La plate-forme de base de données documentaire open source RavenDB a lancé ce qu’elle appelle « le premier créateur d’agents IA natifs de base de données entièrement intégré », un outil qui permet aux entreprises de créer et de déployer plus facilement des agents IA.
La plateforme s’attaque à un problème courant dans l’IA d’entreprise : la difficulté de connecter les modèles aux propres systèmes de données et flux de travail d’une entreprise de manière sécurisée et rentable.
Rendre l’IA pratique, pas seulement puissante
L’entreprise souhaite rendre le déploiement de l’IA plus rapide et plus sécurisé. Oren Eini, PDG et fondateur de RavenDB, a déclaré que l’objectif est de faire en sorte que l’IA apporte une réelle valeur ajoutée en l’intégrant directement là où se trouvent déjà les données de l’entreprise. Il a expliqué que de nombreuses organisations rencontrent des difficultés car leurs données sont dispersées dans plusieurs systèmes et formats, ce qui rend l’intégration coûteuse et complexe.
« Le plus gros problème que rencontrent les utilisateurs lors de la création de solutions d’IA est qu’un modèle générique ne fait rien de valable », a-t-il déclaré. « Pour que l’IA apporte une réelle valeur à votre système, vous devez intégrer vos propres systèmes, données et opérations. »
Le nouveau AI Agent Creator de RavenDB élimine une grande partie des frais généraux en permettant aux entreprises d’exposer les données pertinentes à un modèle directement dans la base de données – sans magasins de vecteurs séparés ni flux de travail ETL. Le système gère automatiquement les défis techniques, tels que la gestion de la mémoire des modèles, la synthèse et la sécurité des données.
Selon Eini, cela signifie que les entreprises « peuvent passer d’une idée à un agent déployé en un jour ou deux ».
Accès direct aux données et réponses en temps réel
Les flux de travail d’IA traditionnels impliquent généralement l’exportation de données d’une base de données vers un magasin de vecteurs, puis la connexion de ce magasin à un modèle d’IA, créant ainsi des retards et des failles de sécurité. L’approche de RavenDB utilise l’indexation vectorielle et la recherche sémantique intégrées pour rendre les informations disponibles instantanément aux agents d’IA au sein de la base de données elle-même.
Cette conception prend en charge une réactivité en temps réel, permettant à un agent IA d’accéder immédiatement aux informations récemment mises à jour : par exemple, vérifier la dernière commande ou l’état de l’expédition d’un client sans attendre une actualisation des données.
Sur la question de la sécurité, Eini a déclaré : « Un agent IA ne sera pas exécuté en tant que partie privilégiée du système », a-t-il noté. « Il fonctionne comme une entité externe avec les mêmes droits d’accès que l’utilisateur qui l’exploite. »
Cas d’utilisation et aperçu du secteur
Eini a noté que RavenDB a déjà appliqué AI Agent Creator dans des environnements clients réels. Dans un exemple, le système est utilisé pour le classement des candidats lors du recrutement, en lisant et en comparant automatiquement les curriculum vitae téléchargés aux exigences du poste afin d’identifier les candidats prometteurs. Dans un autre exemple, Eini a expliqué comment AI Agent Creator est utilisé pour reclasser les résultats de recherche sémantique afin d’obtenir une pertinence précise plutôt que de simplement trouver les correspondances vectorielles les plus proches.
Les analystes du secteur considèrent ce type d’intégration comme faisant partie d’une évolution plus large vers une IA intégrée et spécifique à un domaine. Dans un récent rapport de Forrester, l’analyste principale Stephanie Liu a écrit : « Les agents d’IA recherchent l’autonomie, mais votre mauvaise documentation signifie qu’ils n’atteindront peut-être pas ce seuil. »
Elle a déclaré que même si l’autonomie totale reste un défi, des liens plus étroits entre les systèmes d’IA et les données réelles de l’entreprise peuvent « apporter une valeur pratique immédiate » aux organisations qui expérimentent l’IA agentique.
Contexte plus large
L’IA native des bases de données pourrait marquer un changement majeur dans la manière dont les entreprises utilisent l’intelligence artificielle dans leurs opérations. En conservant les barrières de calcul et de sécurité à l’intérieur de la base de données, des plates-formes telles que RavenDB pourraient réduire le besoin de couches d’infrastructure supplémentaires – un défi auquel de nombreuses entreprises sont confrontées lorsqu’elles font évoluer leurs programmes d’IA.
AI News a récemment couvert Gemini Enterprise de Google, qui vise à intégrer les agents d’IA dans les flux de travail quotidiens des entreprises, et a examiné comment CrateDB repense l’infrastructure de base de données pour les performances de l’IA en temps réel. Il s’agit de deux développements majeurs qui reflètent la façon dont les systèmes agents et les architectures centrées sur les données convergent pour rendre l’IA d’entreprise plus efficace.
Le dernier ajout de RavenDB s’appuie sur cette tendance, en positionnant les bases de données comme des participants actifs dans les pipelines d’IA, et non comme des vidages de données passifs.
Regarder vers l’avenir
Eini a déclaré que le lancement reflète la feuille de route de RavenDB visant à faire des capacités d’IA une partie native de sa plate-forme. Au cours de la dernière année, la société a ajouté des fonctionnalités de recherche vectorielle, de génération intégrée et d’IA générative directement dans le moteur de base de données.
« Notre objectif est d’encapsuler toute la complexité de l’IA dans RavenDB », a-t-il déclaré, « afin que les utilisateurs puissent se concentrer sur les résultats plutôt que sur la mécanique. »
Alors que les entreprises continuent de rechercher des moyens fiables et rentables d’adopter l’IA, les outils natifs de bases de données tels que AI Agent Creator de RavenDB peuvent offrir une voie pratique à suivre, en fusionnant les données opérationnelles et l’intelligence dans un seul environnement.
Source de l’image : Unslpash
