Cette nouvelle solution permet un flux continu de données en temps réel, l’optimisation des tables Iceberg et la construction d’architectures prêtes pour l’IA et booste l’obtention d’enseignements plus rentables.
À l’occasion du Snowflake Summit 2025, Qlik®, un des leaders mondiaux de l’intégration des données, de la qualité des données, de l’analytics et de l’intelligence artificielle (IA), annonce le lancement de la prise en charge native des tables Apache Iceberg™ gérées par Snowflake. Il en résulte des pipelines de données rapides et ouverts, disponibles directement dans l’environnement gouverné et hautement performant de Snowflake. En parallèle, Qlik, en association avec Snowflake, introduit des fonctionnalités qui permettent aux clients d’exploiter Qlik Open Lakehouse, alimenté par Apache Iceberg, pour offrir une plus grande flexibilité architecturale et une meilleure évolutivité de l’IA.
Le but de ces avancés est d’aider les clients de Snowflake à réduire la latence, optimiser l’efficacité de leurs systèmes de stockage et de calcul, et accélérer le développement d’applications alimentées par l’IA, y compris la génération augmentée de récupération (RAG) via Snowflake Cortex AI.
L’annonce de Qlik comprend les fonctionnalités suivantes :
Un flux natif de données vers les tables Iceberg gérées par Snowflake : Qlik Talend Cloud® assure désormais la prise en charge de la capture de données modifiées (Change Data Capture, CDC) en continu depuis les systèmes et directement dans les tables Iceberg gérées par Snowflake. Cela favorise une ingestion à faible latence qui prend en charge des accords de niveau de service (SLA) stricts pour les cas d’usage analytiques et d’IA.
L’optimisation et la mise en miroir de Qlik Open Lakehouse : Qlik Open Lakehouse combine l’ingestion à faible latence dans les tables Apache Iceberg avec un optimiseur automatisé qui gère le compactage, le partitionnement et l’élagage dans S3. Ainsi, les requêtes sont plus rapides et l’empreinte de stockage réduite sans avoir à recourir au réglage manuel. Il peut également mettre les données Iceberg en miroir dans Snowflake dans le cadre de transformations en aval, sans les dupliquer.
Des data products accessibles en un clic avec une qualité d’exécution In-Snowflake : les data products sont générés à partir des tables contenues dans la base Snowflake. Ceci permet d’utiliser le Qlik Talend Trust Scoretm en déléguant le calcul de la qualité des données dans le moteur Snowflake. Les équipes peuvent ainsi produire des résultats gouvernés et de haute qualité, augmentant la valeur grâce à des données corrigées et de confiance.
Knowledge Mart for RAG sur Snowflake Cortex : le Knowledge Mart de Qlik transforme les contenus structurés et non structurés (comme les fichiers au format PDF, les transcriptions d’appels et les enregistrements relationnels) en actifs vectorisés AI-ready dans Snowflake, alimentant ainsi les pipelines de génération augmentée de récupération via Cortex avec une explicabilité et une gouvernance complète.
« Les formats ouverts comme Apache Iceberg sont indispensables à l’interopérabilité de la pile de données, y compris pour Qlik et Snowflake », déclare Saurin Shah, Senior Product Manager, Data Engineering chez Snowflake. « En combinant l’ingestion de données en temps réel, l’optimisation automatisée et les pipelines d’IA Cortex-ready, Qlik et Snowflake aident leurs clients à réduire le délai pour obtenir des enseignements, tout en maximisant la valeur de leurs investissements dans les données ».
« L’intégration entre Qlik et Snowflake a transformé notre manière de gérer et d’exploiter nos données », explique Michael Benassi, Vice President of Enterprise Analytics chez United Federal Credit Union. « En optimisant l’ingestion de données en temps réel et les pipelines d’ingénierie rationalisés, nous sommes en mesure de diffuser nos enseignements dans l’ensemble de l’entreprise et de contribuer à la mise en œuvre d’initiatives plus rapides en plus fiables en matière d’IA ».
« Ce lancement offre à nos clients communs l’opportunité d’optimiser encore leur investissement dans Snowflake », commente David Zember, Senior Vice President of Worldwide Channels and Alliances chez Qlik. « En combinant l’ingestion en temps réel et l’optimisation d’Iceberg de Qlik avec une gouvernance Snowflake native, nous offrons une voie plus intelligente, ouverte et évolutive vers l’analytique et l’IA ».
Le but de ces avancés est d’aider les clients de Snowflake à réduire la latence, optimiser l’efficacité de leurs systèmes de stockage et de calcul, et accélérer le développement d’applications alimentées par l’IA, y compris la génération augmentée de récupération (RAG) via Snowflake Cortex AI.
L’annonce de Qlik comprend les fonctionnalités suivantes :
Un flux natif de données vers les tables Iceberg gérées par Snowflake : Qlik Talend Cloud® assure désormais la prise en charge de la capture de données modifiées (Change Data Capture, CDC) en continu depuis les systèmes et directement dans les tables Iceberg gérées par Snowflake. Cela favorise une ingestion à faible latence qui prend en charge des accords de niveau de service (SLA) stricts pour les cas d’usage analytiques et d’IA.
L’optimisation et la mise en miroir de Qlik Open Lakehouse : Qlik Open Lakehouse combine l’ingestion à faible latence dans les tables Apache Iceberg avec un optimiseur automatisé qui gère le compactage, le partitionnement et l’élagage dans S3. Ainsi, les requêtes sont plus rapides et l’empreinte de stockage réduite sans avoir à recourir au réglage manuel. Il peut également mettre les données Iceberg en miroir dans Snowflake dans le cadre de transformations en aval, sans les dupliquer.
Des data products accessibles en un clic avec une qualité d’exécution In-Snowflake : les data products sont générés à partir des tables contenues dans la base Snowflake. Ceci permet d’utiliser le Qlik Talend Trust Scoretm en déléguant le calcul de la qualité des données dans le moteur Snowflake. Les équipes peuvent ainsi produire des résultats gouvernés et de haute qualité, augmentant la valeur grâce à des données corrigées et de confiance.
Knowledge Mart for RAG sur Snowflake Cortex : le Knowledge Mart de Qlik transforme les contenus structurés et non structurés (comme les fichiers au format PDF, les transcriptions d’appels et les enregistrements relationnels) en actifs vectorisés AI-ready dans Snowflake, alimentant ainsi les pipelines de génération augmentée de récupération via Cortex avec une explicabilité et une gouvernance complète.
« Les formats ouverts comme Apache Iceberg sont indispensables à l’interopérabilité de la pile de données, y compris pour Qlik et Snowflake », déclare Saurin Shah, Senior Product Manager, Data Engineering chez Snowflake. « En combinant l’ingestion de données en temps réel, l’optimisation automatisée et les pipelines d’IA Cortex-ready, Qlik et Snowflake aident leurs clients à réduire le délai pour obtenir des enseignements, tout en maximisant la valeur de leurs investissements dans les données ».
« L’intégration entre Qlik et Snowflake a transformé notre manière de gérer et d’exploiter nos données », explique Michael Benassi, Vice President of Enterprise Analytics chez United Federal Credit Union. « En optimisant l’ingestion de données en temps réel et les pipelines d’ingénierie rationalisés, nous sommes en mesure de diffuser nos enseignements dans l’ensemble de l’entreprise et de contribuer à la mise en œuvre d’initiatives plus rapides en plus fiables en matière d’IA ».
« Ce lancement offre à nos clients communs l’opportunité d’optimiser encore leur investissement dans Snowflake », commente David Zember, Senior Vice President of Worldwide Channels and Alliances chez Qlik. « En combinant l’ingestion en temps réel et l’optimisation d’Iceberg de Qlik avec une gouvernance Snowflake native, nous offrons une voie plus intelligente, ouverte et évolutive vers l’analytique et l’IA ».