--- title: "Cortex AI et Snowpark : l\'IA et le code au cœur de Snowflake" url: https://kwanzeo.com/ressources/cortex-ai-snowpark date: 2025-06-24 updated: 2026-10-16 --- # Cortex AI et Snowpark : l'IA et le code au cœur de Snowflake > Cortex AI apporte l'IA générative dans Snowflake (LLM, embeddings, Document AI, Copilot SQL) ; Snowpark y exécute Python, Pandas et le machine learning au plus près des données. **En résumé :** **Cortex AI** est la suite de services d'IA générative intégrée à Snowflake : grands modèles de langage, embeddings vectoriels, Document AI et Copilot SQL, accessibles par de simples appels SQL ou Python. **Snowpark** permet d'exécuter Python, Pandas et des pipelines de machine learning directement dans Snowflake, au plus près des données. *Article publié en juin 2025. Mis à jour en octobre 2026 pour les produits renommés ou remplacés depuis (Cortex Playground, Document AI, Snowflake Copilot, pandas on Snowflake), d'après la documentation de Snowflake.* ## Snowflake Cortex AI : l'intelligence artificielle intégrée ![Schéma : les données Snowflake passent par les grands modèles de langage intégrés de Cortex AI pour obtenir résumé, traduction, classification, analyse de sentiment et extraction de réponses, par de simples appels SQL ou Python](ressources/cortex-ai-snowpark/cortex-ai-1.jpg) Avec **Cortex AI**, Snowflake intègre une suite de services d'IA générative. Cette couche embarque nativement de grands modèles de langage (LLM), dont des modèles externes comme Anthropic Claude ou OpenAI, accessibles directement depuis la plateforme. L'utilisateur dispose de fonctions prêtes à l'emploi pour analyser ses données textuelles : résumé automatique de documents, traduction, classification de texte, analyse de sentiment, extraction de réponses dans un texte. Ce sont de simples appels SQL ou Python, sans modèle à entraîner, ce qui abaisse fortement la barrière d'entrée de l'IA sur les données. ### Expérimenter sans coder ![Schéma : dans le Cortex LLM Playground, tester des modèles, affiner les prompts puis faire du fine-tuning pour obtenir des résultats sur mesure, sans coder](ressources/cortex-ai-snowpark/cortex-ai-2.jpg) Pour les cas plus élaborés, le **Cortex Playground** (accessible dans l'AI & ML Studio de Snowflake, en préversion en octobre 2026) permet d'expérimenter différents modèles de langage sur ses données et d'affiner les prompts, sans écrire de code. La plateforme permet aussi le **fine-tuning** : ajuster un LLM pré-entraîné aux données de l'entreprise pour obtenir des résultats sur mesure. ### Embeddings et Document AI ![Schéma : les embeddings vectoriels convertissent les documents en vecteurs pour la recherche sémantique ; Document AI extrait les informations clés des documents non structurés](ressources/cortex-ai-snowpark/cortex-ai-3.jpg) Cortex AI génère des **embeddings vectoriels** qui représentent le sens des documents, pour de la recherche sémantique à grande échelle : on convertit des milliers de documents en vecteurs stockés dans Snowflake, puis on fait des recherches par similarité ou du regroupement thématique. **Document AI** s'appuie sur le modèle propriétaire Arctic de Snowflake pour extraire automatiquement les informations clés de documents non structurés (texte libre, PDF, images scannées), y compris des éléments visuels comme les logos ou l'écriture manuscrite. Les résultats sont ensuite exploités directement dans la base pour enrichir les analyses. *Mise à jour d'octobre 2026 : l'interface Document AI a été retirée le 16 mars 2026. L'extraction d'informations dans les documents se fait désormais avec la fonction **AI_EXTRACT**, fondée sur le modèle arctic-extract.* ### Copilot SQL ![Schéma : Copilot SQL transforme une question en français ou en anglais en requête SQL, et aide à optimiser une requête existante](ressources/cortex-ai-snowpark/cortex-ai-4.jpg) Le **Copilot SQL** est un assistant conversationnel intégré à l'interface. Il comprend une demande formulée en français ou en anglais et propose une requête SQL pour obtenir le résultat voulu, ou aide à optimiser une requête existante. *Mise à jour d'octobre 2026 : cet assistant, Snowflake Copilot, est remplacé par **Cortex Code**, l'agent de développement de Snowflake, renommé Snowflake CoCo en juin 2026 (voir notre page [Snowflake](/technologies/snowflake)).* ### Une IA fondée sur les données de l'entreprise Cortex AI privilégie le principe du **RAG** (Retrieval Augmented Generation) : les modèles génèrent du texte ou des analyses en s'appuyant sur les données réelles de l'entreprise, recherchées via Cortex Search ou Cortex Analyst. Les réponses sont ainsi fondées sur des faits plutôt que générées hors contexte (voir [le RAG expliqué](/ressources/intelligence-artificielle-rag-tout-comprendre-sur-cette-revolution)). ## Snowpark : votre code directement dans Snowflake ### Python et Pandas dans Snowflake ![Schéma : du code Pandas existant, adapté en quelques lignes avec l'API Snowpark Pandas, s'exécute dans Snowflake au plus près des données](ressources/cortex-ai-snowpark/snowpark-1-v2.jpg) Snowpark prend pleinement en charge **Python**, avec une **API Snowpark Pandas** (le service s'appelle aujourd'hui *pandas on Snowflake*) qui exécute du code Pandas existant directement sur les données hébergées dans Snowflake. Quelques lignes à adapter suffisent : on garde la simplicité des DataFrames Pandas, avec la puissance de calcul distribuée et la sécurité de Snowflake. Les transformations s'exécutent au plus près des données, sans extraction, et traitent de gros volumes bien plus vite qu'en local. ### Machine learning de bout en bout avec Snowpark ML ![Schéma : pipeline Snowpark ML en quatre étapes, prétraitement, feature engineering, entraînement et déploiement en fonctions UDF, sans quitter Snowflake](ressources/cortex-ai-snowpark/snowpark-2-1.jpg) Avec **Snowpark ML**, on construit des pipelines de données et de machine learning de bout en bout sans quitter Snowflake. La bibliothèque Python unifie prétraitement, feature engineering et entraînement des modèles, avec des outils familiers (API DataFrame, scikit-learn, TensorFlow…). Les data scientists réutilisent leurs compétences, profitent du traitement parallèle (par exemple pour l'optimisation d'hyperparamètres ou l'entraînement de plusieurs modèles) et déploient leurs algorithmes sous forme de fonctions UDF directement dans la base. ### Native Apps et Container Services ![Schéma : les traitements Snowpark s'encapsulent dans des Snowflake Native Apps distribuées sur la Marketplace ou s'exécutent dans les Snowpark Container Services, y compris avec des GPU](ressources/cortex-ai-snowpark/snowpark-3.jpg) Snowpark s'intègre aussi aux **Snowflake Native Apps** et aux **Snowpark Container Services**. On peut encapsuler des traitements Snowpark dans des applications distribuées sur la Marketplace Snowflake, ou exécuter du code dans des conteneurs dédiés, y compris avec des GPU grâce au partenariat Snowflake et NVIDIA, de façon sécurisée et gouvernée. ## Aller plus loin avec Snowflake Découvrez aussi [l'écosystème et les intégrations de Snowflake](/ressources/snowflake-integrations-et-ecosysteme) et [les fonctionnalités SQL de Snowflake](/ressources/snowflake-et-sql). Le replay [Snowflake, data platform et IA](/evenements/webinar-snowflake-data-platform-et-ia-jeudi-15-mai-a-11h) prolonge le sujet. Pour un projet, consultez [notre page Snowflake](/technologies/snowflake) ou [contactez nos équipes](/contact). ### Qu'est-ce que Snowflake Cortex AI ? La suite de services d'IA générative intégrée à Snowflake. Elle donne accès à des grands modèles de langage pour résumer, traduire, classer des textes, analyser le sentiment ou extraire des réponses, par de simples appels SQL ou Python, sans entraîner de modèle. ### À quoi sert Snowpark ? À exécuter du code, notamment Python et Pandas, directement sur les données hébergées dans Snowflake. Avec Snowpark ML, on construit des pipelines de données et de machine learning de bout en bout sans quitter la plateforme.