Avec Database 26ai, Oracle met le cap sur les agents IA

Près de 15 000 personnes sont attendues à la conférence Oracle AI World qui se déroule dans la cité des loisirs du Nevada du 14 au 16 octobre. Elle a été inaugurée par Mike Sicilia, co-CEO d’Oracle, récemment nommé aux côtés de Clay Magouyrk, et succédant à Safra Catz. Dans ses propos liminaires, il a rappelé que « tout commence par les données, le moteur de l'IA » et d’ajouter que la base de données du fournisseur « est nativement IA, conçue pour stocker toutes les données et apporter de l'intelligence à toutes les activités ». Il poursuit en expliquant qu'elle « combine les données structurées et non structurées avec les meilleurs modèles d’IA génératifs pour permettre la création et l’exécution d'agents IA ». Une manière d’introduire les annonces sur Database 26ai et un lakehouse dédié.

Database 26ai paré pour les agents IA

Mise à jour de la version 23ai, le dernier système de gestion de base de données relationnelles disponible immédiatement apporte son lot de fonctionnalités et améliore les performances. Le SGBD prend clairement le virage des agents IA. Dans ce cadre, il livre un framework Select Agent AI pour faciliter la création et le déploiement des agents IA au sein de Database. Il prend en charge plusieurs outils comme le RAG, NL2SQL (langage naturel en SQL), les procédures PL/SQL personnalisées, mais aussi des outils externes via des API Rest ou des serveurs MCP pour la contextualisation avec des sources de données tiers. Pour les développeurs qui privilégient une approche no-code, Oracle lance AI Private Agent Factory ainsi qu’Apex AI Application Generator. Une multitude d’outils qui peut prêter à confusion, mais Maria Colgan, vice-présidente des produits de gestion de l’IA et des données critiques, nous indique « le moyen le plus rapide pour déployer une solution agentique est de le faire au sein de la base de données autonome. Par-contre, nous sommes conscients que tous nos clients ne sont pas au même niveau dans leur stratégie cloud ou data ». Elle ajoute, « certains travaillent dans des environnements réglementés et ont besoin d’avoir un outil qui les oblige à conserver leurs données sur site. Nous leur proposons donc une solution garantissant ces exigences tout en allant vers les agents IA ». D'autres sont habitués à travailler avec le service Apex et préfère passer par lui pour développer leurs agents IA, précise-t-elle.

La recherche vectorielle s'améliore dans Database 26ai. (Crédit Photo: JC)

La version 26ai reprend certaines fonctionnalités de l’itération précédente et les améliorent. C’est le cas de la recherche vectorielle avec l’arrivée des vecteurs IA. Ces derniers sont « une séquence de nombres représentant le concept sémantique ou la signification d'objets complexes. Il peut s'agir d'un document, d'une image, d'une vidéo ou d'un modèle de données », explique Juan Loiza, SVP database chez Oracle. Il ajoute, « jusque là les bases de données ne pouvaient trouver que des correspondances exactes avec des éléments comme les documents et les images : exactement les mêmes pixels, exactement les mêmes mots. Mais si vous connaissez déjà les pixels, inutile de chercher quelque chose que vous connaissez déjà. Ce qu’il faut c’est une recherche de similarité et de trouver des éléments approchants ». Il est donc nécessaire de combiner ces vecteurs avec des données relationnelles, textuelles, JSON, graphes et géospatiales, assure-t-il.

Par ailleurs, les data annotations, présentes dans la 23ai pour intégrer des métadonnées directement dans la base de données s’étoffent. « Il est possible d’annoter vos tables, vos colonnes, vos procédures, indiquer aux LLM la sémantique de quoi il s'agit, à quoi servent ces données, quelle est leur signification lors de leur utilisation », explique Juan Loaiza, SVP database chez Oracle. La sécurité n’a pas été oubliée avec notamment des algorithmes ML-KEM résistant aux attaques quantiques et chiffrant les données au repos et en transit. Le fournisseur dévoile également SQL Firewall, une fonction de Database Vault qui inspecte toutes les instructions SQL entrantes et garantit que seules les instructions SQL explicitement autorisées sont exécutées. « Traditionnellement ce pare-feu était externe à la base de données. Mais les clients nous ont demandé de l’intégrer pour éviter que quelqu’un puisse accéder à la base de données via une porte dérobée », observe Maria Colgan. Et d’ajouter que cette fonction « surveille le code SQL exécuté. Elle détecte et prévenir les attaques par injection SQL ».

Un lakehouse compatible Apache Iceberg

En complément de la présentation de Database, Oracle lance Autonomous AI Lakehouse une plateforme combinant plusieurs services et supportant le format de table Apache Iceberg. Pour mémoire, ce format est devenu populaire pour traiter efficacement d'énormes ensembles de données analytiques. Concrètement, ce support permet à Oracle d’unifier les sources de données et de se connecter avec différents data stores comme Databricks via Unity, AWS avec Glue et Snowflake avec Polaris. « L’avantage d’Iceberg est de proposer des tables qui peuvent être lues et écrites par une multitude de bases de données, par des moteurs comme Spark et directement par des programmes Python », rappelle Juan Loaiza. Il liste les bénéfices du standard « gestion des versions de données, partitionnement, transactions de base et évolution de schémas » mais aussi les limites « pas d’index, des mises à jour par lots, une sécurité rudimentaire, … ». En le combinant avec la base de données d’Oracle, « vous avez le meilleur des deux mondes », explique le dirigeant. Et de vanter « l’apport analytique et SQL de la base de données Oracle, l’ajout de fonctions comme la recherche vectorielle, une sécurité renforcée, etc. »

Juan Loaiza, SVP Database chez Oracle souligne les bénéfices d'Autonomous AI Lakehouse. (Crédit Photo: JC)

Toujours sur Iceberg, Oracle ajoute des fonctions pour améliorer les performances de la plateforme. Ainsi, Exadata Table Cache met en cache les données fréquemment consultées à partir de tables externes dans le stockage flash des systèmes Exadata. Outre Iceberg, cette capacité supporte les tables Parquet, Orc et Avro. De son côté, Data Lake Accelerator pour l’instant en version limitée adapte dynamiquement la capacité réseau et de calcul en fonction de la demande de requêtes, tout en facturant uniquement les ressources utilisées. Oracle apporte également le composant de réplication et de streaming temps réel GoldenGate à Iceberg. Enfin, le mécanisme Hyperlink Table donne un accès temporaire aux données partagées sans gérer d’autorisations complexes. A noter que Autonomous AI Lakehouse est disponible immédiatement sur Oracle Cloud Infrastructure (OCI), AWS, Azure, Google Cloud et Exadata Cloud@customer.