Couchbase, la plateforme de données opérationnelles pour l'IATM, annonce aujourd’hui la disponibilité d’AI Data Plane, une couche d’infrastructure de données unifiée conçue pour les agents d’IA en entreprise. Couchbase AI Data Plane™ donne aux organisations une mémoire persistante pour les agents, une récupération du contexte en temps réel et un accès homogène aux données, du cloud à la périphérie, y compris dans les architectures lakehouse. En regroupant dans une couche unique et contrôlée les services de données fragmentés qui freinaient jusqu’ici le déploiement des agents, les entreprises peuvent passer des pilotes à des agents de niveau production, capables de prendre des décisions plus cohérentes, d’offrir des expériences client plus riches et de générer des gains d’efficacité mesurables à grande échelle.
AI Data Plane réunit Agent Memory, un catalogue d’agents qui facilite la découverte de leurs outils, ainsi qu’un serveur MCP auto-géré, pris en charge par l’entreprise, pour standardiser l’intégration des protocoles de contexte de modèle. La solution regroupe les précédents modèles de déploiement de Couchbase au sein d’une architecture unique, compatible avec Couchbase Capella comme avec les environnements auto-gérés. Elle s’appuie également sur Enterprise Analytics 2.2, qui apporte la fédération lakehouse basée sur Apache Iceberg, ainsi que sur un adaptateur Trino, dont le lancement est actuellement attendu au troisième trimestre civil 2026. Soutenue par les équipes d’ingénierie et de support de Couchbase, cette plateforme remplace les solutions fragmentées et offre aux équipes plateforme un point de contrôle unique sur les services de données dont dépendent leurs agents.
« La plupart des entreprises constatent rapidement que le passage de chatbots à des systèmes agentiques de niveau production relève d’abord d’un enjeu de données, et pas uniquement de modèle », déclare Devin Pratt, Research Director, AI, Automation, Data & Analytics chez IDC. « IDC estime que 80% des cas d’usage de l’IA agentique nécessiteront des données accessibles en temps réel, riches en contexte et largement disponibles ; l’architecture doit donc être conçue pour les prendre en charge. Les approches qui intègrent nativement la mémoire des agents et la récupération du contexte au sein de la base de données elle-même, comme l’AI Data Plane de Couchbase, répondent directement à ce besoin. En unifiant les vecteurs, les documents, le cache et les données opérationnelles au sein d’une plateforme distribuée unique, du cloud à la périphérie, Couchbase réduit le coût d’intégration qui freine encore le déploiement d’agents en environnement réel et offre aux organisations une base plus gouvernable et plus scalable pour la prochaine génération d’applications dopées à l’IA. »
Mémoire persistante des agents
Les CIO qui définissent leur stratégie d’infrastructure IA ont besoin d’une plateforme de données unifiée capable de gérer la mémoire, le contexte et la récupération tout au long du cycle de vie des agents, et non d’une solution ponctuelle supplémentaire à intégrer et à maintenir. Couchbase Agent Memory répond à ce besoin en offrant une couche de persistance unique au sein de la plateforme de données opérationnelles, plutôt que d’imposer aux équipes l’assemblage de solutions séparées pour le cache, les vecteurs et les documents. Indépendante des frameworks et validée avec LangGraph, CrewAI et LlamaIndex, cette approche permet aux équipes d’ingénierie de changer de framework d’orchestration, ou d’en combiner plusieurs, sans avoir à reconstruire leur couche mémoire.
À mesure que les entreprises passent des prototypes aux agents en production, l’écart entre ce sur quoi ils peuvent raisonner et ce dont ils peuvent se souvenir d’une session à l’autre devient un frein majeur. Les agents simples peuvent fonctionner avec la recherche vectorielle, que Couchbase propose à l’échelle du milliard, mais les agents de niveau production doivent aussi pouvoir stocker le contexte conversationnel, récupérer des données opérationnelles structurées et conserver l’état d’une session à l’autre, y compris après redémarrage, le tout avec une latence inférieure à la milliseconde au moment de la décision.
« Pour des agents conversationnels de niveau entreprise, l’essentiel est de garantir une récupération des données rapide, cohérente et fluide. Quand des humains interagissent avec des agents d’IA, tout ce qui se joue en arrière-plan doit rester prévisible et homogène pour offrir une expérience naturelle », explique Patrick Ferriter, SVP Product chez Agora. « C’est précisément ce que nous construisons avec Couchbase, et c’est la raison pour laquelle nous avons choisi de faire d’eux un partenaire de notre couche de données pour notre plateforme d’IA conversationnelle. Tous nos cas d’usage d’IA conversationnelle reposent sur une récupération efficace des données pour alimenter le pipeline des agents d’IA, qu’il s’agisse de prospection commerciale, de service client, d’IA physique ou d’autres usages encore émergents. Nous travaillons avec Couchbase depuis plusieurs années, et au fur et à mesure de notre montée en puissance sur des workloads agentiques, cette évolution s’est imposée naturellement. »
Conçu pour l’IA agentique en edge
Le passage d’applications d’IA à prompt unique à des architectures agentiques autonomes en plusieurs étapes a mis en évidence un décalage fondamental entre le fonctionnement des agents et la manière dont la plupart des infrastructures de données sont conçues, en particulier en edge. Les agents opèrent sur plusieurs sessions, accumulent du contexte au fil du temps et doivent agir à la fois sur des données opérationnelles structurées et sur des embeddings non structurés, à travers le cloud, l’edge et les terminaux. Couchbase AI Data Plane a été conçu pour répondre à l’ensemble de ces besoins en données.
Le débit est tout aussi critique, car les workloads agentiques peuvent solliciter la couche de données bien plus fortement que les applications traditionnelles. Chaque action d’un agent déclenche successivement la récupération du contexte, l’écriture de la mémoire et la synchronisation de l’état, souvent sur des milliers de sessions simultanées. AI Data Plane a été conçu pour cette échelle, en s’appuyant sur l’architecture scale-out éprouvée de Couchbase, fondée sur la mémoire, qui prend déjà en charge des dizaines de millions de transactions par seconde avec une latence inférieure à la milliseconde pour certaines des entreprises les plus exigeantes au monde.
AI Data Plane s’appuie sur l’architecture distribuée multimodèle de Couchbase, qui prend en charge les documents JSON, le key-value, SQL pour les requêtes JSON, la recherche en texte intégral, l’eventing et la recherche vectorielle au sein d’un même système distribué. Agent Memory prolonge cette base avec la persistance de session et la récupération du contexte, tandis que le serveur MCP et le catalogue d’agents fournissent les couches d’intégration et d’observabilité nécessaires aux déploiements d’agents en production.
Enterprise Analytics 2.2 : fédération lakehouse avec Iceberg et Trino
Couchbase annonce également Enterprise Analytics 2.2, une évolution majeure de ses capacités analytiques qui ouvre les données opérationnelles de Couchbase à l’écosystème lakehouse, tout en renforçant son moteur de requête. Enterprise Analytics 2.2 introduit la fédération lakehouse Apache Iceberg, permettant aux équipes d’interroger en temps réel les données analytiques opérationnelles dans Couchbase, en parallèle des tables Iceberg existantes, sans ETL complexe ni duplication des données. Les entreprises qui ont adopté Iceberg pour ses atouts en matière de gouvernance ouverte, de performance et d’écosystème peuvent ainsi tirer davantage de valeur de ces investissements en intégrant leurs tables Iceberg dans la même plateforme que celle qui alimente leurs workloads agentiques.
Les principales améliorations analytiques incluent la prise en charge de Google Cloud Storage, l’authentification JWT, le change data capture pour Oracle et SQL Server, les requêtes asynchrones de longue durée, un index advisor, des plans de requête index-only, la prise en charge de SQL++ UPDATE, ainsi que les mises à jour SDK correspondantes pour Java, .NET, Python, JavaScript et Go. Ces évolutions offrent aux équipes plateforme des analyses plus rapides et plus contrôlées dans leurs outils et langages existants, afin de construire et d’optimiser des workloads d’IA et de données sans complexifier l’infrastructure.
Un nouvel adaptateur Trino, attendu au T3 2026, offrira un accès SQL in situ aux données opérationnelles Couchbase depuis des plateformes basées sur Trino, notamment AWS Athena, Amazon EMR, Google Dataproc et Starburst. Les entreprises n’auront ainsi plus besoin d’extraire et de répliquer des données en temps réel vers des entrepôts analytiques distincts avant de les interroger dans des workflows IA et analytiques couvrant à la fois les environnements opérationnels et lakehouse.
Améliorations de Capella iQ
Capella iQ, l’assistant de requête en langage naturel de la plateforme, prend désormais en charge la sélection multi-modèles avec AWS Bedrock et OpenAI, sous le contrôle de politiques définies au niveau de l’organisation. Les administrateurs peuvent déterminer quels modèles sont accessibles à quelles équipes, afin que les coûts d’inférence et les exigences de résidence des données restent dans le cadre défini par l’entreprise, sans ralentir les développeurs. Les équipes gagnent ainsi en flexibilité pour choisir le bon modèle pour chaque workload, tandis que les administrateurs gardent un contrôle strict sur les coûts d’inférence, la conformité et la résidence des données via des politiques centralisées.
Mises à jour edge, mobile et applications distribuées
À mesure que les agents d’IA s’imposent dans la force de travail opérationnelle, leurs besoins en données doivent suivre le mouvement, dans des environnements de plus en plus distribués, sur les appareils, sur le terrain et en edge, plutôt que dans un bureau ou un centre de données. Couchbase étend AI Data Plane à l’edge afin que les agents exécutés dans des environnements mobiles et edge puissent accéder à des données répliquées et effectuer une recherche vectorielle locale, même en cas de connectivité intermittente ou inexistante.
Les nouveautés incluent :
Couchbase Lite (CBL) 4.1 : synchronisation peer-to-peer native via Bluetooth, avec bascule automatique vers le Wi-Fi pour mieux gérer les environnements edge sans connexion stable. L’API Android modernisée, avec prise en charge native de Kotlin @Serializable, supprime le boilerplate de mapping des données et facilite les mises à jour d’interface grâce à la sérialisation directe et à la détection des changements par delta. De nouveaux bindings C++ simplifient aussi le développement d’applications embarquées haute performance.
Edge Server 1.1 : contrôle d’accès au niveau client pour des permissions locales plus granulaires, prise en charge de CORS pour les applications edge web, rotation simplifiée des identifiants pour les flottes d’appareils distribuées, et prise en charge étendue des plateformes Windows et ARM.
React Native 1.1 : support de niveau entreprise avec intégration Turbo Module, donnant aux équipes mobiles cross-platform un accès direct aux performances de Couchbase Lite sans surcoût de bridging.
Sync Gateway 4.1 : passerelle de synchronisation des données du cloud à l’edge pour des mises à niveau progressives sans interruption et une resynchronisation distribuée simultanée pour les workloads à fort volume, réduisant la charge opérationnelle des déploiements d’entreprise. Disponible en tant que service managé via App Services.
« La couche de base de données est l’endroit où l’IA agentique accélère ou s’arrête, et la plupart des acteurs du marché continuent de traiter la mémoire des agents comme un sujet secondaire », ajoute Barry Morris, Chief Product & Strategy Officer chez Couchbase. « Nous avons conçu AI Data Plane parce que nos clients nous ont expliqué que le fait de devoir combiner des stores séparés pour les vecteurs, le cache et les documents pour chaque agent était le principal frein à leurs délais de mise en production. Agent Memory leur offre une couche de persistance unifiée, indépendante des frameworks, qui fonctionne de manière identique dans les environnements cloud et auto-gérés, du cloud à l’edge, avec la latence réellement nécessaire à leurs agents. C’est ce qu’il faut pour passer du pilote à la production, et les fournisseurs qui l’auront compris définiront la catégorie d’infrastructure pour la prochaine décennie de l’IA. »
Disponibilité
Tous les produits mentionnés ci-dessus sont disponibles immédiatement, à l’exception de l’adaptateur Trino, attendu au T3 2026.
AI Data Plane réunit Agent Memory, un catalogue d’agents qui facilite la découverte de leurs outils, ainsi qu’un serveur MCP auto-géré, pris en charge par l’entreprise, pour standardiser l’intégration des protocoles de contexte de modèle. La solution regroupe les précédents modèles de déploiement de Couchbase au sein d’une architecture unique, compatible avec Couchbase Capella comme avec les environnements auto-gérés. Elle s’appuie également sur Enterprise Analytics 2.2, qui apporte la fédération lakehouse basée sur Apache Iceberg, ainsi que sur un adaptateur Trino, dont le lancement est actuellement attendu au troisième trimestre civil 2026. Soutenue par les équipes d’ingénierie et de support de Couchbase, cette plateforme remplace les solutions fragmentées et offre aux équipes plateforme un point de contrôle unique sur les services de données dont dépendent leurs agents.
« La plupart des entreprises constatent rapidement que le passage de chatbots à des systèmes agentiques de niveau production relève d’abord d’un enjeu de données, et pas uniquement de modèle », déclare Devin Pratt, Research Director, AI, Automation, Data & Analytics chez IDC. « IDC estime que 80% des cas d’usage de l’IA agentique nécessiteront des données accessibles en temps réel, riches en contexte et largement disponibles ; l’architecture doit donc être conçue pour les prendre en charge. Les approches qui intègrent nativement la mémoire des agents et la récupération du contexte au sein de la base de données elle-même, comme l’AI Data Plane de Couchbase, répondent directement à ce besoin. En unifiant les vecteurs, les documents, le cache et les données opérationnelles au sein d’une plateforme distribuée unique, du cloud à la périphérie, Couchbase réduit le coût d’intégration qui freine encore le déploiement d’agents en environnement réel et offre aux organisations une base plus gouvernable et plus scalable pour la prochaine génération d’applications dopées à l’IA. »
Mémoire persistante des agents
Les CIO qui définissent leur stratégie d’infrastructure IA ont besoin d’une plateforme de données unifiée capable de gérer la mémoire, le contexte et la récupération tout au long du cycle de vie des agents, et non d’une solution ponctuelle supplémentaire à intégrer et à maintenir. Couchbase Agent Memory répond à ce besoin en offrant une couche de persistance unique au sein de la plateforme de données opérationnelles, plutôt que d’imposer aux équipes l’assemblage de solutions séparées pour le cache, les vecteurs et les documents. Indépendante des frameworks et validée avec LangGraph, CrewAI et LlamaIndex, cette approche permet aux équipes d’ingénierie de changer de framework d’orchestration, ou d’en combiner plusieurs, sans avoir à reconstruire leur couche mémoire.
À mesure que les entreprises passent des prototypes aux agents en production, l’écart entre ce sur quoi ils peuvent raisonner et ce dont ils peuvent se souvenir d’une session à l’autre devient un frein majeur. Les agents simples peuvent fonctionner avec la recherche vectorielle, que Couchbase propose à l’échelle du milliard, mais les agents de niveau production doivent aussi pouvoir stocker le contexte conversationnel, récupérer des données opérationnelles structurées et conserver l’état d’une session à l’autre, y compris après redémarrage, le tout avec une latence inférieure à la milliseconde au moment de la décision.
« Pour des agents conversationnels de niveau entreprise, l’essentiel est de garantir une récupération des données rapide, cohérente et fluide. Quand des humains interagissent avec des agents d’IA, tout ce qui se joue en arrière-plan doit rester prévisible et homogène pour offrir une expérience naturelle », explique Patrick Ferriter, SVP Product chez Agora. « C’est précisément ce que nous construisons avec Couchbase, et c’est la raison pour laquelle nous avons choisi de faire d’eux un partenaire de notre couche de données pour notre plateforme d’IA conversationnelle. Tous nos cas d’usage d’IA conversationnelle reposent sur une récupération efficace des données pour alimenter le pipeline des agents d’IA, qu’il s’agisse de prospection commerciale, de service client, d’IA physique ou d’autres usages encore émergents. Nous travaillons avec Couchbase depuis plusieurs années, et au fur et à mesure de notre montée en puissance sur des workloads agentiques, cette évolution s’est imposée naturellement. »
Conçu pour l’IA agentique en edge
Le passage d’applications d’IA à prompt unique à des architectures agentiques autonomes en plusieurs étapes a mis en évidence un décalage fondamental entre le fonctionnement des agents et la manière dont la plupart des infrastructures de données sont conçues, en particulier en edge. Les agents opèrent sur plusieurs sessions, accumulent du contexte au fil du temps et doivent agir à la fois sur des données opérationnelles structurées et sur des embeddings non structurés, à travers le cloud, l’edge et les terminaux. Couchbase AI Data Plane a été conçu pour répondre à l’ensemble de ces besoins en données.
Le débit est tout aussi critique, car les workloads agentiques peuvent solliciter la couche de données bien plus fortement que les applications traditionnelles. Chaque action d’un agent déclenche successivement la récupération du contexte, l’écriture de la mémoire et la synchronisation de l’état, souvent sur des milliers de sessions simultanées. AI Data Plane a été conçu pour cette échelle, en s’appuyant sur l’architecture scale-out éprouvée de Couchbase, fondée sur la mémoire, qui prend déjà en charge des dizaines de millions de transactions par seconde avec une latence inférieure à la milliseconde pour certaines des entreprises les plus exigeantes au monde.
AI Data Plane s’appuie sur l’architecture distribuée multimodèle de Couchbase, qui prend en charge les documents JSON, le key-value, SQL pour les requêtes JSON, la recherche en texte intégral, l’eventing et la recherche vectorielle au sein d’un même système distribué. Agent Memory prolonge cette base avec la persistance de session et la récupération du contexte, tandis que le serveur MCP et le catalogue d’agents fournissent les couches d’intégration et d’observabilité nécessaires aux déploiements d’agents en production.
Enterprise Analytics 2.2 : fédération lakehouse avec Iceberg et Trino
Couchbase annonce également Enterprise Analytics 2.2, une évolution majeure de ses capacités analytiques qui ouvre les données opérationnelles de Couchbase à l’écosystème lakehouse, tout en renforçant son moteur de requête. Enterprise Analytics 2.2 introduit la fédération lakehouse Apache Iceberg, permettant aux équipes d’interroger en temps réel les données analytiques opérationnelles dans Couchbase, en parallèle des tables Iceberg existantes, sans ETL complexe ni duplication des données. Les entreprises qui ont adopté Iceberg pour ses atouts en matière de gouvernance ouverte, de performance et d’écosystème peuvent ainsi tirer davantage de valeur de ces investissements en intégrant leurs tables Iceberg dans la même plateforme que celle qui alimente leurs workloads agentiques.
Les principales améliorations analytiques incluent la prise en charge de Google Cloud Storage, l’authentification JWT, le change data capture pour Oracle et SQL Server, les requêtes asynchrones de longue durée, un index advisor, des plans de requête index-only, la prise en charge de SQL++ UPDATE, ainsi que les mises à jour SDK correspondantes pour Java, .NET, Python, JavaScript et Go. Ces évolutions offrent aux équipes plateforme des analyses plus rapides et plus contrôlées dans leurs outils et langages existants, afin de construire et d’optimiser des workloads d’IA et de données sans complexifier l’infrastructure.
Un nouvel adaptateur Trino, attendu au T3 2026, offrira un accès SQL in situ aux données opérationnelles Couchbase depuis des plateformes basées sur Trino, notamment AWS Athena, Amazon EMR, Google Dataproc et Starburst. Les entreprises n’auront ainsi plus besoin d’extraire et de répliquer des données en temps réel vers des entrepôts analytiques distincts avant de les interroger dans des workflows IA et analytiques couvrant à la fois les environnements opérationnels et lakehouse.
Améliorations de Capella iQ
Capella iQ, l’assistant de requête en langage naturel de la plateforme, prend désormais en charge la sélection multi-modèles avec AWS Bedrock et OpenAI, sous le contrôle de politiques définies au niveau de l’organisation. Les administrateurs peuvent déterminer quels modèles sont accessibles à quelles équipes, afin que les coûts d’inférence et les exigences de résidence des données restent dans le cadre défini par l’entreprise, sans ralentir les développeurs. Les équipes gagnent ainsi en flexibilité pour choisir le bon modèle pour chaque workload, tandis que les administrateurs gardent un contrôle strict sur les coûts d’inférence, la conformité et la résidence des données via des politiques centralisées.
Mises à jour edge, mobile et applications distribuées
À mesure que les agents d’IA s’imposent dans la force de travail opérationnelle, leurs besoins en données doivent suivre le mouvement, dans des environnements de plus en plus distribués, sur les appareils, sur le terrain et en edge, plutôt que dans un bureau ou un centre de données. Couchbase étend AI Data Plane à l’edge afin que les agents exécutés dans des environnements mobiles et edge puissent accéder à des données répliquées et effectuer une recherche vectorielle locale, même en cas de connectivité intermittente ou inexistante.
Les nouveautés incluent :
Couchbase Lite (CBL) 4.1 : synchronisation peer-to-peer native via Bluetooth, avec bascule automatique vers le Wi-Fi pour mieux gérer les environnements edge sans connexion stable. L’API Android modernisée, avec prise en charge native de Kotlin @Serializable, supprime le boilerplate de mapping des données et facilite les mises à jour d’interface grâce à la sérialisation directe et à la détection des changements par delta. De nouveaux bindings C++ simplifient aussi le développement d’applications embarquées haute performance.
Edge Server 1.1 : contrôle d’accès au niveau client pour des permissions locales plus granulaires, prise en charge de CORS pour les applications edge web, rotation simplifiée des identifiants pour les flottes d’appareils distribuées, et prise en charge étendue des plateformes Windows et ARM.
React Native 1.1 : support de niveau entreprise avec intégration Turbo Module, donnant aux équipes mobiles cross-platform un accès direct aux performances de Couchbase Lite sans surcoût de bridging.
Sync Gateway 4.1 : passerelle de synchronisation des données du cloud à l’edge pour des mises à niveau progressives sans interruption et une resynchronisation distribuée simultanée pour les workloads à fort volume, réduisant la charge opérationnelle des déploiements d’entreprise. Disponible en tant que service managé via App Services.
« La couche de base de données est l’endroit où l’IA agentique accélère ou s’arrête, et la plupart des acteurs du marché continuent de traiter la mémoire des agents comme un sujet secondaire », ajoute Barry Morris, Chief Product & Strategy Officer chez Couchbase. « Nous avons conçu AI Data Plane parce que nos clients nous ont expliqué que le fait de devoir combiner des stores séparés pour les vecteurs, le cache et les documents pour chaque agent était le principal frein à leurs délais de mise en production. Agent Memory leur offre une couche de persistance unifiée, indépendante des frameworks, qui fonctionne de manière identique dans les environnements cloud et auto-gérés, du cloud à l’edge, avec la latence réellement nécessaire à leurs agents. C’est ce qu’il faut pour passer du pilote à la production, et les fournisseurs qui l’auront compris définiront la catégorie d’infrastructure pour la prochaine décennie de l’IA. »
Disponibilité
Tous les produits mentionnés ci-dessus sont disponibles immédiatement, à l’exception de l’adaptateur Trino, attendu au T3 2026.
Autres articles
-
Couchbase noue deux partenariats stratégiques avec Neos et Arize AI pour accélérer le déploiement d’applications IA critiques
-
Couchbase accélère le développement d’applications d’IA agentique avec NVIDIA dans son offre Cloud Capella
-
Se préparer à l’avenir des moteurs de recherche avec l’approche vectorielle
-
Couchbase Capella fait sa rentrée avec de nouvelles avancées pour favoriser et maximiser le développement d'applications adaptatives
-
Couchbase annonce de nouvelles fonctionnalités pour accélérer les applications adaptatives alimentées par l’IA
