Les déploiements d’IA en entreprise stagnent, non pas parce que les agents sont difficiles à créer, mais parce que les organisations ne disposent pas de l’infrastructure de données nécessaire pour les exécuter de manière fiable à grande échelle. Le passage des chatbots aux agents autonomes à plusieurs étapes a mis en évidence une lacune structurelle dans le développement de l’IA agentique.
Oracle Corp. positionne la base de données comme le centre de gravité de l'IA agentique d'entreprise, arguant que l'avenir des applications intelligentes ne sera pas déterminé uniquement par les performances du modèle, mais par la profondeur de l'intégration de l'IA à la couche de données sous-jacente. Cette conviction se traduit désormais par une architecture concrète, selon Tirthankar Lahiri (photo), vice-président senior des données critiques et des moteurs d'IA chez Oracle.
« Les systèmes agents vont devenir l'avenir du développement d'applications. Ils sont le présent et l'avenir », a déclaré Lahiri au CUBE. « De nombreuses organisations ont encore du mal à tirer profit des agents, car en fin de compte, la qualité des agents dépend de leurs données. »
Lahiri s'est entretenu avec Dave Vellante de theCUBE lors de l'événement Oracle Data Deep Dive NYC, lors d'une diffusion exclusive sur theCUBE, le studio de diffusion en direct de SiliconANGLE Media. Ils ont discuté de la stratégie d'Oracle pour intégrer le développement de l'IA agentique ainsi que de la manière dont l'entreprise aborde la sécurité des données de l'IA et les normes ouvertes. (* Divulgation ci-dessous.)
Développement d'IA agentique ancré dans la mémoire unifiée et la couche de données
L'approche d'Oracle remet en question l'hypothèse dominante selon laquelle l'IA agentique est avant tout un problème d'orchestration. Plutôt que de préconiser une couche d'agent distincte située au-dessus des magasins de données fragmentés, Oracle réduit la pile en exécutant la logique de l'agent aussi près que possible des données. L'AI Database Private Agent Factory et l'Autonomous AI Vector Database de la société reflètent cette thèse, offrant aux développeurs et aux utilisateurs professionnels un chemin à faible friction pour créer et déployer des agents sur des données d'entreprise en direct sans les déplacer entre les systèmes, a expliqué Lahiri.
« Il existe essentiellement deux types d'agents. Il existe des agents centrés sur le raisonnement et des agents centrés sur les données », a-t-il déclaré. « Les agents centrés sur les données sont vraiment mieux exécutés au même endroit que les données. Nous voulons éliminer le besoin de plusieurs allers-retours – accès à plusieurs bases de données. L'architecture du traitement agent ainsi que l'accès aux données évitent une IA fragmentée ou fracturée. Vous obtenez une IA qui s'exécute sur des données propres, en temps réel et à jour sans avoir besoin de diviser vos données dans plusieurs référentiels. »
Au cœur de l'architecture d'Oracle se trouve ce que la société appelle Unified Memory Core, une capacité qui dérive l'ensemble des constructions de mémoire d'agent, du contexte à court terme aux associations factuelles à long terme, à partir d'un seul magasin de données unifié, a expliqué Lahiri. Plutôt que d'acheminer les agents vers des bases de données graphiques, documentaires ou vectorielles distinctes pour différentes tâches de raisonnement, Oracle permet à une seule couche de données sous-jacente de répondre simultanément à tous ces besoins. Ce développement d'IA agentique élimine les frais de synchronisation et les risques de cohérence liés à la gestion de plusieurs systèmes spécialisés.
« Parfois, vous voulez des associations et un graphique de connaissances. Parfois, vous voulez juste une représentation factuelle d'un événement qui s'est produit », a-t-il déclaré. « Cette dérivation, si elle est effectuée sur place avec les données réelles, est actuelle, cohérente et entièrement sécurisée. Nous appelons cela le noyau de mémoire unifiée pour cette raison, ce qui est beaucoup plus efficace que l'utilisation de plusieurs systèmes de stockage pour représenter les différents types de mémoire. «
La même logique de proximité des données s'étend à l'approche d'Oracle en matière de sécurité des données d'IA. À mesure que les agents passent de la réponse aux questions à l'action (exécution de transactions, accès à des enregistrements sensibles, exécution de processus métier), la sécurité appliquée au niveau de la couche application devient insuffisante. La réponse d'Oracle est ce qu'elle appelle Deep Data Security : l'application de politiques intégrées directement dans la base de données, garantissant que même une requête générée dynamiquement ou injectée de manière contradictoire ne peut pas renvoyer des données que l'utilisateur authentifié n'est pas autorisé à voir.
« Le problème que nous rencontrons aujourd'hui réside dans de nombreux systèmes, la sécurité étant intégrée au niveau des applications », a déclaré Lahiri. « La seule façon de résoudre ce problème est de sécuriser les données à la source. Même si la requête est mal formée, elle ne peut pas renvoyer des données qu'elle ne devrait pas afficher. C'est vraiment ce que vous offre la sécurité approfondie des données – et je pense que dans ce monde de l'IA, c'est le seul moyen de sécuriser les données. »
Voici l'interview vidéo complète, faisant partie de la couverture par SiliconANGLE et theCUBE de l'événement Oracle Data Deep Dive NYC :
(* Divulgation : TheCUBE est un partenaire média payant pour l'événement Oracle Data Deep Dive NYC. Ni Oracle, le sponsor de la couverture de l'événement theCUBE, ni les autres sponsors n'ont de contrôle éditorial sur le contenu de theCUBE ou SiliconANGLE.)
