Databricks Genie Ontology : Nouveautés, disponibilité et alternatives (2026)

Databricks a annoncé la disponibilité générale de Genie Ontology le 11 novembre 2026. L'annonce la décrit comme « une ontologie agentique que les agents construisent à partir du travail quotidien de vos équipes et que les humains gouvernent ». L'objectif est de donner à chaque agent une compréhension unique de l'entreprise.
En termes simples, Genie Ontology est une couche partagée de contexte métier pour les agents AI. Elle apprend les définitions à partir des tableaux de bord, des requêtes et des notebooks. Les utilisateurs verrouillent ensuite les définitions qui doivent être exactes, comme le chiffre d'affaires.
Ce guide couvre les changements apportés par la version GA, le fonctionnement de l'ontologie, son coût et qui peut l'utiliser. Il se termine par d'autres moyens de donner un contexte métier à l'AI, y compris des outils qui démarrent à partir d'un tableur plutôt que d'une plateforme de données. Les détails proviennent du blog, de la documentation et de la page de tarification de Databricks, consultés le 16 novembre 2026.
Ce que Databricks a annoncé
Databricks a présenté Genie Ontology pour la première fois lors de son Data + AI Summit en juin. Le billet du 11 novembre marque son passage en disponibilité générale et ajoute de nouvelles sources et de nouveaux contrôles.
Le résumé de l'article énumère les principales parties de la version. Elle « introduit Genie Search pour la connaissance d'entreprise ». Elle « étend également le contexte appris aux outils BI et aux annuaires organisationnels ». Enfin, elle « ajoute Ontology Manager pour la curation et fait passer Unity Catalog Domains and Pages en disponibilité générale ».
La même semaine, Databricks a également mis à jour Genie Agents. Un article distinct indique que Genie Agents peut désormais analyser des fichiers non structurés, se connecter à davantage d'outils et être partagé en dehors d'une entreprise.
Databricks articule toute la semaine autour d'une idée. Les entreprises ne font plus tourner un seul agent pour une seule équipe. Elles exploitent de nombreux agents à travers de nombreuses fonctions, et chacun a besoin de la même compréhension de l'entreprise. L'annonce soutient qu'une ontologie d'entreprise « devrait donc être une infrastructure partagée ». Selon elle, les responsables IT et des données devraient en être propriétaires de la même manière qu'ils possèdent la plateforme de données.
Comment fonctionne Genie Ontology
La documentation appelle Genie Ontology « la couche de contexte unifiée qui donne aux agents AI une carte de votre organisation consciente des enjeux métiers ». Elle combine deux types de connaissances.
La connaissance apprise provient du travail que les équipes effectuent déjà. Les agents lisent les tableaux de bord Databricks, les requêtes SQL, les notebooks et les modèles sémantiques BI. Ils stockent ce qu'ils trouvent sous forme d'Ontology Snippets. La documentation donne des exemples de snippets :
- Définitions de métriques. « Un 'utilisateur actif' est un utilisateur distinct, dédoublonné sur toutes les plateformes. »
- Sources faisant autorité. Par exemple, quel agent curaté doit répondre aux questions sur le chiffre d'affaires.
- Règles métier. « Un 'lead qualifié' n'est comptabilisé qu'après la réservation d'une démo. »
La connaissance modélisée est ce que les gens définissent intentionnellement. Elle réside dans Unity Catalog sous forme de vues de métriques, de domaines et de Pages. La documentation précise que « Genie traite la connaissance modélisée comme faisant plus autorité que la connaissance apprise, elle a donc la priorité en cas de conflit entre les deux ».
Une étape de classement décide quel contexte un agent voit. Databricks l'appelle OntoRank. L'annonce indique qu'il évalue « l'autorité de la source, la certification, l'expertise et la pertinence des personnes derrière la connaissance, la popularité et la récence ». Il transmet ensuite le meilleur contexte à l'agent.
Les permissions sont conservées. La documentation indique que les snippets « sont protégés par les permissions de Unity Catalog, de sorte que les utilisateurs ne voient que les snippets dérivés des actifs auxquels ils sont autorisés à accéder ».
Une limite mérite d'être connue dès le départ. La documentation précise : « Vous ne pouvez pas modifier directement les snippets de connaissances apprises ». Pour changer ce que Genie apprend, vous devez mettre à jour l'actif source ou définir le concept comme une connaissance modélisée.
Quoi de neuf dans la version GA
La version GA ajoute plusieurs éléments. Certains sont généralement disponibles aujourd'hui, d'autres sont en Bêta ou à venir.
| Composant | Statut dans le billet du 11 novembre | Ce qu'il fait |
|---|---|---|
| Genie Ontology | Généralement disponible | Contexte métier partagé pour les agents, appris et modélisé |
| Ontology Snippets | Généralement disponible | Éléments de contexte réutilisables, tels que des calculs et des règles |
| Genie Search | Généralement disponible | Recherche dans les documents, les tickets et les wikis, avec permissions |
| Sources de connaissances externes | Bêta | Apprend des modèles sémantiques BI ; Power BI aujourd'hui |
| Annuaires organisationnels | Généralement disponible | Importe les personnes, les équipes et les lignes hiérarchiques, en commençant par Workday |
| Unity Catalog Domains and Pages | Généralement disponible | Organise les actifs par domaine métier et enregistre les définitions officielles |
| Ontology Manager | Bientôt en Bêta | Une interface visuelle pour réviser et curater l'ontologie |
Genie Search accède aux connaissances en dehors du lakehouse. L'article indique qu'il « prend en charge Google Drive, Jira, Confluence et Workday aujourd'hui, avec SharePoint en Bêta ». Il précise également que Genie Search « ingère les contrôles d'accès de chaque source en même temps que son contenu ».
Les sources de connaissances externes apportent la logique des outils BI. L'article indique que « Power BI est pris en charge aujourd'hui. Le support de Tableau et Sigma arrive bientôt ».
Unity Catalog Pages contient les définitions officielles. Chaque Page a un propriétaire désigné. Lorsqu'une question implique un concept défini, l'article indique que « Genie traite la Page comme la source de vérité ».
Ontology Manager n'est pas encore disponible. Databricks le décrit comme « la première interface visuelle » pour curater l'ontologie, à venir prochainement en Bêta.
Le benchmark publié par Databricks
Databricks a partagé les résultats d'un benchmark construit avec Turing. Il a simulé un espace de travail Databricks pour un fournisseur d'énergie fictif au Royaume-Uni. Genie, utilisant Genie Ontology, a été comparé à deux agents de pointe étiquetés Agent A et Agent B.
| Agent | Taux de réussite | Temps moyen par exécution | Tokens moyens par exécution |
|---|---|---|---|
| Genie avec Genie Ontology | 91% | 100 secondes | 432K |
| Agent A | 45% | 435 secondes | 889K |
| Agent B | 58% | 307 secondes | 1.05M |
L'article indique que Genie « a répondu correctement dans 91% des exécutions, soit 1.6 fois le taux de l'agent de pointe le plus fort ». Il a également utilisé moins de la moitié des tokens.
Lisez ces chiffres avec prudence. Le benchmark a été construit par Databricks avec un partenaire et exécuté dans un espace de travail simulé. L'article lui-même précise que les résultats « reflètent un déploiement établi où les équipes ont accumulé ces connaissances ». Un nouveau déploiement avec peu de contexte appris peut donner des résultats différents.
Genie Agents a reçu une mise à jour la même semaine
Le même jour, Databricks a publié une mise à jour pour Genie Agents. Ce sont les agents sans code que les équipes construisent pour des tâches spécifiques. Trois changements se distinguent :
- Données non structurées. Les agents peuvent désormais analyser des PDF, des documents, des présentations et des images dans les volumes Unity Catalog. Les réponses peuvent citer « la page spécifique du fichier source ». Ceci est en Public Preview.
- Connecteurs MCP. Les connecteurs MCP natifs sont désormais généralement disponibles. L'article cite « Slack, Google Drive, Google Calendar, Gmail, Glean, Atlassian, Github et Microsoft 365 ».
- Partage à l'extérieur de l'entreprise. OpenSharing et Genie Clean Rooms, tous deux en bêta, permettent à un fournisseur de partager un agent avec des partenaires ou des clients.
L'article donne un exemple de vente. Un agent lit les données du pipeline, extrait les plans de compte de Google Drive et publie un résumé de la transaction sur Slack.
Genie Ontology relie ces éléments. Chaque Genie Agent s'appuie sur le même contexte gouverné, de sorte qu'une métrique définie une fois s'applique partout.
Qui peut l'utiliser et combien ça coûte
Genie Ontology fait partie de la plateforme Databricks. Vous avez besoin d'un compte Databricks avec Unity Catalog, car les permissions et les connaissances modélisées y résident.
Les agents en dehors de Databricks peuvent également l'utiliser. L'annonce indique que via Genie MCP, « le même contexte est disponible pour les agents en dehors de Databricks, tels que ChatGPT, Claude et Microsoft Copilot ».
Concernant le coût, la page de tarification de Genie indique pour Genie Ontology : « Prix à venir ». Sa FAQ précise : « Pour le moment, les clients n'encourent pas de frais pour la génération, le stockage ou la récupération de Genie Ontology ».
L'utilisation de Genie lui-même est facturée séparément. Voici ce que montre la page de tarification pour US East.
| Article | Ce que la page de tarification indique |
|---|---|
| Genie Ontology | Prix à venir ; sans frais aujourd'hui pour la génération, le stockage ou la récupération |
| Genie Search | Prix à venir ; vous ne payez que pour les AI Functions aux prix existants |
| Utilisation de Genie | 150 DBUs d'utilisation gratuite par utilisateur chaque mois |
| Au-delà de l'utilisation gratuite | $0.070 par DBU, plus le calcul facturé séparément |
La page note que « 150 DBUs = $10.50 dans US East ; l'équivalent en dollars varie selon la région ». Elle précise également que l'utilisation gratuite ne couvre que l'utilisation des LLM. L'exécution de requêtes et de tableaux de bord utilise toujours du calcul, comme un SQL warehouse.
La FAQ répond directement à une question courante. Elle indique : « Il n'y a pas de frais basés sur le nombre de sièges ou d'utilisateurs ». Les administrateurs peuvent définir des budgets et des alertes pour les dépenses Genie.
Comment commencer
Databricks suggère de commencer petit. L'annonce indique que les organisations « peuvent commencer avec le contexte qu'elles possèdent déjà ». Voici un ordre pratique, basé sur la documentation.
- Vérifiez votre configuration. Assurez-vous que votre espace de travail utilise Unity Catalog, car les snippets suivent ses permissions.
- Laissez Genie apprendre. Les snippets proviennent des tableaux de bord, requêtes SQL, notebooks et Genie Agents existants. Nettoyez d'abord les actifs obsolètes ou restreignez-en l'accès.
- Définissez les métriques critiques. Utilisez les vues de métriques et les Pages pour les chiffres qui doivent être exacts, comme le chiffre d'affaires comptabilisé.
- Organisez par domaine. Groupez les actifs en domaines afin que la Finance et le Marketing puissent conserver leurs propres définitions.
- Connectez les connaissances externes. Configurez Genie Search pour les documents et les tickets, et une source externe telle que Power BI si vous l'utilisez.
- Vérifiez les citations. Lorsque Genie répond, ouvrez les snippets qu'il a utilisés pour voir d'où provient chaque définition.
L'étape 2 est plus importante qu'il n'y paraît. La documentation précise : « Pour garder les actifs obsolètes ou expérimentaux hors des réponses, restreignez-en l'accès avec les permissions Unity Catalog ».
Ce que cela signifie pour les équipes de données
Genie Ontology déplace une partie du travail de la construction d'agents vers la curation de contexte. Au lieu d'écrire des instructions dans chaque agent, une équipe définit une métrique une seule fois. Chaque agent l'utilise ensuite.
Cela change les responsables du travail. Les data stewards et les experts du domaine deviennent des curateurs. L'annonce indique qu'Ontology Manager permettra aux stewards de « promouvoir ce que les agents ont appris dans des Pages faisant autorité directement depuis une file d'attente de révision ».
Cela soulève également une question de gouvernance. La connaissance apprise provient d'actifs existants, y compris des anciens ou des erronés. La qualité des réponses dépend de la qualité de ces sources.
Pour les équipes déjà sur Databricks, la version GA mérite d'être testée. Choisissez un domaine avec des définitions claires, comme les ventes. Comparez les réponses de Genie avec un rapport en lequel vous avez déjà confiance.
La planification des coûts change également. Genie Ontology elle-même n'a pas de frais répertoriés aujourd'hui, mais les agents qui l'utilisent consomment toujours de l'utilisation Genie et du calcul. Budgétisez pour les questions que les gens poseront, pas seulement pour l'ontologie. Les administrateurs peuvent définir des budgets et des alertes, ce qui aide pendant un pilote.
Alternatives pour donner un contexte métier à l'AI
Genie Ontology convient aux équipes dont les données résident sur Databricks. D'autres approches conviennent à d'autres configurations. Chaque détail ci-dessous provient des pages propres aux fournisseurs.
| Option | Comment elle ajoute du contexte métier | Meilleure adéquation |
|---|---|---|
| Databricks Genie Ontology | Snippets appris plus Pages gouvernées et vues de métriques | Équipes sur Databricks avec de nombreux agents |
| Microsoft Fabric data agents | Instructions, exemples et sources de données dans OneLake | Équipes sur Fabric et Power BI |
| Modèles sémantiques Power BI | Mesures et relations définies dans le modèle | Équipes dont la logique réside déjà dans Power BI |
| Powerdrill Bloom | Fichiers et contexte enregistrés dans un espace de travail | Équipes travaillant à partir de tableurs, PDF et bases de données SQL |
Microsoft Fabric data agents. La documentation de Microsoft indique que vous pouvez « ajouter des instructions, des exemples et des conseils spécifiques à l'organisation pour affiner le Fabric data agent ». Les sources prises en charge incluent « un modèle sémantique Power BI » et « une ontologie ». Une capacité payante F2 ou supérieure est listée comme prérequis.
Modèles sémantiques Power BI. Ceux-ci contiennent déjà des mesures et des relations. Genie Ontology peut désormais apprendre d'eux via des sources de connaissances externes, de sorte que les deux peuvent fonctionner ensemble.
Pour plus d'options d'agents de données, consultez notre guide sur les alternatives à Databricks Genie.
Où se situe Powerdrill Bloom
Toutes les équipes n'ont pas de plateforme de données à curater. Beaucoup travaillent à partir d'exports, de tableurs et d'une base de données unique.
Powerdrill Bloom démarre à partir de ces fichiers. Vous téléchargez des fichiers Excel, CSV ou PDF, ou connectez une base de données SQL, et posez des questions en langage naturel. La page ChatBI indique que vous pouvez « créer des tableaux de bord interactifs, des rapports perspicaces et des visualisations dynamiques avec de simples requêtes en langage naturel ».
Le contexte se construit dans un espace de travail. Son journal des modifications indique que les espaces de travail « donnent à votre AI un foyer persistant, alimenté par la mémoire ». Un fichier téléchargé une fois peut être utilisé dans chaque chat ultérieur dans cet espace de travail. Chaque espace de travail conserve également ses propres compétences et serveurs MCP, de sorte qu'un espace de travail finance et un espace de travail ventes restent séparés. L'AI SQL Chatbot gère les questions sur une base de données. L'AI Report Generator transforme les réponses en rapport.
La page de tarification liste un plan Free à $0.00 et Pro à $13.27/mois.
Essayez Powerdrill Bloom avec l'export des ventes du dernier trimestre et demandez un rapport sur le chiffre d'affaires par région.
Foire aux questions
Qu'est-ce que Databricks Genie Ontology ?
C'est une couche partagée de contexte métier pour les agents AI sur Databricks. Elle combine les connaissances que les agents apprennent des tableaux de bord et des requêtes avec les définitions que les humains gouvernent dans Unity Catalog.
Quand Genie Ontology est-elle devenue généralement disponible ?
Databricks a annoncé la disponibilité générale le 11 novembre 2026. La fonctionnalité avait été présentée pour la première fois lors de son Data + AI Summit en juin.
Combien coûte Genie Ontology ?
La page de tarification indique que le prix est à venir. Sa FAQ précise que les clients ne paient pas actuellement pour la génération, le stockage ou la récupération de l'ontologie. L'utilisation de Genie et le calcul sont facturés séparément.
ChatGPT ou Claude peuvent-ils utiliser Genie Ontology ?
Oui, via Genie MCP. Databricks indique que le même contexte est disponible pour les agents en dehors de Databricks, tels que ChatGPT, Claude et Microsoft Copilot.
Puis-je modifier ce que Genie Ontology apprend ?
Pas directement. Vous modifiez les connaissances apprises en mettant à jour les actifs sources. Vous pouvez également définir un concept comme une connaissance modélisée, que Genie traite comme faisant plus autorité.
Sources : Databricks, Announcing GA of Genie Ontology · Databricks documentation, Genie Ontology · Databricks, Genie pricing · Databricks, Genie Agents update · Microsoft Learn, Fabric data agent.