Teradata vient d’annoncer la disponibilité générale d’Autonomous Knowledge Platform, une architecture d’entreprise qui réunit données, analytique, modèles et agents d’intelligence artificielle sous un même toit. Le déploiement se fait sur AWS, dans le centre de données du client ou en mode hybride, avec une attention marquée portée à la gouvernance, à la souveraineté technologique et au contrôle des coûts que peuvent générer des agents tournant en continu.

L’essentiel en 30 secondes : Teradata Cloud tourne désormais sur AWS avec une capacité permanente et des ressources élastiques à la demande. Teradata Factory permet le même déploiement en environnement privé. AI Studio centralise modèles, agents, recherche vectorielle et gouvernance. Les entreprises peuvent brancher leurs propres modèles, des modèles commerciaux ou des poids ouverts. La tarification combine une base fixe et une capacité flexible, mais aucun chiffre n’a encore été publié.

Ce lancement respecte le calendrier que Teradata avait présenté en mai 2026, quand l’entreprise annonçait le cloud et le système local Factory pour le troisième trimestre. La disponibilité générale, communiquée le 15 juillet 2026, confirme les deux modes de déploiement, la version cloud restant pour l’instant limitée à AWS.

Contexte : que cache le terme « connaissance autonome »

L’expression relève avant tout du vocabulaire commercial de Teradata. Elle ne signifie pas que les données se gèrent ou s’interprètent sans intervention humaine, mais désigne une couche qui combine informations structurées et non structurées avec sémantique, traçabilité et permissions, de sorte que les agents travaillent dans le contexte réel de l’entreprise plutôt que sur des documents isolés ou de simples réponses générées par un modèle.

Une partie du lancement tient d’ailleurs de la réorganisation : Teradata Vantage devient Autonomous Knowledge Platform, VantageCloud se renomme Teradata Cloud, ClearScape Analytics et AI Workbench fusionnent dans AI Studio, QueryGrid devient Teradata Fabric, et IntelliFlex rejoint AI Factory sous le nom de Teradata Factory. La plateforme mélange donc de vraies nouveautés et un habillage renouvelé de produits existants.

Les faits : quatre composants pour un même parcours

Autonomous Knowledge Platform s’articule autour de Teradata Cloud, Teradata Factory, AI Studio et AI Services, chacun couvrant une étape différente entre les données métier et les applications d’agents.

Teradata Cloud combine deux types de capacité. Active Compute cible les charges permanentes et sensibles, requêtes opérationnelles ou rapports qui exigent un niveau de service stable. Elastic Compute fournit des ressources à la demande pour l’expérimentation, l’entraînement de modèles ou les pics d’activité ponctuels. Cette séparation évite qu’une charge exploratoire d’IA ne vienne concurrencer les processus qui font tourner l’activité quotidienne, un risque réel dès qu’un agent enchâine recherches, opérations vectorielles et appels de modèles sans interruption, là où un humain se contente de quelques requêtes par jour.

Teradata appelle cette organisation commerciale Fixed plus Flex : le client souscrit une base prévisible, complétée par une capacité qui augmente automatiquement lors des pics de demande, le tout exprimé dans une seule unité pour simplifier le suivi budgétaire. L’entreprise n’a publié ni tarifs, ni engagements minimaux, ni coût des extensions, et aucun comparatif ne permet pour l’instant de juger si ce modèle revient moins cher qu’une facturation à la requête ou par capacité réservée chez un concurrent. Tout dépendra de la stabilité de chaque charge de travail.

Teradata Factory, lui, répond aux organisations qui ne peuvent ou ne veulent pas faire transiter leurs données par un cloud public. C’est une solution clé en main, matériel et logiciel intégrés, bâtie sur des serveurs Dell PowerEdge et une infrastructure NVIDIA accélérée par GPU. Teradata la présente comme un système prêt à fonctionner plutôt qu’un ensemble de licences à assembler soi-même, même si aucune configuration précise, modèle de GPU ou tarif n’a encore été communiqué.

Factory supporte l’approche Bring Your Own Model : le client apporte son propre modèle, maison ou acheté, open source ou propriétaire, du moment qu’il est compatible avec la plateforme. Cela évite une dépendance à un seul fournisseur de modèles, mais impose une phase d’intégration : chaque modèle a ses formats, ses exigences d’inférence, ses limites de contexte et ses conditions de licence, que le client doit valider sur ses propres données avant de faire confiance au résultat.

Analyse : la souveraineté ne se résume pas à l’adresse du serveur

Le déploiement local intéresse surtout les secteurs régulés, banque, administration, industrie, assurance ou santé, qui veulent garder données, embeddings et inférences sous leur propre toit. Mais la localisation seule ne garantit pas la souveraineté : il faut aussi examiner les licences, la télémétrie, l’accès du fournisseur aux systèmes, les mises à jour et la dépendance à des technologies propriétaires. C’est le même constat que dressait notre analyse sur le cloud européen et la loi applicable aux données : héberger en Europe ou en interne ne suffit pas si le contrat ou la chaîne logicielle restent sous juridiction étrangère. Des acteurs comme A1 Digital, qui prépare une zone cloud souveraine en Espagne, misent justement sur cette distinction entre hébergement local et souveraineté réelle.

L’approche hybride permet de combiner Factory et Teradata Cloud : conserver certaines données et modèles en interne tout en s’appuyant sur le cloud pour d’autres charges, avec une gestion cohérente de l’identité et des politiques entre les deux environnements. Reste à prouver cette efficacité dans des déploiements réels, surtout quand plusieurs réseaux, catalogues et réglementations régionales entrent en jeu.

AI Studio, la couche qui permet de construire et superviser les applications d’IA, met en avant trois briques : un Enterprise MCP Server, un Agent Builder et des outils de mise en production. Le serveur MCP (Model Context Protocol) offre un protocole commun pour que différents agents consultent des données ou exécutent des actions, mais sa vraie valeur en contexte professionnel tient au contrôle des droits, à l’identification de l’utilisateur et à la traçabilité des actions réalisées, pas seulement à la capacité de connexion. Ce même enjeu de gouvernance des agents en entreprise traverse notre article sur la hausse du coût par tâche malgré la baisse du prix des jetons : un agent qui tourne sans supervision peut coûter bien plus cher qu’anticipé.

AI Studio ajoute aussi des services vectoriels combinant recherche sémantique et données structurées. Teradata parle de fusion search pour récupérer conjointement tableaux et documents, et de recherche hybride pour mélanger similarité vectorielle et correspondance de mots, ce qui permet par exemple à un agent de relier une politique écrite en PDF aux données client stockées dans une table. Centraliser ainsi données, modèles, agents et gouvernance facilite l’exploitation au quotidien, mais étend aussi le périmètre de dépendance à Teradata, même en utilisant des formats ouverts comme Apache Iceberg ou Delta Lake.

Perspectives : une promesse encore à chiffrer

La page générale de Teradata Cloud mentionne aussi Microsoft Azure et Google Cloud, mais l’annonce de disponibilité générale positionne d’abord ces nouvelles capacités sur AWS. Rien ne dit que toutes les fonctions seront actives à égalité sur les trois fournisseurs à court terme. La comparaison avec d’autres stratégies d’IA d’entreprise, comme le lancement d’Ode par Anthropic pour ancrer Claude dans les processus internes des entreprises, montre qu’un modèle performant ne suffit pas : il faut aussi l’accompagnement, la gouvernance et l’intégration métier, exactement le pari que Teradata fait avec AI Services.

L’annonce ne fournit ni références clients, ni résultats financiers, ni comparatif précis de performance ou de coûts. Sa vraie valeur se mesurera à la capacité de Teradata à maîtriser les coûts générés par des agents qui tournent en continu, sans transformer cette simplicité apparente en dépendance difficile à défaire.

Questions fréquentes

Qu’est-ce que Teradata Autonomous Knowledge Platform ?

C’est la nouvelle plateforme principale de Teradata, qui regroupe données, analytique, modèles et agents IA. Elle se déploie dans le cloud, en environnement privé ou via une architecture hybride.

Sur quel cloud la plateforme est-elle disponible aujourd’hui ?

La disponibilité générale vise d’abord AWS. Teradata propose d’autres produits sur Azure et Google Cloud, mais les nouvelles fonctions n’y sont pas encore confirmées à l’identique.

Peut-on faire tourner des modèles d’IA en local, dans son propre centre de données ?

Oui. Teradata Factory accepte des modèles propriétaires, commerciaux ou open source sur l’infrastructure du client, sous réserve d’un matériel et de licences adaptés.

Teradata a-t-elle publié les prix de la plateforme ?

Non. L’entreprise évoque une structure Fixed plus Flex, base fixe plus capacité élastique, sans avoir communiqué de tarifs précis, de minimums contractuels ou d’exemples de coûts.

Quelle différence entre Teradata Cloud et Teradata Factory ?

Teradata Cloud tourne sur AWS avec une capacité gérée par Teradata, tandis que Factory livre le même type de capacités sous forme de matériel installé chez le client, pensé pour les organisations qui gardent leurs données en interne.