Snowflake lance Cortex AI pour les services financiers : agents et applications d’IA « prêtes pour l’entreprise », données réglementées et un serveur MCP pour interopérer avec tout l’écosystème

Info Cloud

X (Twitter) Facebook Pinterest LinkedIn Email

Snowflake, la société du AI Data Cloud (NYSE : SNOW), a lancé Cortex AI for Financial Services, une suite de fonctionnalités et de partenariats destinée à aider les banques, gestionnaires, fintech et assureurs à fusionner leur écosystème de données et à déployer des modèles, applications et agents d’IA au-dessus de ces données, avec sécurité et conformité réglementaire. La démarche s’appuie sur deux messages clairs : amener l’IA à l’endroit où le données vit déjà — Snowflake — et la rendre interopérable avec des agents et plateformes tiers via un Model Context Protocol (MCP) Server géré, actuellement en public preview.

“Le secteur financier a toujours été pionnier, mais il doit composer avec données fragmentées, pouvoir de conformité robuste et gouvernance rigoureuse”, explique Baris Gultekin, VP de l’IA chez Snowflake. “En rapprochant l’IA de l’endroit où réside la donnée et en permettant une interopérabilité sécurisée avec des agents distants, nous facilitons la mise en œuvre de cas d’usage critiques dans des industries fortement régulées.”

Cette initiative possède une couche technique et une couche métier. D’un côté, Cortex AI rassemble des outils pour scientifiques des données, analystes et utilisateurs métier (agents de coding, fonctionnalités de AISQL, extraction/transcription via IA, et une interface conversationnelle appelée Snowflake Intelligence), tandis que, d’un autre côté, un MCP Server de Snowflake connecte des données internes et données tierces dans Snowflake avec des plateformes d’agents telles que Anthropic (Claude), CrewAI, Cursor, Devin (Cognition), Agentforce (Salesforce), UiPath ou Windsurf, entre autres, pour créer des expériences “avec contexte” qui interagissent avec des’informations gouvernées.

Qu’est-ce que Cortex AI for Financial Services (et pourquoi parle-t-il à la langue de la régulation)

Cortex AI for Financial Services est conçu pour être “enterprise-ready” et secteuriel. La suite vise à accélérer les tâches complexes —analyse de marché, recherche quantitative, détection de fraude, service client, gestion des sinistres— en respectant des contrôles de sécurité compatibles avec des cadres réglementaires. Par exemple, une entité peut :

Combiner des données structurées dans Snowflake (données historiques de marché, tick data, portefeuilles, risque) avec des données non structurées (recherches, transcriptions des earnings calls, analyse documentaire) sans sortir du périmètre gouverné.
Appeler des agents IA — internes ou tiers — qui lisent précisément ce qu’ils doivent (selon les autorisations), raisonnent avec ce contexte et exécutent des actions dans le flux (créer une note, marquer une tâche, alimenter un workflow).

L’écosystème de données qui accompagne la suite inclut des fournisseurs leaders tels que :

Structurés (via Sharing of Semantic Views, GA “bientôt”): CB Insights, Cotality™, Deutsche Börse, MSCI, Nasdaq eVestment®.
Non structurés (via Cortex Knowledge Extensions, désormais en GA): CB Insights, FactSet, Investopedia, The Associated Press, The Washington Post.

Pour Snowflake, la fusion de données sectorielles (analyse de marché, research, actualités) avec le données propriétaires du client dans Snowflake améliore la précision et la qualité des résultats IA. Dans les services financiers — où un léger changement de contexte peut modifier une décision — le contexte fait tout.

Les composants : de l’agent de coding à l’IA conversationnelle

1) Agent Data Science (agent de coding avec IA)

Automatise des tâches chronophages pour les équipes de data science : nettoyage de données, ingénierie de features, prototypage et validation de modèles. L’objectif est d’accélérer le passage du cil brut à des modèles prêts pour la production, en soulageant les goulots d’étranglement en risque, prévision, analyse de trading, fraude, Customer 360 ou souscription (underwriting).

2) Cortex AISQL (public preview)

Ajoute des fonctionnalités pour extraire et transcrire avec IA (également en public preview), permettant de traiter efficacement des documents, audio et images. Pensons à l’analyse de sinistres, service client avec documentation, investissement intégrant transcriptions et rapports… Beaucoup de valeur sectorielle réside dans texte et voix : AISQL met ces sources à portée de requête.

3) Snowflake Intelligence (public preview)

Pour le métier, une interface conversationnelle permettant de questionner en langage naturel le données dans Snowflake, ainsi que des données/applications tiers et agents connectés. La promesse : rendre l’accès aux insights accessible à tous dans la organisation, tout en réduisant la surcharge technique qui freine la prise de décision. Rappel : le data ne sort pas ; ce sont les questions qui atteignent le data.

MCP Server géré : la glue pour un monde d’agents (et moins d’intégrations ad hoc)

Les agents d’IA enrichissent les modèles LLM en leur apportant outils, workflows et contexte. Le problème classique : connecter ces agents à des systèmes d’entreprise nécessite des intégrations sur-mesure freinent l’adoption. C’est là qu’intervient le Model Context Protocol (MCP), qui, ces derniers mois, s’est affirmé comme standards pour que les LLM découvrent données, API et services.

Avec le Snowflake MCP Server (public preview), une entreprise peut :

Connecter des outils construits sur Snowflake (par ex. Cortex Analyst et Cortex Search) à agents externes via une interface MCP standardisée, unifiant la récupération des données structurées et non structurées.
Exposer des données propriétaires et données tierces en partage sur Snowflake Marketplace (via Cortex Knowledge Extensions) afin que agents distants les consomment en temps réel, sans compromettre sécurité ni gouvernance.

En pratique, le MCP Server permet à des agents tels que Anthropic, Augment Code, Amazon Bedrock AgentCore, Azure AI Foundry, CrewAI, Cursor, Devin (Cognition), Glean, Kumo, Mistral AI, Agentforce (Salesforce), UiPath, Windsurf, Workday, WRITER ou autres dialoguer avec la donnée gouvernée dans Snowflake sans que chaque intégration soit un projet personnalisé. C’est la différence entre une POC perpétuelle et une production.

Voix de l’écosystème : du raisonnement de Claude aux équipes multiagents

Anthropic (Jonathan Pelosi, Head of Industry, Financial Services): “Avec MCP, nous pouvons connecter le données gouvernées de chaque organisation directement à Claude. Les clients combinent analytique structurée et données non structurées via Cortex Analyst et Cortex Search, tout en respectant les standards de sécurité d’entreprise”.
CrewAI (João Moura, cofondateur et CEO): “La prochaine étape consiste à orchestrer des équipes d’agents spécialisés. Pour que cela fonctionne, il faut des données sûres et de qualité. Le MCP Server géré par Snowflake constitue la pipeline essentiel pour que nos équipages puissent accéder, analyser et agir sur données gouvernées. Cela transforme les systèmes multiagents en véritablement opérationnels”.
Cursor (Ricky Doar, Head of Field Engineering): “Un assistant de codage est limité par le contexte auquel il a accès. Un MCP Server géré comme celui de Snowflake crée un environnement de données dynamique permettant à des outils comme Cursor de consommer du contexte et d’écrire du code plus rapidement, plus précisément et en toute sécurité pour la production”.
FactSet (John Costigan, EVP, Chief Data Officer): “Rendre des produits de données ‘prêts pour l’IA’ disponibles dans des environnements cloud modernes est une étape clé pour fusionner et enrichir les données”.
Ramp (Ian Macomber, Head of Analytics): “Avec Cortex AI, nous pouvons analyser en toute sécurité les données non structurées des clients ; nos équipes interrogent en anglais simple et reçoivent des réponses instantanées”.
Salesforce Agentforce (Gary Lerhaupt, VP Product Architecture): “L’extension de l’interopérabilité des agents via MCP permet une connectivité plus profonde et des expériences agentives plus intelligentes. Les clients découvriront et se connecteront au Snowflake MCP server depuis AgentExchange”.

Cas sectoriels (et pourquoi le “donnée vivant” change la donne)

Analyse de marché et recherche quantitative : researchers formulent des requêtes (Snowflake Intelligence), demandent l’extraction d’entités dans les documents et transcriptions (AISQL), prototypent un modèle (Data Science Agent) et publient des routines décisionnelles pour que des agents répondent en temps réel via le MCP.
Fraude : unification des signaux dispersés (structurés/non structurés), features automatisées et agents qui alertent ou lancent des workflows lorsque le pattern dépasse un seuil.
Service client / claims : extraction automatique de données à partir de formulaires, factures, audios ; IA conversationnelle qui répond avec preuves et cité des documents, tout en restant dans le cadre des données gouvernées.
Action suivante la plus adaptée (Next-best action) en banque et assurance : agents qui consultent un contexte actualisé (stocké par MCP) avant de suggérer une action, limitant ainsi les hallucinations.

Sécurité et conformité : “l’IA va au données, pas l’inverse”

Tout repose sur une idée que les DSI aiment entendre : la confidentialité et les autorisations d’abord. Grâce à RTS (dans l’univers Slack) ou MCP (dans Snowflake et au-delà), l’IA n’emmène pas la donnée ailleurs : fait appel au contexte à la source, retourne juste ce qu’il faut et respecte les permissions. Pour l’audit et le risque, cette architecture est plus facile à défendre que celle des modèles “bulk export + data lake parallèle.

Disponibilité (et petites lignes)

Snowflake Cortex AI for Financial Services : en tant que suite sectorielle, avec des composants en GA et public preview (voir ci-dessous).
Snowflake MCP Server : public preview ; conçu pour toutes les industries recherchant une IA connectée et interopérable.
Cortex Knowledge Extensions : GA (pour contenu non structuré).
Sharing of Semantic Views : GA prochainement (pour données structurées).
Cortex AISQL et ses fonctions d’extraction/transcription : public preview.
Snowflake Intelligence : public preview.

Comme pour tout annonce de cette nature, Snowflake rappelle que les plans et délais peuvent évoluer.

Ce que cela signifie pour le secteur (lecture rapide)

Moins de POC éternels : MCP standardise la connexion entre agents et données ; moins d’intégrations à la main = plus de mise en production.
Données gouvernées comme avantage : ceux qui parviennent à aligner données propriétaires, données tierces et agents réduiront leurs cycles et erreurs liés à la confusion.
IA conversationnelle, mais avec des rôles : interfaces en langage naturel au-dessus de données traçables et explicables ; clé pour risque et conformité.
Talents : ingénieurs de données et scientifiques peuvent monter dans la chaîne (moins de nettoyage/répétition), pendant que le métier accède à insights sans tickets d’incident.

Ce qu’il faut surveiller dans les prochains mois

Parité entre structuré et non structuré (performance, coût).
Mesures de précision et latence dans Snowflake Intelligence et AISQL à l’échelle des banques/assurances.
Catalogue de données sectorielles dans Marketplace et son alignement avec Cortex Knowledge Extensions.
Adoption réelle de MCP par de grands clients (cas publics avec audit et ROI).
Sécurité : gardes-fous pour DMs/documents sensibles, playbooks d’incidents et télémétrie intégrée.

Conclusion : IA avec contexte (et règles) au cœur des données

Avec Cortex AI for Financial Services et un MCP Server géré, Snowflake ordonne trois forces : données gouvernées, IA utile et interopérabilité avec un écosystème d’agents en plein essor. Pour une industrie où la prise de décision repose sur le contexte — et qui doit respecter les régulateurs —, cette démarche paraît logique : amener l’IA au plus près du donné plutôt que le contraire. Si le marché suit, 2026 pourrait devenir l’année où les agents avec des données authentiques deviendront la norme, et non plus une promesse.

Questions fréquentes

Qu’est-ce que Snowflake Cortex AI for Financial Services et en quoi diffère-t-il d’une IA “générique” ?
Il s’agit d’une suite sectorielle combinant capacitÉs d’IA (Agent Data Science, Cortex AISQL, Snowflake Intelligence) avec données provenant de fournisseurs financiers leaders (FactSet, MSCI, Nasdaq eVestment®, CB Insights, etc.) et avec données propriétaires dans Snowflake, tout en respectant la gouvernance et la conformité.

À quoi sert le Snowflake MCP Server géré ?
Le MCP Server offre une voie standard pour que des agents externes (Anthropic, CrewAI, Cursor, Devin, Agentforce, UiPath, etc.) découvrent et utilisent des données gouvernées dans Snowflake (propres ou tierces) sans besoins d’intégration ad hoc. Il réduit le temps d’intégration et le risque.

Quelles différences entre Data Science Agent, Cortex AISQL et Snowflake Intelligence ?

Data Science Agent automatise tâches de data science (nettoyage, features, prototypage, validation).
Cortex AISQL propose des fonctions de transcription/extraction avec IA pour documents, audio et images (en public preview).
Snowflake Intelligence constitue la interface conversationnelle permettant au business de questionner en langage naturel les données dans Snowflake et sources/applications connectées (en public preview).

Quels fournisseurs de données externes sont supportés et à quel stade ?
Pour les données structurées (via Sharing of Semantic Views, GA prochainement) : CB Insights, Cotality™, Deutsche Börse, MSCI, Nasdaq eVestment®. Pour les données non structurées (via Cortex Knowledge Extensions, déployé en GA) : CB Insights, FactSet, Investopedia, The Associated Press, The Washington Post.