Databricks apprend à son agent Genie à mener des tâches en plusieurs étapes et à dire à son CEO des vérités qui dérangent

Plus une entreprise est grande, moins la vérité parvient jusqu'à son dirigeant. Un commercial n'avouera pas au CEO qu'il a raté un rendez-vous. Un responsable RH ne dira pas que son idée pour améliorer la satisfaction des salariés ne fonctionnera très probablement pas. Databricks propose de combler ce trou avec un agent : cette semaine, l'entreprise a présenté une version mise à jour de Genie.

Ce qui change dans Genie

La principale nouveauté : Genie s'attaque désormais à des tâches en plusieurs étapes qui demandent beaucoup de temps. Selon l'entreprise, un dirigeant peut confier une tâche très large et l'agent l'exécutera sans supervision. Jusqu'ici, les agents de cette catégorie étaient plutôt présentés à travers des exemples de développement ; Databricks vise maintenant le côté métier.

Le contexte de l'agent provient de l'ontologie que Databricks a construite au-dessus des informations de ses clients hébergées sur sa plateforme. C'est un détail important. Un agent qui ne comprend pas ce que signifient les données de l'entreprise se met vite à inventer. Ici, il travaille avec ce qui se trouve déjà dans Databricks et s'appuie sur la structure de ces données.

Savoir si cette approche vous convient dépend d'un seul critère : dans quelle mesure vos données vivent déjà sur cette plateforme. Si ce n'est pas le cas, la valeur de l'ontologie pour vous est nettement plus faible.

Une démo où le CEO a montré ses vraies conversations

Plutôt qu'une présentation produit classique, Ali Ghodsi a ouvert son agent de travail et fait défiler ses derniers dialogues et graphiques. Voici ce qu'on y trouvait :

• Genie a analysé les parties de l'enquête auprès des salariés où l'entreprise avait obtenu de mauvaises notes. Il a ensuite aidé à évaluer (et à écarter) les solutions proposées par certains dirigeants.
• L'agent a fait le bilan d'une grande présentation à un client qui s'était mal passée, y compris les fonctionnalités sans lesquelles le client refusait d'acheter.
• Il a préparé Ghodsi à une interview pour un podcast : il a étudié ses interventions passées et anticipé les questions probables.
• Pendant l'échange avec le journaliste, l'agent a même suggéré à Ghodsi ce qu'il devait dire. Selon l'auteur de TechCrunch, le conseil n'était pas mauvais.

Ghodsi a lui-même expliqué son intérêt par le nombre de Dunbar, la limite théorique des relations personnelles stables, environ 150 personnes. Dans une petite startup, le CEO connaît tout le monde et on lui dit franchement les choses désagréables. Dans une entreprise de 12 000 personnes, ce n'est plus possible. L'agent devient donc pour lui une source de vérité non filtrée sur ce qui va mal. Ghodsi estime que toute entreprise de plus de 150 salariés peut en tirer profit, et elles sont nombreuses.

Argent, sécurité et conséquences pratiques

Ghodsi utilise aussi Genie dans sa vie privée. Il a par ailleurs jugé douteuses, du point de vue de la sécurité, des alternatives comme OpenClaw, Instinct et Muse. Selon lui, Genie fera pour les entreprises ce que l'IA, les agents et le harness (l'enveloppe autour du modèle qui lui permet d'utiliser des outils) font déjà pour les programmeurs.

La principale crainte au lancement d'agents, c'est la facture de tokens. La réponse de Databricks est le produit Unity Gateway. Il permet de fixer des plafonds d'utilisation et de remplacer les modèles coûteux par des modèles open-weight moins chers.

Ce qu'il faut garder en tête

Tous les exemples nous ont été montrés par le dirigeant de l'entreprise qui vend le produit. Il n'existe aucune mesure indépendante : on ignore à quelle fréquence l'agent se trompe sur les tâches longues et combien elles coûtent. L'affirmation « exécute sans supervision » reste une déclaration de l'entreprise. Ni les prix ni la disponibilité n'ont été dévoilés.

La conclusion pratique pour les product managers et les fondateurs est la suivante. Premièrement : la valeur d'un agent pour un dirigeant peut résider non pas dans l'automatisation, mais dans un retour honnête que les gens ne donnent pas en face à face. Deuxièmement : pour le lancement de tâches autonomes longues, prévoyez d'emblée des plafonds et la possibilité de basculer vers des modèles moins chers, plutôt que de les ajouter plus tard, quand la facture arrivera. Troisièmement : sans couche expliquant à l'agent le sens de vos données, comme une ontologie, l'« autonomie » servira à peu de chose.