Avec cette annonce, Starburst évolue afin de répondre au besoin croissant d’une architecture de données capable de prendre en charge les workloads liés à l’IA. Cette évolution s’appuie sur son architecture Icehouse et intègre une suite d’accélérateurs IA qui permettent à ses clients d’obtenir des résultats dès l’étape du POC et de passer plus rapidement du développement au déploiement.
« Aujourd’hui, nos clients utilisent Starburst pour poser les bases de leur stack de données. Cette couche est souvent dédiée à l’analytique, mais de plus en plus exploitée pour l’IA, faisant de notre plateforme un élément clé d’un stack de données émergent pour l’IA », explique Justin Borgman, cofondateur et CEO de Starburst. « Pour moi, cette évolution est naturelle. Fondamentalement, l’analytique et l’IA sont les deux facettes d’un même défi : transformer des données brutes en informations exploitables pour résoudre des problématiques métiers concrètes. Si la réponse du big data à ce défi a été la création de vastes systèmes d’enregistrement, celle de l’IA repose sur l’émergence de systèmes d’intelligence. En ce sens, la force de Starburst est d’apporter cette couche essentielle de l’architecture de données pour l’IA. »
En plus des optimisations des charges de travail, les évolutions annoncées par Starburst comprennent l’ingestion de données en streaming et par fichiers, un meilleur support de gouvernance des données IA et des fonctionnalités dédiées à l’architecture de génération augmentée par récupération (RAG).
L'IA a besoin d'une architecture de données évolutive, capable d'accéder à des données issues de multiples sources et sous différents formats, tout en garantissant leur gouvernance en toute sécurité. En ce sens, Starburst est à la fois un moteur SQL pour l’analytique et un moteur de requête pour l’IA, permettant de rendre les données accessibles, organisées et gouvernées. Son moteur peut alimenter le socle de données d’un tableau de bord BI, d’une application data ou d’un modèle IA.
« Aujourd’hui, nos clients utilisent Starburst pour poser les bases de leur stack de données. Cette couche est souvent dédiée à l’analytique, mais de plus en plus exploitée pour l’IA, faisant de notre plateforme un élément clé d’un stack de données émergent pour l’IA », explique Justin Borgman, cofondateur et CEO de Starburst. « Pour moi, cette évolution est naturelle. Fondamentalement, l’analytique et l’IA sont les deux facettes d’un même défi : transformer des données brutes en informations exploitables pour résoudre des problématiques métiers concrètes. Si la réponse du big data à ce défi a été la création de vastes systèmes d’enregistrement, celle de l’IA repose sur l’émergence de systèmes d’intelligence. En ce sens, la force de Starburst est d’apporter cette couche essentielle de l’architecture de données pour l’IA. »
En plus des optimisations des charges de travail, les évolutions annoncées par Starburst comprennent l’ingestion de données en streaming et par fichiers, un meilleur support de gouvernance des données IA et des fonctionnalités dédiées à l’architecture de génération augmentée par récupération (RAG).
L'IA a besoin d'une architecture de données évolutive, capable d'accéder à des données issues de multiples sources et sous différents formats, tout en garantissant leur gouvernance en toute sécurité. En ce sens, Starburst est à la fois un moteur SQL pour l’analytique et un moteur de requête pour l’IA, permettant de rendre les données accessibles, organisées et gouvernées. Son moteur peut alimenter le socle de données d’un tableau de bord BI, d’une application data ou d’un modèle IA.
Autres articles
-
Starburst étend les data products Iceberg aux environnements on-premises et hybrides
-
Starburst étend les data products Iceberg aux environnements on-premises et hybrides
-
Starburst dévoile la version 3 du pilote ODBC : des performances de spooling multipliées par 4 pour l’analyse et l’IA
-
SFEIR et Starburst s'associent pour accélérer l'accès unifié aux données en France
-
Starburst Galaxy prend en charge les tables Amazon S3, étendant l’interopérabilité avec Apache Iceberg







