Starburst a dévoilé lundi une série de nouvelles fonctionnalités, notamment AI Workflows https://starburst-france.com/ et AI Agent. L’entreprise s’efforce de fournir des services de croissance aux leaders de la deep tech qui bouleversent l’industrie et œuvrent pour un monde plus sûr, plus vert et plus connecté.
Starburst muscle sa plateforme pour briser les silos de données à l’ère agentique
Contrairement aux plateformes concurrentes, qui exigent de centraliser les données dans des entrepôts propriétaires avant de pouvoir alimenter l’IA, Starburst permet un accès aux données hybride, fédéré et gouverné. La plateforme Starburst, propulsée par Trino, est particulièrement bien positionnée pour exploiter Vera, le CPU de nouvelle génération de NVIDIA pour les centres de données, conçu pour accélérer le raisonnement agentique et l’analytique de données. Les clients de Starburst bénéficieront de performances de requête nettement supérieures, d’une inférence IA à plus faible latence et d’importantes économies de coûts dès la disponibilité de Vera, prévue plus tard en 2026.
C’est dans ce contexte d’accélération que Starburst a profité du GTC 2026 pour annoncer l’optimisation de sa plateforme pour le CPU Vera, le nouveau processeur ARM datacenter de NVIDIA conçu pour le raisonnement agentique et l’analytique de données. « Il ne s’agit pas de cocher des cases, mais de rationaliser la façon dont les entreprises activent leurs données à travers les environnements pour l’analytique et l’IA », avance-t-il. Collectivement, les nouvelles capacités poursuivent l’objectif de Starburst de fournir aux clients un accès rapide et gouverné aux données distribuées, selon Matt Fuller. Combinant trois activités complémentaires – accélérateurs, conseils et entreprises – l’entreprise aide les acteurs de l’aérospatiale et de la défense à innover, à naviguer et à investir dans l’écosystème dynamique. Des architectures de référence et des bonnes pratiques seront également publiées pour les organisations souhaitant exploiter Vera pour l’analytique et l’IA sur des données fédérées et gouvernées. Les architectures fermées obligent les entreprises à copier leurs données dans un système unique pour les exploiter avec l’IA, ce qui augmente les coûts, la latence et les risques de gouvernance.
Driving global aerospace & defense innovation through startup accelerators, strategy consulting, and venture investment
- « Ces flux de travail et agents d’IA s’appuient sur l’atout principal de Starburst, à savoir l’accès aux données sur site ou dans des environnements en cloud », considère Kevin Petrie.
- La suite comprend AI Search pour transformer les données non structurées en embeddings vectoriels dans Apache Iceberg.
- À savoir que leurs architectures de données ne sont pas prêtes à prendre en charge des modèles ou des applications d’IA », a-t-il déclaré.
- Starburst entend concurrencer Databricks et Snowflake à mesure qu’il se développe au-delà d’un « lakehouse » paré pour le paradigme data mesh, poursuit Matt Fuller.
- « Notre collaboration avec Starburst, pour optimiser leur plateforme basée sur Trino pour le CPU NVIDIA Vera, fournira une solution fondamentale pour le traitement de données fédérées en temps réel.
- « Il ne s’agit pas de cocher des cases, mais de rationaliser la façon dont les entreprises activent leurs données à travers les environnements pour l’analytique et l’IA », avance-t-il.
« Ces flux de travail et agents d’IA s’appuient sur l’atout principal de Starburst, à savoir l’accès aux données sur site ou dans des environnements en cloud », considère Kevin Petrie. L’environnement de développement n’exige pas que les utilisateurs déplacent des données ou construisent des pipelines complexes. Aujourd’hui, Starburst rejoint la mêlée en dévoilant AI Workflows, un ensemble d’outils en préversion privée conçu pour permettre aux clients de développer, déployer et gérer des modèles et des applications d’IA.
Benchling facilite l’accès des scientifiques aux modèles d’IA grâce à NVIDIA
Pour les entreprises qui déploient Vera dans ces configurations, c’est une pile complète prête pour l’inférence, de l’infrastructure jusqu’à l’exploitation des insights. Avec NVIDIA Vera, Starburst entend apporter l’analytique temps réel et l’inférence directement là où résident ces données. Annoncée lors du GTC 2026, l’optimisation de la plateforme Trino pour le nouveau CPU datacenter Vera de NVIDIA positionne Starburst comme le premier lakehouse ouvert et hybride taillé pour l’inférence IA fédérée en production. « Pour soutenir cette intégration, Starburst ferait bien de s’associer à davantage de plateformes de modèles d’IA/ML et de framework de développement d’applications ». « L’innovation en matière d’IA est centrée sur l’intégration des données, des modèles et des applications », note-t-il. Starburst vise à s’assurer que les clients disposent d’une base de données capable de prendre en charge ce type d’applications.
Starburst est un cabinet de conseil en stratégie et innovation et le premier accélérateur mondial d’entreprises dédié aux startups des secteurs aérospatial et défense (A&D). Le programme Flagship Accelerator de Starburst aide les startups à développer leurs activités dans les domaines de l’aviation, de l’espace et de la défense en leur donnant accès à l’un des plus grands groupes de représentants d’entreprises, d’acteurs gouvernementaux et d’investisseurs privés au monde. Cette initiative reflète la vision de Starburst visant à unifier les capacités de calcul CPU et GPU au sein d’un moteur open unique, permettant aux entreprises d’exploiter un traitement de données gouverné et haute performance au rythme de l’innovation. Grâce à une vision unique des besoins de l’industrie, des nouvelles recherches, des technologies de pointe, du développement des startups et du marché mondial, les clients de Starburst ont une longueur d’avance dans un paysage de plus en plus concurrentiel. Starburst compte plus de 50 entreprises partenaires dans les domaines de l’espace, de l’aviation, de la communication, de la mobilité et de la défense, toutes à la recherche de nouvelles technologies qui leur permettront d’atteindre leurs objectifs et de bénéficier d’un avantage concurrentiel. À l’approche de sa disponibilité générale, l’entreprise prévoit de tester des plateformes en préproduction, d’analyser les performances et de partager des recommandations pour aider les clients à tirer parti des gains d’efficacité de Vera.
L’éditeur a déjà lancé des fonctionnalités de traitement du langage naturel qui permettent aux utilisateurs d’analyser des données sans écrire de code. Au-delà des AI Workflows, Starburst ajoute de nouvelles capacités d’IA avec AI Agent. La suite comprend AI Search pour transformer les données non structurées en embeddings vectoriels dans Apache Iceberg. Dans les faits, elle permet la fédération de données entre différents entrepôts, lacs et bases de données. Basée sur le moteur de requête Trino, la plateforme de Starburst (Galaxy en mode SaaS et Enterprise pour les déploiements self-managed/sur site) est souvent présentée comme le moyen de rendre tangible l’approche Data Mesh.
Elle a créé des programmes d’accélérateurs aérospatiaux et défense uniques qui combinent les meilleurs aspects des accélérateurs de startups traditionnels et des programmes MBA avec une connaissance unique de l’industrie et une expertise approfondie. Fondé en 2012 par François Chopard, Starburst est le principal accélérateur de startups et cabinet de conseil stratégique dans le domaine de l’aérospatiale et de la défense (A&D). Starburst est le principal accélérateur de startups et cabinet de conseil stratégique dans le domaine de l’aérospatiale et de la défense (A&D).
Une affirmation que l’on retrouve également dans la bouche des porte-parole de Databricks, Snowflake ou Dremio. Et d’affirmer que l’entreprise fournit une alternative aux deux solutions populaires en mettant l’accent sur l’interopérabilité et les standards open source. Starburst entend concurrencer Databricks et Snowflake à mesure qu’il se développe au-delà d’un « lakehouse » paré pour le paradigme data mesh, poursuit Matt Fuller. En particulier, la transformation de données non structurées en vecteurs pour les préparer à une génération augmentée par la recherche est un ajout précieux, poursuit-il.