Plateforme de données d'IA

Créez un lakehouse de données complet pour les données structurées, semi-structurées et non structurées. Les données brutes arrivent dans le stockage objet en tant que couche bronze, ingérées là où elles résident ou déposées directement sans duplication inutile. Le calcul à mise à l’échelle automatique avec Apache Spark géré l’affine en jeux de données propres et à accès contrôlé dans la couche Silver. Oracle Autonomous AI Database fournit la couche Gold organisée et prête pour l’IA, optimisée pour l’analytique, le machine learning et les agents IA. Un seul lakehouse. Un seul environnement. Cela signifie que chaque utilisateur, de l’ingénieur de données à l’utilisateur métier, travaille avec les mêmes données fiables.

• Toutes les sources, toutes les destinations, tous les langages, partout
  Cataloguez et connectez-vous à plus de 100 sources et destinations, notamment des bases de données relationnelles, des applications SaaS, des flux de diffusion en continu et des fournisseurs de données tiers. Par exemple, un ingénieur de données peut combiner des enregistrements ERP, des événements clients et des données de parcours de clics dans des transformations Apache Spark, puis les déposer dans un onglet Gold fiable.
• Création visuelle de pipelines de données
  Concevez des pipelines ETL et ELT no-code et pro-code qui orchestrent l’ingestion, la transformation et l’enrichissement, du niveau bronze au niveau gold, dans un workflow unique.
• Interopérabilité avec les formats de fichiers ouverts
  Stockez et interrogez des données dans des formats ouverts, notamment Apache Iceberg et Delta Lake, directement sur Oracle Cloud Infrastructure (OCI) Object Storage, avec cohérence transactionnelle, requêtes temporelles et évolution des schémas. Interopérez avec Apache Spark, Apache Flink et tout moteur compatible avec Iceberg ou Delta Lake. Aucun verrouillage propriétaire, aucune réécriture lorsque les outils changent.
• Moteurs les plus performants pour la préparation des données et les requêtes
  Les ingénieurs de données peuvent exécuter des transformations de données à grande échelle dans Apache Spark. Les data scientists peuvent créer des modèles de machine learning. Les utilisateurs métier peuvent effectuer une exploration ad hoc à l’aide de SQL et d’Oracle AI Database sur les mêmes données. Chaque utilisateur peut choisir le moteur adapté à sa charge de travail sans copier ni remodéliser les données.
• Analytique convergée sur les données et les bases de données
  Interrogez des tables structurées, des données JSON semi-structurées, des données géospatiales et des embeddings vectoriels d’IA dans le stockage d’objets et les bases de données connectées, sous un modèle unique de contrôle d’accès basé sur les rôles. Par exemple, un utilisateur métier peut valider une nouvelle projection de chiffre d’affaires en joignant les flux d’activité du lakehouse aux enregistrements clients de référence dans Oracle AI Database, au sein d’une requête SQL unique.
• Couche Gold prête pour l’IA
  Les pipelines de machine learning, les bases de connaissances de génération augmentée par récupération (RAG) et les agents d’IA consomment des données organisées et validées par l’entreprise. Les ingénieurs IA ancrent les modèles dans les mêmes faits faisant autorité qui alimentent le reporting opérationnel, et non dans des copies brutes ou intermédiaires.
• Opérations autonomes de la couche Gold
  Bénéficiez d’un entrepôt de données auto-optimisé, autoscalable et autoréparateur, avec indexation automatique, optimisation des requêtes et gestion des workloads. Offrez des performances constantes en moins d’une seconde sur des milliards de lignes pendant les heures de pointe, sans optimisation manuelle. Faites évoluer les ressources de calcul indépendamment du stockage pour prendre en charge des centaines d’utilisateurs simultanés.
• Intégration native de premier ordre
  Importez directement les données Oracle Fusion Applications, notamment ERP, HCM, chaîne logistique et CX, dans le lakehouse. Préparez les données Fusion dans des notebooks optimisés par Apache Spark pour l’ancrage des agents IA, le reporting historique et l’analyse prédictive sur le système de référence opérationnel.
• Partage de données
  Partagez des données lakehouse en direct avec les équipes internes, les partenaires et les applications Oracle, sans les copier ni les déplacer. Le partage des données permet à chaque consommateur d’utiliser la version la plus récente et la plus fiable.

Oracle AI Data Platform offre aux data scientists et aux ingénieurs ML un environnement entièrement géré pour les aider à créer, entraîner, suivre et opérationnaliser des modèles de machine learning directement sur les données de lakehouse. Le cycle de vie MLOps complet (entraînement Spark distribué, suivi des expérimentations, registre de modèles et déploiement publié dans le catalogue) s’exécute dans un espace de travail géré et gouverné par le client, sans infrastructure à gérer.

• Pipelines et workflows de ML : Orchestrez des pipelines de ML de bout en bout avec des composants réutilisables — préparation des données, ingénierie des fonctionnalités, entraînement et évaluation — à l’aide de l’infrastructure de workflows d’AI Data Platform. Créez une fois, exécutez selon un calendrier ou un déclencheur, avec les stratégies de contrôle d’accès basé sur les rôles que vous définissez et contrôlez.
• Expériences et registre de modèles : Suivez toutes les exécutions d’entraînement des modèles grâce à la journalisation automatique des mesures, à la capture des hyperparamètres et au versionnement des artefacts. Comparez les expériences, enregistrez les modèles de production et gérez les workflows de cycle de vie.
• Publication de modèles et enregistrement dans le catalogue : Publiez les modèles entraînés dans le catalogue de données d’IA afin de les rendre détectables, versionnés et accessibles aux agents, applications et workflows. Les politiques de suivi de la traçabilité et de contrôle d’accès sont appliquées lors de l’enregistrement.
• Apache Spark avec GPU : Mettez à l’échelle l’ingénierie des caractéristiques et l’entraînement des modèles sur des clusters Spark distribués, en accélérant les charges de travail grâce aux fonctionnalités ETL et ML optimisées par les GPU NVIDIA leaders du marché.
• Agents de science des données : agents d’IA qui explorent de manière autonome des jeux de données, génèrent des hypothèses, écrivent et exécutent du code, et itèrent sur l’entraînement des modèles, réduisant considérablement le temps nécessaire pour passer des données brutes à un modèle en production.

Créez des agents et des applications d’IA fondés sur les propres données de votre entreprise, et non sur les capacités génériques des LLM. Vos agents et applications sont soumis à un contrôle d’accès par vos stratégies et enrichis de votre sémantique métier et de vos connaissances du domaine. Les agents d’IA sont connectés à votre catalogue de données d’IA, à vos ontologies métier et à vos systèmes d’entreprise afin de raisonner dans le contexte sur lequel votre entreprise s’appuie réellement. Composez des systèmes multi-agents à l’aide de n’importe quel modèle de fondation, des générateurs visuels sans code au développement pro-code complet, et déployez-les sur une infrastructure de calcul IA gérée avec observabilité intégrée.

• Générateur visuel de flux sans code : concevez et composez des agents visuellement grâce à une interface glisser-déposer. Connectez des outils SQL, des bases de connaissances RAG, des nœuds de prompt LLM et répartissez les flux vers plusieurs outils, le tout sans écrire une seule ligne de code. Changez de modèle de fondation à partir d’un menu déroulant sans reconstruire le flux.
• Développement pro-code : Écrivez des agents en Python à l’aide du SDK AI Data Platform, avec un accès complet à LangChain, à OCI Generative AI et à toute bibliothèque open source. Chaque fonctionnalité de flux visuel est entièrement accessible dans le code ; importez scikit-learn, LangChain ou tout autre framework aux côtés du SDK d’agent.
• Systèmes multi-agents : concevez et orchestrez des systèmes d’agents d’IA coopérants, tels que des agents orchestrateurs, des sous-agents spécialisés et des agents utilisant des outils, afin de contribuer à traiter de manière autonome des workflows d’entreprise complexes et en plusieurs étapes à l’aide du protocole A2A.
• N’importe quel modèle de fondation : Utilisez n’importe quel modèle sur OCI, tel que Llama, Cohere, Mistral, Grok, et bien d’autres, ou apportez vos propres modèles affinés. Changez de modèle à partir du menu déroulant Oracle Cloud Infrastructure (OCI) Compute sans reconstruire la logique applicative.
• AIOps et observabilité : observabilité complète sur l’ensemble du cycle de vie des agents, du développement à la production. Testez les agents de manière interactive dans l’environnement de test de la plateforme, en examinant les appels d’outils, le raisonnement du LLM et les résultats avant le déploiement. Les sessions capturent une piste d’audit avec le statut, la durée, les entrées/sorties et le détail des événements par étape dans les environnements de développement, de test et de production. Surveillez en temps réel la latence, l’utilisation des tokens, les taux d’erreur et les indicateurs clés de performance métier personnalisés.

Un environnement de développement unique et intégré permettant aux ingénieurs de données, aux data scientists et aux développeurs IA de collaborer sur des projets de données et d’IA de bout en bout, avec contrôle d’accès basé sur les rôles (RBAC), CI/CD, gestion des versions et auditabilité de niveau entreprise intégrés. Connectez tous les profils grâce à des outils, des notebooks et des pipelines partagés, tous optimisés par un accès intégré aux services et au catalogue sous-jacents de la plateforme.

• Espaces de travail : environnements délimités au niveau du projet où les équipes collaborent sur des notebooks, des pipelines, des agents et des expériences. Tous les artefacts sont versionnés, partagés et soumis à un contrôle d’accès dans le périmètre de l’espace de travail, avec un contrôle d’accès complet basé sur les rôles pour chaque projet.
• Notebooks, workflows et agents : Tous les artefacts de développement sont gérés au même endroit, notamment les notebooks compatibles avec Jupyter, les DAG de workflow de pipeline, les agents d’IA et les expériences de ML. Partagez, gérez les versions et collaborez au sein de l’équipe sans changer de contexte.
• Outil SQL et gestion du calcul : Exécutez des requêtes SQL ad hoc directement sur les tables de catalogue grâce à des contrôles intégrés du cycle de vie du calcul. Associez, dissociez ou provisionnez de nouvelles ressources de calcul d’IA depuis l’IDE, sans console distincte requise.
• CI/CD et intégration Git : intégration Git native pour la gestion des versions des notebooks, des pipelines, des définitions d’agents et des configurations de modèles. Connectez-vous à GitHub, GitLab ou Bitbucket pour l’intégration continue et le déploiement automatisé des artefacts de projets de données vers l’IA.
• RBAC, audit et isolation réseau : Contrôle d’accès granulaire basé sur les rôles dans les espaces de travail, les artefacts et les ressources de calcul. Journaux d’audit complets pour chaque action utilisateur. L’isolation du réseau avec des points de terminaison privés permet de garantir que les charges de travail sensibles n’entrent jamais en contact avec l’Internet public.

Découvrez, comprenez et gérez l’accès à toutes vos données et à tous vos actifs d’IA dans un catalogue unique et unifié couvrant l’ensemble de l’architecture médaillon, y compris l’ingestion bronze, la curation silver et les produits de données gold prêts pour l’IA. Le catalogue de données IA d’Oracle AI Data Platform se connecte à Autonomous AI Database, à OCI Object Storage et à des sources tierces via des catalogues externes, révélant une riche signification métier grâce au contexte sémantique et aux ontologies. Chaque équipe découvre non seulement quelles données existent, mais aussi ce qu’elles signifient pour l’entreprise. Chaque agent d’IA hérite automatiquement de cette compréhension.

• Catalogue unifié des ressources de données et d’IA : un catalogue unique pour toutes les ressources de données et d’IA, notamment les tables structurées, les fichiers non structurés, les bases de connaissances, les modèles de ML, les feature stores et les définitions d’agents. L’accès au catalogue est géré au moyen de stratégies cohérentes pour les données et l’IA. Elle couvre l’ensemble de l’architecture en médaillon, permettant l’ingestion rapide, la curation et la diffusion de produits de données et d’applications d’IA à chaque couche.
• Catalogues externes et découverte des ressources : Connectez-vous à des sources de données externes — Autonomous AI Database, OCI Object Storage et systèmes tiers — sans déplacer ni dupliquer inutilement les données. Découvrez et cataloguez automatiquement les actifs structurés et non structurés grâce à l’enrichissement des métadonnées assisté par l’IA et au suivi du lignage dès le point de connexion.
• Ontologies métier et couche sémantique : définissez des ontologies de domaine et des relations sémantiques entre les concepts métier. Les glossaires métier, les ontologies sémantiques, les taxonomies de domaine et les synonymes générés par l’IA permettent aux utilisateurs de trouver les données par leur signification, et non par les noms de tables. Les agents d’IA héritent automatiquement de cette compréhension sémantique.
• Zéro copie : Interrogez les données là où elles se trouvent. Accédez aux données et interrogez-les sans les déplacer ni les copier. Connectez-vous directement à vos instances Oracle Database, Autonomous AI Database et Exadata existantes, et interrogez-les sur place à l’aide de SQL. Les données restent dans leur source faisant autorité, tandis que le catalogue fédère l’accès, applique un contrôle d’accès basé sur les rôles et les met à disposition, réduisant ainsi les doublons et les coûts.
• Zero ETL : Aidez à éliminer les pipelines ETL avec Oracle GoldenGate pour une réplication en temps réel, basée sur les journaux et optimisée par l’IA, depuis n’importe quelle base de données source, pour une ingestion en streaming à haut débit directement dans le lakehouse. Les données sont cataloguées et prêtes pour l’IA dès leur arrivée.
• Volumes : Les volumes stockent des données non structurées avec les ressources de données dans le catalogue. Associez des bases de connaissances pour permettre aux agents et aux applications de récupérer en toute sécurité du contenu non structuré, tel que des documents, des PDF et des images.
• Traçabilité des données : Visualisez la traçabilité des données de bout en bout, y compris l’ingestion brute via les transformations, l’ingénierie des caractéristiques ML, l’entraînement des modèles et la mise à disposition des applications d’IA. Comprenez instantanément l’impact des changements en amont sur l’ensemble du pipeline de données et d’IA.

L’IA d’entreprise à grande échelle exige une sécurité, une gestion des accès et une auditabilité de niveau entreprise, appliquées de manière cohérente à chaque actif de données, modèle et agent. Oracle AI Data Platform applique un modèle de sécurité à deux niveaux : Oracle Cloud Infrastructure Identity and Access Management (IAM) pour l’identité et l’authentification, associé à AI Data Platform pour un contrôle d’accès précis sur chaque ressource de catalogue, espace de travail et ressource d’IA, avec des journaux d’audit complets pour une traçabilité totale. Gérez l’ensemble de votre patrimoine de données et d’IA sans ajouter la sécurité après coup.

• Modèle de sécurité à deux niveaux : La sécurité fonctionne à deux niveaux : OCI IAM gère l’identité, l’authentification et l’accès au niveau du cloud ; AI Data Platform contrôle qui peut découvrir, lire, modifier et utiliser chaque actif de données et d’IA au sein de la plateforme. Les deux politiques sont définies et gérées par le client. Oracle assure la maintenance du cadre qui les applique. Vous bénéficiez des avantages d’une architecture de défense en profondeur sans céder le contrôle.
• Workbench AI Data Platform : contrôle d’accès granulaire basé sur les rôles dans les espaces de travail, les ressources de catalogue, les ressources de calcul, les agents et les fonctions d’administration. Les rôles sont appliqués de manière cohérente aux données et à l’IA, sans écart entre ce que les utilisateurs peuvent voir dans le catalogue et ce sur quoi ils peuvent agir dans la plateforme.
• Journalisation d’audit et traçabilité : Des journaux d’audit complets pour chaque action utilisateur, accès aux données, interaction avec un agent et modification administrative assurent la traçabilité sur l’ensemble de la plate-forme afin de prendre en charge la conformité, les investigations et le reporting de l’historique des accès.
• Isolation réseau et points de terminaison privés : Déployez des espaces de travail, des ressources de calcul et des connexions de données dans des sous-réseaux VCN privés avec des points de terminaison privés. Les charges de travail sensibles ne transitent jamais par l’Internet public. L’isolation du réseau est appliquée au niveau de la couche d’infrastructure.
• Intégration d’OCI Identity and Access Management et de la sécurité : OCI IAM gère la fédération des identités et l’authentification sur l’ensemble de la plate-forme. Une intégration étroite avec OCI Vault pour la gestion des secrets, OCI Certificates pour TLS et OCI Security Advisor pour les recommandations de posture fournit un plan de contrôle de sécurité unifié pour les données, l’IA et l’infrastructure.

Un registre centralisé pour découvrir et gérer les agents d’IA à l’échelle de l’entreprise, notamment les agents créés avec AI Data Platform et les agents tiers, ainsi que les serveurs et outils MCP. Le registre d’IA suit l’identité, les fonctionnalités, les autorisations, les versions et les journaux d’interaction de chaque agent, offrant aux administrateurs de plateforme une visibilité et un contrôle sur le parc croissant d’agents d’IA opérant dans toute l’entreprise.

• Registre centralisé des agents : un registre unifié pour vous aider à répertorier, versionner et gérer tous vos agents d’IA, qu’ils soient créés avec AI Data Platform ou des outils tiers. Suivez l’identité de chaque agent, ses capacités déclarées, son périmètre d’autorisation, son historique des versions et ses journaux d’interaction. Découvrez des agents par capacité, domaine ou équipe, avec des métadonnées enrichies pour la gestion, le contrôle des accès et la réutilisation à l’échelle de l’entreprise.
• Protocole agent à agent (A2A) : Permettez une communication structurée et standardisée entre les agents AI Data Platform et les agents tiers à l’aide du protocole A2A ouvert. Composez des workflows complexes dans lesquels des agents spécialisés collaborent avec des agents orchestrateurs, avec une identité claire, une déclaration des capacités et des limites d’autorisation appliquées à chaque interaction.
• Serveurs et outils Model Context Protocol (MCP) : Enregistrez et exposez des serveurs et outils MCP. Les agents découvrent et invoquent dynamiquement des outils au moment de l’exécution, notamment des requêtes de base de données, des API REST et des fonctions métier personnalisées, sans liaisons codées en dur. Les autorisations des outils sont gérées au moyen des stratégies de registre que vous définissez, en cohérence avec la façon dont l’accès des agents est contrôlé.

Donnez aux utilisateurs non techniques accès à toute la puissance de vos données d’entreprise grâce à des analyses en libre-service, à des agents IA sélectionnés et à des insights optimisés par l’IA. Les fonctionnalités d’IA sont directement intégrées aux workflows métier, là où les décisions sont prises. Aucune compétence technique requise. C’est l’IA d’entreprise démocratisée.

• Analytique dans les workflows métier : Oracle Analytics Cloud intègre des analyses de premier ordre directement dans les applications que vos équipes utilisent au quotidien, notamment Oracle Fusion ERP, HCM, SCM et CX. Posez des questions en langage naturel, affichez des récits générés par l’IA et partagez des tableaux de bord gérés de manière centralisée au sein du workflow.
• Une interface conversationnelle unifiée : une vue unique pour découvrir, interroger et utiliser en collaboration les agents d’IA de votre organisation. Agent Hub interprète les demandes des utilisateurs métier, trouve et appelle l’agent approprié, et présente les résultats en contexte, le tout en langage naturel. Aucune compétence technique requise.
• Bibliothèque sélectionnée d’agents d’IA : parcourez une bibliothèque sélectionnée d’agents approuvés — agents internes créés par vos équipes data et agents tiers validés — avec des descriptions, des exemples de prompts et des conseils d’utilisation pour les tâches métier courantes.
• Accès et sécurité gérés : Les utilisateurs peuvent gérer chaque interaction avec les agents et chaque requête d’analytique à l’aide des mêmes politiques RBAC que celles appliquées aux données sous-jacentes. Les utilisateurs ne voient que les agents et les données auxquels ils sont autorisés à accéder. Une sécurité d’entreprise sans configuration supplémentaire.