Avec plus de 9 100 clients qui utilisent chaque semaine ses produits d’intelligence artificielle, Snowflake ne cherche plus à convaincre que l’IA d’entreprise est un sujet d’avenir : elle l’industrialise. La société vient d’annoncer une vague de mises à jour majeures sur Snowflake Intelligence et Cortex Code, ses deux piliers logiciels destinés aux utilisateurs métier et aux développeurs. L’objectif assumé : se positionner comme le centre de contrôle de l’entreprise agentique, là où concurrents et hyperscalers se livrent désormais une bataille frontale.

Ce repositionnement stratégique intervient dans un marché en pleine recomposition. L’IA n’est plus un simple copilote conversationnel : elle devient une couche opérationnelle capable d’exécuter, de raisonner et d’agir au nom de l’utilisateur. Snowflake, traditionnellement perçu comme un acteur du data warehouse cloud, prend acte de cette bascule et tente de transformer son atout historique — la donnée gouvernée — en avantage compétitif sur le terrain agentique.

Contexte et enjeux : la course au centre de contrôle agentique

Le calendrier de Snowflake n’a rien d’anodin. Quelques jours seulement après les annonces de Google Cloud Next 26 sur l’entreprise agence en production, et alors que des concurrents comme Databricks, Microsoft Fabric ou les hyperscalers eux-mêmes accélèrent leur intégration verticale, l’éditeur joue une partition précise : capitaliser sur la confiance et la gouvernance des données pour s’imposer comme la couche de contrôle au-dessus de l’IA opérationnelle.

L’enjeu est considérable. Selon les dernières estimations sectorielles, le marché des plateformes d’IA d’entreprise pourrait dépasser les 150 milliards de dollars en 2027. Mais l’adoption se heurte à un mur : la fragmentation des données, l’absence de gouvernance et la difficulté à connecter agents et systèmes existants. Snowflake mise sur une approche unifiée pour répondre à ces trois écueils simultanément.

« Dans un contexte où l’IA transforme la manière dont chaque entreprise fonctionne, les plateformes facilitant son intégration dans les processus métier réels, en synergie avec les données et les mécanismes de contrôle appropriés, s’imposeront », résume Baris Gultekin, vice-président de l’IA chez Snowflake. Une déclaration qui sonne autant comme un constat que comme une revendication territoriale.

Snowflake Intelligence : l’assistant agentique qui apprend du contexte métier

Snowflake Intelligence se distingue d’emblée des copilotes généralistes par son ancrage dans le contexte métier de l’organisation. L’assistant ne se contente pas de répondre aux questions : il comprend la sémantique des données, respecte les politiques de gouvernance et exécute des actions directement dans les systèmes de l’entreprise. Une rupture avec les approches purement conversationnelles qui ont marqué la première génération d’outils IA.

La nouvelle vague de fonctionnalités annoncée renforce cette philosophie sur six axes :

• Skills (disponibilité générale prochaine) : les utilisateurs décrivent en langage naturel des flux de travail — préparation de présentations, analyses multi-étapes, relances clients — que Snowflake Intelligence exécute automatiquement. Les Skills sont reproductibles et partageables, transformant des automatisations ad hoc en patrimoine d’équipe.
• Connecteurs MCP (Model Context Protocol) : Snowflake Intelligence se relie nativement à Gmail, Google Calendar, Google Docs, Jira, Salesforce et Slack. L’assistant agit donc dans les outils déjà adoptés, sans changement d’environnement pour l’utilisateur.
• Application mobile iOS (preview imminente) : interrogation des données et déclenchement de flux de travail depuis le terrain, en mobilité. Une réponse à un usage croissant des agents IA hors du poste de travail.
• Deep Research (preview prochaine) : raisonnement multi-étapes orienté agents, capable de croiser données structurées, contenus non structurés et sources externes. Les rapports produits sont entièrement référencés et expliquent le « pourquoi » et le « quoi faire ensuite », pas seulement le « quoi ».
• Personnalisation continue : l’assistant apprend du comportement de chaque utilisateur pour affiner ses réponses et automatiser les tâches récurrentes, au lieu de repartir d’une feuille blanche à chaque interaction.
• Artifacts (disponibilité générale prochaine) : sauvegarde et partage d’analyses, visualisations et workflows. Les résultats ponctuels deviennent des actifs réutilisables, capitalisables à l’échelle de l’organisation.

Ces évolutions s’appuient sur les enseignements du Projet SnowWork, une phase d’étude menée en collaboration directe avec les clients pour cerner leurs besoins réels en IA agentique. La logique est claire : éviter le piège des fonctionnalités gadget en produisant des capacités intégrables dans les processus métier existants.

Cortex Code : un agent de développement IA pour le stack de données complet

Lancé en novembre 2025, Cortex Code a connu une adoption fulgurante : plus de 50 % des clients Snowflake l’utilisent activement à peine cinq mois après sa sortie. Un signal fort dans un secteur où la traction sur les outils de développement IA reste très inégale. La nouvelle itération vise à transformer cet outil en plateforme d’orchestration, capable d’opérer au-delà du périmètre Snowflake.

Les nouveautés s’articulent autour d’une logique d’ouverture maîtrisée :

• Support des données externes : Cortex Code se connecte désormais à AWS Glue, Databricks et PostgreSQL, en plus du moteur natif Snowflake. Une concession stratégique au multi-cloud et à la réalité des architectures hybrides modernes, dans la lignée de ce que défend également Cloudera avec sa plateforme hybride et son support étendu jusqu’en 2032.
• Intégration MCP et ACP (Agent Communication Protocol) : Cortex Code dialogue avec d’autres systèmes IA, ce qui réduit la duplication d’efforts et accélère le développement. Cette interopérabilité s’inscrit dans la maturation du protocole, comme l’analysait récemment notre dossier sur la discipline d’architecture désormais exigée par le MCP.
• Extension VS Code (privée) et plugin Claude Code : les développeurs accèdent à Cortex Code depuis leur IDE habituel, sans rupture de contexte. Un alignement avec les pratiques réelles des équipes data engineering, qui refusent de multiplier les environnements.
• SDK Agent en Python et TypeScript : Cortex Code passe d’agent à plateforme, avec des points d’extension pour intégrer ses capacités dans des applications tierces. Le SDK ouvre un écosystème, à l’image de ce que Stripe a fait pour les paiements ou Twilio pour les communications.
• Sandboxes Cortex Code dans Snowsight (privées), assorties d’un Plan Mode pour valider les actions avant exécution et d’un Snap & Ask pour interagir avec graphiques et tableaux. Le développeur travaille dans le navigateur, sans configuration locale, et garde un contrôle granulaire sur l’exécution.

Le choix d’ouvrir Cortex Code aux sources de données externes mérite d’être souligné. Snowflake reconnaît implicitement qu’aucune entreprise sérieuse n’opère sur un seul stockage : les données vivent dans des silos hétérogènes, et la valeur de l’IA dépend de sa capacité à les croiser. Cette ouverture est aussi un pari : conserver le contrôle de l’orchestration, même quand les données ne résident pas chez Snowflake.

Analyse : les implications pour le marché de l’IA d’entreprise

Trois lectures se dégagent de cette série d’annonces. D’abord, Snowflake assume une stratégie de plateforme contre les hyperscalers verticaux. Là où AWS, Google et Microsoft cherchent à enfermer l’utilisateur dans un stack complet, Snowflake parie sur l’interopérabilité comme avantage différenciateur. Le pari n’est pas évident : il suppose que les entreprises privilégieront la neutralité au confort de l’intégration.

Ensuite, le rapprochement avec les protocoles ouverts (MCP, ACP) constitue un signal fort. Snowflake refuse de propriétariser sa couche d’orchestration agentique, ce qui le distingue de Salesforce et de son walled garden Agentforce. Cette posture est cohérente avec la trajectoire d’autres acteurs de la donnée, à l’image de Teradata qui a porté son Analyst Agent sur Microsoft Marketplace pour étendre sa portée.

Enfin, l’accent mis sur la gouvernance et la confiance n’est pas qu’un argument marketing. Dans les environnements régulés — finance, santé, secteur public — l’IA agentique soulève des questions juridiques inédites : qui est responsable d’une action exécutée par un agent ? Comment auditer une décision prise par un modèle ? La capacité de Snowflake à industrialiser ces garde-fous pourrait s’avérer décisive face à des concurrents plus rapides mais moins outillés sur le contrôle.

Cas d’usage : ce que les clients en font déjà

Au-delà de la communication produit, plusieurs déploiements à grande échelle valident la traction commerciale. Accenture, premier partenaire mondial de Snowflake sur Cortex Code et Snowflake Intelligence, indique que des milliers de ses collaborateurs exploitent activement la plateforme avec près de deux douzaines de Skills spécialisés couvrant le développement SQL, les notebooks et la modélisation sémantique. « Nous intégrons ces capacités dans notre offre de service, permettant aux organisations d’interagir avec leurs données en langage naturel », explique Sree Vadakkepat, responsable du groupe Snowflake chez Accenture.

Chez Capita, Snowflake alimente l’AI Catalyst Stack qui unifie les données opérationnelles dispersées dans les centres de contact des secteurs public et privé. Sameer Vuyyuru, directeur de l’IA et des produits, met en avant les gains d’efficience et la conformité dans des environnements fortement réglementés — un argument central pour les clients européens.

Telenav, qui traite plus de 20 téraoctets de données par mois et 200 millions d’événements quotidiens, témoigne d’un changement d’échelle temporel. « Ce qui prenait auparavant des jours ou semaines pour passer des données brutes à des résultats exploitables se réalise désormais en quelques minutes ou heures via une expérience conversationnelle en libre-service », souligne Kumar Maddali, vice-président du développement produit.

United Rentals, présent sur plus de 1 600 sites, mise sur Snowflake Intelligence pour démocratiser l’accès aux indicateurs opérationnels sans dépendre exclusivement des analystes. La société prévoit d’utiliser Cortex Code pour construire des agents IA destinés à la croissance des ventes et à la disponibilité de la flotte. Wolfspeed, fabricant de semi-conducteurs, a déjà déployé une douzaine d’agents IA sur la fabrication, la qualité, la chaîne d’approvisionnement et les finances, avec des effets mesurables sur la prise de décision en ligne de production.

Perspectives : la fenêtre de tir de Snowflake

La fenêtre stratégique pour Snowflake reste ouverte, mais elle se referme rapidement. Les hyperscalers consolidant leur offre verticale, et les acteurs spécialisés (Databricks, Cloudera, Teradata) musclant leurs propres couches agentiques, l’éditeur doit transformer ses annonces en livraisons concrètes. La majorité des fonctionnalités présentées sont encore en preview ou en disponibilité générale prochaine — une réalité commune dans le secteur, mais qui laisse une marge d’exécution serrée.

Les prochains mois seront déterminants sur trois fronts : la cadence de mise à disposition générale des Skills, Artifacts et Sandboxes ; la profondeur réelle de l’intégration MCP avec les outils tiers (au-delà des connecteurs vitrine) ; et la capacité de Cortex Code à tenir ses promesses de productivité dans des stacks multi-cloud complexes. Si Snowflake exécute, le centre de contrôle de l’entreprise agentique pourrait bien se déplacer vers la couche données. Sinon, les hyperscalers reprendront la main par la simple force d’inertie de leurs écosystèmes.

FAQ

Quelle différence entre Snowflake Intelligence et un copilote IA classique ?

Snowflake Intelligence intègre nativement le contexte métier, les politiques de gouvernance et les données structurées de l’entreprise. Contrairement à un copilote généraliste, il exécute des actions dans les systèmes existants, raisonne sur des données fiables et apprend du comportement de chaque utilisateur pour personnaliser ses réponses.

Quels outils tiers sont compatibles avec les connecteurs MCP de Snowflake ?

Snowflake Intelligence se connecte nativement à Gmail, Google Calendar, Google Docs, Jira, Salesforce et Slack via le Model Context Protocol. La liste des connecteurs MCP s’élargira progressivement, suivant l’adoption croissante du protocole dans l’écosystème.

Cortex Code fonctionne-t-il avec des données hors de Snowflake ?

Oui. Cortex Code prend désormais en charge AWS Glue, Databricks et PostgreSQL en plus du moteur natif Snowflake. Cette ouverture multi-cloud répond à la réalité des architectures hybrides et permet aux développeurs d’orchestrer des agents IA sur des données distribuées.

Quel est le niveau d’adoption de Cortex Code chez les clients Snowflake ?

Plus de 50 % des clients Snowflake utilisent activement Cortex Code depuis son lancement en novembre 2025. Plus largement, plus de 9 100 entreprises emploient chaque semaine les produits IA de Snowflake, ce qui témoigne d’une bascule de l’expérimentation vers la mise en production.

Quand les nouvelles fonctionnalités seront-elles disponibles en production ?

La plupart des nouveautés (Skills, Artifacts, connecteurs MCP) sont annoncées en disponibilité générale prochaine. D’autres comme l’application iOS, Deep Research, l’extension VS Code et les Sandboxes Snowsight sont en preview privée ou imminente. Snowflake n’a pas communiqué de calendrier précis, mais la cadence d’annonce suggère un déploiement étalé sur 2026.

Snowflake est-il vraiment positionné face aux hyperscalers sur l’IA agentique ?

Snowflake mise sur la gouvernance des données et l’interopérabilité multi-cloud comme différenciateurs face à AWS, Google Cloud et Microsoft. Sa stratégie consiste à devenir la couche de contrôle agnostique au-dessus des stockages, plutôt que d’enfermer le client dans un écosystème vertical. La réussite dépendra de sa cadence d’exécution face à des concurrents qui musclent rapidement leurs propres offres agentiques.