Les dernières avancées de la plateforme de gestion de flux données permettent d’intégrer directement des LLM dans Confluent Cloud et de requêter directement les bases de données vectorielles sans passer par des infrastructures tierces.
Confluent continue d’améliorer Apache Flink pour en faire une référence de l’IA. L’éditeur vient de publier plusieurs fonctionnalités pour son moteur de traitement des flux, visant à simplifier et accélérer l’intégration de l’IA dans les flux de données en temps réel.
La nouvelle fonctionnalité Flink Native Inference permet l’exécution native de modèles d’IA open source directement dans Confluent Cloud sans nécessiter de gestion d’infrastructure supplémentaire. Cette fonctionnalité réduit ainsi la fragmentation des workflows IA, renforce la sécurité des données et optimise les coûts en évitant les transferts de données vers des plateformes externes. L’interface unifiée Flink Search permet aux modèles d’IA d’accéder en temps réel aux données stockées dans plusieurs bases de données vectorielles (MongoDB, Elasticsearch, Pinecone) pour réduire la complexité des processus ETL et améliorer la pertinence des résultats en alimentant les LLM avec des données contextuelles toujours à jour.
Par ailleurs, de nouvelles fonctions de machine learning intégrées doivent faciliter l’adoption de l’IA pour des cas d’usage critiques comme la détection d’anomalies, la prévision et l’analytique en temps réel. Grâce à leur intégration native dans Flink SQL, elles rendent les techniques avancées de data science accessibles sans compétences spécialisées.
Avec ces innovations, Confluent veut positionner Apache Flink comme un outil idéal pour la gouvernance des flux de données IA, en éliminant les silos entre traitement des données, intelligence artificielle et analytique en temps réel.
