Databricks montre comment l'IA prédit à partir de tableaux sans entraînement : jusqu'à 1 million de lignes
D'ordinaire, chaque tâche sur des données tabulaires, comme le risque de crédit ou le désabonnement client, fait l'objet d'un modèle entraîné séparément. Databricks a publié le code de cinq modèles d'IA qui s'adaptent à vos exemples au moment même de la prédiction. Sur les cartes graphiques Nvidia H100, TabPFN-3 traite jusqu'à 1 million de lignes, mais chaque prédiction coûte plus cher qu'avec le boosting XGBoost sur processeur classique. Avant tout déploiement, comparez ces modèles sur vos propres données.
Traité par IA depuis TNW ; édité par Hamidun News
Imaginez qu'une banque doive évaluer le risque des demandes de crédit, et qu'un magasin cherche à savoir quels clients vont bientôt partir. Ce sont des données tabulaires : les lignes correspondent aux clients, les colonnes aux variables comme l'âge, le montant des achats ou le nombre d'impayés. D'ordinaire, chaque tâche de ce type fait l'objet d'un modèle entraîné spécialement, le plus souvent un boosting XGBoost, puis réentraîné régulièrement.
Lundi, Databricks a présenté une autre approche : des modèles d'IA qui prédisent à partir d'un tableau sans entraînement propre à la tâche. L'entreprise a publié un guide et du code ouvert pour cinq de ces modèles. Selon elle, sur les cartes graphiques Nvidia H100, l'un d'eux, TabPFN-3, traite des tableaux allant jusqu'à 1 million de lignes et 200 colonnes.
Comment cela fonctionne, en pratique
Ces modèles sont dits fondationnels pour les tableaux. Ils sont entraînés au préalable sur des millions de tableaux artificiels, afin d'assimiler les régularités générales : la manière dont les colonnes sont habituellement liées, à quoi ressemblent le bruit et les valeurs aberrantes. Lorsqu'une entreprise apporte son propre tableau, aucun réentraînement n'est nécessaire. Vous fournissez au modèle des exemples de lignes dont le résultat est connu, par exemple d'anciens clients partis ou restés, et il s'y adapte au moment de la prédiction.
C'est un peu comme un analyste expérimenté. Il ne construit pas un nouveau modèle de zéro, mais examine vos cas passés et évalue immédiatement un nouveau. Databricks a publié un code qui compare cinq modèles : TabICLv2, Mitra v2, KumoTabular, TabFM et le récent TabPFN. Il est proposé de les exécuter sur AI Runtime, le service GPU de Databricks facturé à l'usage, disponible en préversion depuis mars.
Cette voie gagne en popularité. Prior Labs, créateur de TabPFN, collabore avec SAP, qui travaille étroitement avec Databricks, et H2O.ai a également publié sa propre solution dans ce domaine.
Le piège
Databricks reconnaît elle-même les limites, et elles sont importantes. La première est le coût. Une prédiction sur GPU revient plus cher qu'avec un XGBoost classique sur processeur ordinaire. Si vous traitez des millions de prédictions par jour, la différence se transforme vite en poste notable sur la facture.
La deuxième est la mémoire. À chaque prédiction, le modèle relit l'intégralité de l'échantillon d'entraînement, si bien que la consommation de mémoire augmente avec le nombre de lignes. Avec un boosting classique, la situation est différente une fois l'entraînement terminé : le modèle prêt à l'emploi pèse peu et fonctionne rapidement.
La troisième concerne les licences. TabICLv2, Mitra v2 et KumoTabular peuvent être utilisés à des fins commerciales. En revanche, TabFM et la version la plus récente de TabPFN doivent faire l'objet d'un contrat distinct avec leurs auteurs. Si vous comptiez adopter d'emblée le modèle le plus récent et le plus performant, vérifiez d'abord les conditions.
Databricks elle-même conseille de ne pas se fier aux promesses et de tester d'abord les modèles sur ses propres données. La publication ne permet pas de conclure que les modèles fondationnels pour tableaux surpassent partout le boosting en précision. Il s'agit d'un nouvel outil aux atouts réels, et non d'un remplaçant de tout ce qui fonctionnait auparavant.
Que faire, pour les praticiens
L'avantage principal de cette approche est la rapidité de démarrage. Pour vérifier rapidement une hypothèse, construire un prototype ou traiter une tâche qui ne justifie pas un cycle ML complet, un modèle prêt à l'emploi, sans entraînement, peut faire gagner des semaines. Cela est particulièrement utile lorsque les données annotées sont rares et qu'il n'y a pas lieu de bâtir un pipeline de réentraînement pour une seule tâche.
Pour une production massive avec un budget serré par prédiction, XGBoost et ses équivalents sur CPU restent pour l'instant plus fiables et moins coûteux. Une démarche raisonnable consiste à prototyper avec un modèle fondationnel pour tableaux, à comparer sa qualité au boosting sur les mêmes données, puis à décider s'il faut payer le GPU de façon permanente.
Le code ouvert de Databricks permet de comparer cinq modèles sur un même banc d'essai, sans monter soi-même l'infrastructure. Pour les équipes déjà installées sur Databricks, c'est un moyen rapide de savoir si l'idée est rentable sur leurs tableaux. Les autres feraient bien d'examiner en amont les restrictions de licence et le coût d'une prédiction avant d'intégrer ce type de modèle dans leur architecture.
- 21 nov. 2026Nvidia a doublé son bénéfice, mais l'action recule de 2 % à cause de la recherche d'un nouveau PDG
- 21 nov. 2026Nous Research a réentraîné le modèle chinois Qwen3.8 : la propagande dans les réponses tombe de 22 % à 1 %
- 21 nov. 2026Samsung veut racheter Modine, fournisseur de refroidissement pour datacenters, pour près de 6 milliards de dollars
- 21 nov. 2026Reuters : les chantiers d'IA chinois à 3,2 milliards de dollars reposent sur les puces Nvidia, et Huang a quitté la direction
Questions clés sur cet article
Comment cela fonctionne, en pratique?
Ces modèles sont dits fondationnels pour les tableaux. Ils sont entraînés au préalable sur des millions de tableaux artificiels, afin d'assimiler les régularités générales : la manière dont les colonnes sont habituellement liées, à quoi ressemblent le bruit et les valeurs aberrantes. Lorsqu'une entreprise apporte son propre tableau, aucun réentraînement n'est nécessaire.
Que sait-on sur Le piège ?
Databricks reconnaît elle-même les limites, et elles sont importantes. La première est le coût. Une prédiction sur GPU revient plus cher qu'avec un XGBoost classique sur processeur ordinaire. Si vous traitez des millions de prédictions par jour, la différence se transforme vite en poste notable sur la facture. La deuxième est la mémoire. À chaque prédiction, le modèle relit l'intégralité de l'échantillon d'entraînement, si bien que la consommation de mémoire augmente avec le nombre de lignes.
Que sait-on sur Que faire, pour les praticiens ?
L'avantage principal de cette approche est la rapidité de démarrage. Pour vérifier rapidement une hypothèse, construire un prototype ou traiter une tâche qui ne justifie pas un cycle ML complet, un modèle prêt à l'emploi, sans entraînement, peut faire gagner des semaines. Cela est particulièrement utile lorsque les données annotées sont rares et qu'il n'y a pas lieu de bâtir un pipeline de réentraînement pour une seule tâche.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.