Snowflake lance Project SnowWork : l’IA qui crée rapports et analyses seule

Snowflake franchit un nouveau cap dans l'automatisation de la donnée avec Project SnowWork, une plateforme d'IA autonome actuellement en research preview. L'objectif : permettre aux équipes métiers de générer directement des analyses complètes, des rapports et des présentations — sans passer par des spécialistes des données ni écrire une seule ligne de code. L'outil s'appuie sur une combinaison de technologies déjà présentes dans l'écosystème de l'entreprise : AI Data Cloud, Snowflake Intelligence et Cortex Code.

Le problème que SnowWork cherche à résoudre est bien connu en entreprise : les équipes métiers dépendent des data analysts pour obtenir des insights, un processus qui peut s'étaler sur plusieurs semaines. Résultat, les décisions stratégiques sont prises sur la base d'intuitions plutôt que de données fraîches. En réduisant ce délai à quelques minutes, Snowflake repositionne sa plateforme cloud — historiquement un entrepôt de données — en un outil capable de produire directement des livrables exploitables pour les décideurs.

Concrètement, un utilisateur peut formuler un objectif précis — identifier des risques de désabonnement, générer des prévisions pour une réunion stratégique ou analyser des problèmes dans la chaîne d'approvisionnement — et laisser l'agent autonome orchestrer les étapes nécessaires sur les données gouvernées de l'entreprise. Selon Robert Kramer, analyste chez Moor Insights and Strategy, cette automatisation libèrera les équipes data pour des tâches plus stratégiques : gouvernance, modélisation, supervision des systèmes. Ashish Chaturvedi de HFS Research souligne de son côté que cette approche répond à un besoin critique d'agilité décisionnelle dans les grandes organisations.

Snowflake n'évolue pas seul sur ce terrain : Databricks, Salesforce avec Agentforce, Microsoft avec Copilot et ServiceNow développent des initiatives comparables. La question centrale reste celle de la qualité des données sous-jacentes — des données incomplètes ou biaisées produiront des analyses erronées, quelle que soit la sophistication de l'agent. La complexité des environnements data en entreprise constitue également un frein potentiel à l'adoption à grande échelle.