Modèles et plateformes d’IA
L’agent de pipelines de données Genie ZeroOps de Databricks passe en bêta publique

Points clésPlus de la moitié des problèmes de prévisualisation nécessitaient des connaissances…
Voir plus
- Plus de la moitié des problèmes de prévisualisation nécessitaient des connaissances spécifiques à l'organisation pour être triés et résolus correctement.
- ZeroOps exige l'approbation explicite de l'utilisateur avant de pousser toute correction sauvegardée par Git vers le code de production.
- La sélection d'actifs autorise un traitement continu et autonome par LLM jusqu'à ce que la fonctionnalité soit désactivée.
Databricks a ouvert Genie ZeroOps à la bêta publique le 19 novembre 2026, après des tests de son agent autonome de pipelines de données en préversion privée. L’entreprise affirme que ZeroOps a observé plus de 80 000 problèmes réels rencontrés par des clients pendant cette préversion limitée.
ZeroOps détecte les défaillances, en recherche les causes et prépare des correctifs. La bêta ajoute des boîtes de réception partagées, des notifications qui résument chaque problème et recommandation, des instructions personnalisées pour les processus propres à chaque entreprise, ainsi que la création de demandes de fusion en un clic pour les tâches utilisant Git.
Les tests en préversion privée ont porté sur des centaines d’entreprises, et Databricks indique que plus de la moitié des problèmes nécessitaient des connaissances propres à l’organisation pour être correctement évalués, hiérarchisés et résolus. Ce constat a motivé l’ajout de fonctionnalités permettant aux équipes de signaler les sources connues pour être instables, les correctifs privilégiés et les conventions de nommage, ou de filtrer les défaillances attendues et les notifications moins prioritaires.
De la détection aux correctifs soumis à vérification
ZeroOps surveille les défaillances explicites des tâches et des pipelines, ainsi que les tables qui cessent d’être mises à jour ou qui contiennent un nombre de lignes anormalement faible, des problèmes susceptibles de ne pas déclencher de défaillance classique d’une tâche. Il recueille les journaux, le code source, les métadonnées des tables et les données de traçabilité, exécute des requêtes SQL pour déterminer les causes profondes et hiérarchise les résultats en fonction de leurs répercussions en aval. Avant que quiconque ne les applique, les correctifs proposés sont testés au moyen de tests unitaires et d’exécutions à blanc dans un environnement isolé.
Les investigations démarrent automatiquement dès qu’un problème est détecté. L’accès intégré à l’historique des exécutions, aux indicateurs de qualité des données et à la traçabilité de Unity Catalog — qui cartographie les dépendances entre les ressources — permet de relier les diagnostics du code à l’état des données. Les alertes peuvent être envoyées à Slack, Microsoft Teams, PagerDuty ou à des points de terminaison webhook génériques ; l’envoi par courriel n’est pas pris en charge.
Approbation et contrôle des données
ZeroOps ne modifie pas le code ni les données en production sans approbation. Les garde-fous documentés exigent une instruction explicite et une confirmation de l’utilisateur avant la publication d’un correctif géré avec Git ; cette publication ajoute un commit sans forçage ni réécriture de l’historique de la branche. Indiquer la branche par défaut d’un dépôt peut contourner la vérification des demandes de fusion, sauf si la protection des branches bloque les envois directs.
Databricks indique que l’agent utilise les modèles d’Anthropic et d’OpenAI sur des points de terminaison hébergés par Databricks, à l’intérieur de son périmètre de sécurité. La sélection de ressources autorise le traitement continu et autonome par de grands modèles de langage jusqu’à la désactivation de la fonctionnalité, y compris le traitement du contenu des dépôts pour les tâches utilisant Git. Avant d’inclure le titre ou le résumé d’un résultat dans une notification externe, l’agent recherche des informations sensibles, comme des noms et des adresses courriel, et masque celles qu’il repère. Les copies stockées dans des systèmes externes ne sont pas soumises aux contrôles de conservation et de suppression de Databricks.
Une configuration peut être partagée avec jusqu’à 25 utilisateurs individuels de l’espace de travail, mais pas avec des groupes ni des principaux de service. Les collaborateurs peuvent travailler sur les résultats, mais les utilisateurs avec lesquels la configuration est partagée voient des extraits de code, des correctifs suggérés et des exemples de lignes de données, même s’ils n’ont pas accès aux ressources sous-jacentes. Le partage ne leur donne pas accès à ces ressources.
Conditions de configuration et portée de la bêta
Un administrateur doit activer Genie ZeroOps depuis la page « Préversions » de l’espace de travail. Les utilisateurs sélectionnent ensuite les ressources et doivent disposer sur celles-ci de l’autorisation OWNER, CAN MANAGE ou CAN VIEW. Le processus de configuration récupère les résultats des 24 heures précédentes avant de signaler les nouveaux problèmes. L’investigation d’un dépôt Git nécessite un identifiant donnant un accès en lecture ; la création d’une branche pour une demande de fusion nécessite un accès en écriture.
Databricks a présenté ZeroOps le 16 juin 2026, avec une prise en charge prévue en préversion privée pour les tâches, les pipelines, les tables et les charges de travail d’apprentissage automatique. La documentation actuelle indique que la surveillance couvre les tâches, les pipelines et les tables, mais pas les modèles ni les applications, et que les régressions de performances et de coûts ne font pas partie du périmètre de détection. La bêta fonctionne au niveau de l’espace de travail, et non du compte, n’est pas conforme à la norme HIPAA et nécessite une surveillance de la qualité des données, facturée séparément, pour détecter les données de table reçues tardivement ou incomplètes.
ZeroOps automatise l’investigation et la préparation des correctifs, tout en laissant au client le pouvoir de décision en production. Le principal compromis de la bêta pour les entreprises consiste à réduire les diagnostics manuels au prix d’un traitement continu par l’IA des données opérationnelles sélectionnées ; la visibilité liée au partage, les notifications externes et la vérification par Git font donc partie du déploiement, plutôt que de constituer de simples détails administratifs.












