Snowflake simplifie le contrôle des agents IA et de leurs dépenses

Cortex AI gateway crée une couche centrale de contrôle d’exécution pour les agents d’IA en entreprise

Snowflake déplace la gouvernance de l’IA vers le point où les actions des agents s’exécutent réellement. Cortex AI Gateway est conçu pour suivre l’activité, appliquer des politiques, contrôler les accès, acheminer les requêtes et gérer les coûts à travers les agents d’IA de Snowflake et de fournisseurs tiers.

Le produit utilise des politiques de gouvernance définies dans Horizon Catalog de Snowflake. Il intègre également la technologie que Snowflake a acquise lors du rachat de Natoma plus tôt en mai. L’objectif est d’offrir aux entreprises une couche d’exécution unique pour les agents qui ont besoin d’accéder à des modèles d’IA, des applications métier, des données, des outils et à des serveurs Model Context Protocol (MCP). MCP est une norme qui permet aux applications d’IA de se connecter à des outils externes et à des sources de données.

Cette distinction est importante. Un agent d’IA ne se contente pas de générer du texte. Il peut appeler des outils logiciels, récupérer des données de l’entreprise, interagir avec d’autres systèmes et exécuter une séquence d’actions. La gouvernance doit donc couvrir ce qui se passe pendant l’exécution.

Artin Avanes, Head of Core Data Platform chez Snowflake, a déclaré que Cortex AI Gateway « agit comme une couche d’exécution ». Selon Avanes, son objectif est de fournir « un plan de contrôle de confiance » pour la manière dont les agents accèdent en toute sécurité aux modèles, aux outils, aux serveurs MCP, aux systèmes d’entreprise et aux données.

Pour les DSI, l’enjeu central est le contrôle à mesure que le nombre d’agents et de fournisseurs d’IA augmente. Des contrôles séparés pour chaque modèle, agent et application alourdissent l’administration et rendent l’application des politiques incohérente. L’approche de Snowflake consiste à placer ces contrôles dans le même environnement global où les clients gouvernent déjà les données de l’entreprise.

L’opportunité est claire, mais l’exigence de mise en œuvre l’est tout autant. Une passerelle centrale ne crée de valeur que si une part importante du trafic des agents passe réellement par elle. Les agents ou applications qui contournent la couche de contrôle peuvent laisser des lacunes dans la supervision et l’application des politiques. Les dirigeants qui évaluent le produit devraient donc se concentrer sur la couverture de leur architecture IA existante, y compris les services tiers, plutôt que de supposer que la centralisation à elle seule assure une gouvernance complète.

Les preuves d’exécution comblent la principale lacune de gouvernance dans l’IA agentique

Le principal problème de gouvernance est la visibilité sur les actions. De nombreuses passerelles d’IA existantes acheminent les requêtes vers les modèles et enregistrent les prompts. Cela peut fonctionner pour les applications classiques d’IA générative, mais les agents autonomes introduisent un problème de contrôle plus large, car ils peuvent exécuter des tâches en plusieurs étapes sur plusieurs systèmes.

Michael Leone, Principal Analyst chez Moor Insights & Strategy, a identifié directement cette limite. Il a déclaré : « Most enterprises cannot see or govern agent activity consistently across models, tools, MCP servers, and enterprise systems, as most AI gateways just route models and log prompts. »

Cortex AI Gateway vise à étendre la supervision au-delà de cette vision limitée au niveau du modèle. Les entreprises doivent pouvoir établir quel agent a effectué une action, qui a autorisé cet agent, quelles ressources il a utilisées et ce qui s’est produit à chaque étape de l’exécution. Ces enregistrements peuvent soutenir les enquêtes de sécurité, les audits, les revues d’accès, le dépannage et l’application des politiques.

Stephanie Walter, Practice Lead of AI Stack chez HyperFRAME Research, a présenté cela comme une exigence de contrôle fiable. « Enterprises need to know which agent acted, who authorized it, what resources it used, and what happened at each step, » a déclaré Walter. « Without that runtime evidence, firms cannot reliably secure, audit, or contain agentic workflows. »

Ce dernier point est important pour les dirigeants. Un agent peut disposer d’un accès légitime à des systèmes individuels tout en produisant malgré tout une séquence d’actions indésirable. Les autorisations statiques à elles seules n’expliquent pas ce qui s’est passé après l’octroi de l’accès. Les enregistrements d’exécution fournissent les preuves nécessaires pour reconstituer la séquence et déterminer si les actions étaient conformes à la politique.

Cela change également ce que les dirigeants doivent exiger des plateformes de gouvernance de l’IA. Les journaux de prompts ne suffisent plus. La gouvernance doit inclure l’identité, l’autorisation, l’utilisation des ressources et la traçabilité au niveau des actions sur l’ensemble du workflow. À mesure que les déploiements d’agents se développent, l’exigence opérationnelle n’est pas simplement de savoir quels modèles les employés utilisent. Il s’agit de savoir ce que les agents sont autorisés à faire et ce qu’ils ont réellement fait.

Combiner gouvernance de l’IA et FinOps donne aux DSI un contrôle direct sur les coûts de l’IA

Les dépenses liées à l’IA deviennent plus difficiles à gérer lorsque chaque modèle et chaque agent génèrent des frais basés sur l’usage. Les fournisseurs de modèles et d’agents évoluent vers une tarification à la consommation, de sorte que les coûts dépendent de l’utilisation réelle plutôt que d’un forfait fixe prévisible.

Cortex AI Gateway traite la gouvernance et les opérations financières, ou FinOps, via la même couche de contrôle. Le FinOps est la pratique qui consiste à suivre, répartir et optimiser les dépenses technologiques en fonction de la consommation réelle. Dans un environnement IA, cela peut signifier identifier quel agent, quelle application, quelle équipe ou quel workflow a consommé une ressource et relier cet usage à son coût.

Cette conception présente un avantage pratique. La gouvernance de la sécurité et la gouvernance des coûts ont besoin en grande partie des mêmes informations. Toutes deux nécessitent des enregistrements d’identité, d’activité, de consommation de ressources et de transactions individuelles. Une couche de contrôle partagée peut utiliser ces enregistrements pour appliquer des politiques d’accès tout en déterminant où les dépenses d’IA se produisent.

Michael Leone, Principal Analyst chez Moor Insights & Strategy, a déclaré qu’intégrer la gouvernance des agents et le FinOps associé là où les données de l’entreprise sont déjà gouvernées pourrait réduire la charge de gouvernance à mesure que les déploiements montent en puissance. C’est un élément central de la stratégie de Snowflake. Plutôt que de demander aux DSI d’exploiter un autre environnement de gestion indépendant, Cortex AI Gateway applique ces contrôles aux côtés des capacités existantes de gouvernance des données de Snowflake.

Scott Bickley, Advisory Fellow chez Info-Tech Research Group, a qualifié de « logique » la combinaison du FinOps et de la gouvernance, car les deux fonctions ont besoin « en grande partie des mêmes » données et journaux de traçabilité. Il a également identifié la tarification à la consommation comme une source importante de complexité. Les DSI doivent savoir qui consomme les ressources d’IA, combien cette activité coûte et si ces dépenses sont conformes à la politique de l’entreprise.

La principale contrainte est l’attribution. Une facture IA globale en dit peu sur la création ou non de valeur métier par ces dépenses. Les dirigeants doivent relier la consommation à des agents, charges de travail, équipes et processus métier spécifiques. Une passerelle d’exécution peut améliorer cette visibilité si elle capture une part suffisante de l’activité IA de l’organisation et fournit des enregistrements d’usage suffisamment détaillés.

La passerelle peut réduire la charge pour les développeurs, mais seulement si elle remplace la complexité existante

Cortex AI Gateway pourrait supprimer plusieurs tâches d’infrastructure pour les équipes applicatives. Les développeurs ont généralement besoin d’identifiants pour différents fournisseurs d’IA, de systèmes de journalisation, de suivi de l’usage et des coûts, ainsi que de contrôles d’accès. Snowflake vise à consolider ces fonctions dans une seule couche applicative.

Scott Bickley, Advisory Fellow chez Info-Tech Research Group, a déclaré qu’une passerelle bien mise en œuvre devrait simplifier le développement en consolidant les identifiants des fournisseurs, les frameworks de journalisation, l’instrumentation des coûts et de l’usage, ainsi que les mécanismes de contrôle d’accès. Cela peut réduire la quantité d’infrastructure de support que chaque équipe de développement doit configurer et maintenir.

Le bénéfice métier potentiel va au-delà du simple confort des développeurs. Des contrôles standard peuvent faciliter l’approbation et l’exploitation de nouvelles applications d’IA. Les équipes de sécurité peuvent appliquer des règles d’accès cohérentes. Les équipes finance peuvent obtenir des enregistrements de consommation standardisés. Les équipes de développement peuvent consacrer moins de temps à reproduire des fonctions de gouvernance pour des applications individuelles.

Mais la centralisation peut aussi créer une nouvelle dépendance. Bickley a averti que la passerelle pourrait devenir un goulot d’étranglement si les développeurs sont contraints d’utiliser plusieurs produits de passerelle. Au lieu de supprimer la complexité, des couches de gouvernance qui se chevauchent pourraient ajouter du travail d’intégration et retarder le développement.

C’est le test clé de mise en œuvre pour les responsables technologiques. Une passerelle doit remplacer des contrôles fragmentés plutôt que s’y superposer sans rien supprimer. Les DSI et CTO devraient examiner comment Cortex AI Gateway fonctionne avec les API gateways existantes, les systèmes d’identité, les contrôles de sécurité, les plateformes d’observabilité et les passerelles de fournisseurs d’IA avant de la standardiser.

Ils devraient également considérer l’effet de l’application centralisée des politiques sur les workflows de développement. Des contrôles stricts sont précieux, mais les changements de politique, les approbations ou les défaillances de la passerelle peuvent affecter de nombreuses applications lorsque l’application des règles est centralisée. Les entreprises ont besoin d’une responsabilité clairement définie, d’opérations fiables et de processus permettant au travail de développement légitime d’avancer sans contourner la gouvernance.

L’aperçu public permettra de tester si cortex AI gateway peut assurer une gouvernance à l’échelle de l’entreprise

Snowflake prévoit de mettre Cortex AI Gateway en aperçu public prochainement.

Les entreprises devraient utiliser cette période pour tester le produit sur de vrais workflows d’agents. La question la plus importante est celle de la couverture. Cortex AI Gateway doit gouverner l’activité à travers les agents Snowflake et tiers, les modèles d’IA, les outils, les serveurs Model Context Protocol (MCP), les applications d’entreprise et les sources de données. Des lacunes dans cette couverture réduiraient la valeur d’une gouvernance centralisée.

Les dirigeants devraient également vérifier si la passerelle fournit le niveau de traçabilité décrit par les analystes. Cela inclut l’identification de l’agent qui effectue une action, de l’utilisateur ou du système qui l’a autorisé, des ressources consommées et de la séquence des actions exécutées. Ces enregistrements doivent être utiles pour les enquêtes de sécurité, les revues de conformité, le dépannage opérationnel et l’attribution des coûts.

Le contrôle des coûts mérite une attention égale. La tarification de l’IA à la consommation peut répartir les dépenses entre fournisseurs, agents, applications et unités métier. Pendant l’aperçu, les DSI devraient déterminer si Cortex AI Gateway peut relier cette consommation à des charges de travail spécifiques et appliquer des politiques de dépenses sans créer une charge administrative excessive.

L’impact sur les développeurs est un autre indicateur clé. Le produit a le potentiel de consolider les identifiants, la journalisation, les contrôles d’accès et l’instrumentation des coûts. Mais Scott Bickley, Advisory Fellow chez Info-Tech Research Group, a averti que les passerelles peuvent devenir des goulots d’étranglement si les développeurs doivent travailler avec plusieurs produits qui se chevauchent. Les entreprises devraient donc mesurer l’effort d’intégration, les délais d’approbation, la complexité opérationnelle et tout effet sur les performances applicatives.

L’aperçu public donne également à Snowflake l’occasion de démontrer si la technologie acquise via Natoma peut fonctionner efficacement comme partie intégrante de sa plateforme plus large de données et d’IA. La décision de Snowflake d’intégrer les contrôles des agents à Horizon Catalog indique une stratégie consistant à maintenir la gouvernance de l’IA au plus près de la gouvernance existante des données d’entreprise plutôt que de l’exploiter comme une fonction séparée.

Points clés à retenir pour les dirigeants

• Centraliser le contrôle des agents d’IA : Cortex AI Gateway regroupe dans une seule couche le suivi d’exécution, les politiques d’accès, le routage des requêtes et les contrôles des coûts. Les DSI devraient évaluer s’il peut gouverner à la fois les environnements IA de Snowflake et ceux de tiers sans laisser de zones d’ombre en matière de visibilité.
• Exiger des preuves d’exécution : Les journaux de prompts sont insuffisants pour des agents capables d’agir à travers des outils et des systèmes d’entreprise. Exigez une traçabilité montrant quel agent a agi, qui l’a autorisé, quelles ressources il a utilisées et ce qui s’est produit à chaque étape.
• Relier la gouvernance aux dépenses d’IA : La tarification à la consommation rend essentielle une attribution précise des coûts. Les dirigeants devraient évaluer si la passerelle peut relier l’activité des agents aux dépenses et appliquer des politiques financières à travers les équipes et les charges de travail.
• Réduire la complexité pour les développeurs au lieu de l’ajouter : La consolidation des identifiants, de la journalisation, du suivi de l’usage et des contrôles d’accès pourrait réduire la charge d’ingénierie. Testez si Cortex AI Gateway remplace les contrôles existants ou crée une couche supplémentaire que les développeurs doivent gérer.
• Utiliser l’aperçu public pour valider les promesses : Snowflake n’a pas communiqué de tarification, d’adoption client, de benchmarks de performance ni d’économies quantifiées. Les entreprises devraient tester la couverture de gouvernance, l’attribution des coûts, l’effort d’intégration, la fiabilité et l’impact sur les développeurs avant de s’engager dans un déploiement à grande échelle.