a pu interroger les événements transactionnels des deux clouds quelques minutes après leur production.
AlloyDB, Spanner et BigQuery
AlloyDB, la base de données compatible avec PostgreSQL de Google, pourra interroger des tables Iceberg dans le stockage cloud sans processus ETL ni copies, et combiner dans une seule requête des données opérationnelles en direct avec l’historique du lakehouse. Google assure qu’elle est jusqu’à sept fois plus rapide sur les requêtes d’agrégation que le service PostgreSQL comparable d’Amazon, sans détailler la méthode de mesure. Elle présente en outre deux variantes en préversion :
- AlloyDB Express, une édition pour les développeurs et les agents de programmation, provisionnée en moins de deux secondes, qui se met en pause et reprend en descendant à zéro, offre une IP privée et une observabilité intégrée, et reste légère : de 1 à 2 vCPU et 20 Go de stockage.
- PostgreSQL pour agents dans AlloyDB, destiné à la production, qui permet à des milliers d’agents d’interroger des données transactionnelles en direct avec une isolation complète de la charge, des E/S inférieures à la milliseconde et plus de 3 millions de requêtes par seconde, selon Google. La capacité de calcul évolue avec les sessions de raisonnement actives et retombe à zéro au repos.
Spanner Omni, désormais disponible de manière générale, apporte la cohérence et l’échelle de Spanner aux applications hybrides dans les environnements locaux, à l’edge et sur plusieurs clouds. Côté analytique, Google affirme que BigQuery a accéléré ses requêtes de plus de 40 % en un an et réduit de plus de 50 % le coût de traitement. BigQuery Graph, disponible de manière générale, permet des analyses de graphes à l’échelle du pétaoctet sur des tables relationnelles, sans ETL ni base de graphes distincte, et Google Research apporte en préversion TimesFM 3.0, pour les prévisions en SQL, et TabFM, pour l’apprentissage automatique prédictif dans BigQuery. Le service géré d’Apache Spark intègre Spark 4.0 et des améliorations de son Lightning Engine.
Le catalogue comme contexte pour les agents
L’autre pièce est Knowledge Catalog, que Google définit comme son moteur universel de contexte. D’après des tests internes de l’entreprise, il rend les agents presque quatre fois plus précis, avec jusqu’à 33 % de latence en moins et jusqu’à 75 % de tokens en moins. Il indexe désormais automatiquement les données non structurées, s’intègre à Gemini pour résoudre les termes métier et choisir les tables avant de générer du SQL en respectant les autorisations de chaque utilisateur, et étend la découverte de métadonnées à Oracle AI Database@Google Cloud, Snowflake, Databricks, Atlan et Collibra. Pour les développeurs, Data Agent Kit, déjà disponible, intègre les outils de données de Google dans VS Code, Claude Code et Antigravity via MCP.
Comme dans toute annonce de ce type, il convient de distinguer ce qui est disponible de ce qui est promis : Spanner Omni, l’interconnexion entre clouds, BigQuery Graph et Data Agent Kit sont déjà disponibles de manière générale, tandis qu’AlloyDB Express, PostgreSQL pour agents et plusieurs fonctions de Knowledge Catalog restent en préversion. Les améliorations de performance et de coût sont des chiffres de Google elle-même.
Questions fréquentes
Qu’est-ce que l’Agentic Data Cloud de Google ?
Le nom sous lequel Google Cloud regroupe ses bases de données, son analytique et son catalogue de données, préparés pour que les agents d’IA accèdent aux informations de l’entreprise.
Qu’est-ce qu’AlloyDB Express ?
Une nouvelle édition légère d’AlloyDB, en préversion, provisionnée en moins de deux secondes, qui descend à zéro et utilise de 1 à 2 vCPU et 20 Go de stockage.
Faut-il payer pour sortir des données d’AWS ou d’Azure ?
Avec la nouvelle interconnexion entre clouds du lakehouse de Google, il n’y a pas de frais de sortie variables, selon l’entreprise, et les blocs interrogés sont mis en cache dans Google Cloud.
Sources :
