Les trois grandes plateformes de données permettent désormais d'appeler un grand modèle de langage depuis une requête SQL. Le modèle lit une colonne, ligne par ligne, et renvoie une étiquette, un oui ou un non, une note ou des champs extraits. Cette semaine, les trois ont ajouté quelque chose : Snowflake a mis AI Function Studio en disponibilité générale, BigQuery a ajouté les modèles Gemini 4 et Databricks a livré une API asynchrone pour les gros lots. Voici comment elles se comparent en novembre 2026.
Les fonctions côte à côte
| Tâche | Snowflake | BigQuery | Databricks |
|---|---|---|---|
| Choisir une catégorie | AI_CLASSIFY | AI.CLASSIFY | ai_classify |
| Oui ou non, pour filtrer | AI_FILTER | AI.IF | ai_classify avec deux étiquettes |
| Noter ou évaluer | AI_SENTIMENT pour le sentiment | AI.SCORE | ai_analyze_sentiment pour le sentiment |
| Extraire des champs | AI_EXTRACT | AI.GENERATE avec un schéma de sortie | ai_extract |
| Texte libre, n'importe quelle consigne | AI_COMPLETE | AI.GENERATE | ai_query |
| Lire des documents | AI_PARSE_DOCUMENT | Via AI.GENERATE sur des fichiers | ai_parse_document |
| Résumer beaucoup de lignes | AI_AGG | AI.GENERATE sur du texte agrégé | ai_summarize par ligne |
La même tâche de trois façons : étiqueter des tickets de support
Une table tickets avec une colonne texte body. Nous voulons une catégorie par ticket.
SELECT
ticket_id,
AI_CLASSIFY(body, ['billing', 'bug', 'feature request', 'other']):labels[0]::STRING
AS category
FROM tickets;AI_CLASSIFY renvoie un objet dont le champ labels est un tableau : on prend le premier élément. Ajoutez {'output_mode': 'multi'} en troisième argument pour autoriser plusieurs étiquettes, et task_description ou des examples dans le même objet pour gagner en précision.
SELECT
ticket_id,
AI.CLASSIFY(
body,
categories => ['billing', 'bug', 'feature request', 'other']
) AS category
FROM mydataset.tickets;Renvoie une simple STRING. Sans connection_id, la fonction utilise vos propres identifiants Google, et sans endpoint BigQuery choisit le modèle offrant le meilleur rapport coût-qualité. Ajoutez output_mode => 'multi' pour plusieurs étiquettes.
SELECT
ticket_id,
ai_classify(
body,
'["billing", "bug", "feature request", "other"]',
MAP('version', '2.1', 'enableConfidenceScores', 'true')
) AS result
FROM tickets;Renvoie un VARIANT avec response, metadata et error_message. En version 2.1, chaque élément de response a une clé value, et vous pouvez demander des scores de confiance et de courtes justifications (enableRationales). Les étiquettes peuvent être un objet JSON avec descriptions, jusqu'à 500.
Filtrer des lignes avec une question
Une fonction oui/non dans la clause WHERE est la fonction d'IA la plus utile que la plupart des analystes n'essaient jamais. Elle répond à des questions comme « quels avis parlent de la livraison ? » sans listes de mots-clés.
SELECT ticket_id, body
FROM tickets
WHERE AI_FILTER(CONCAT('Is this ticket asking for a refund? ', body));SELECT ticket_id, body
FROM mydataset.tickets
WHERE AI.IF(CONCAT('Is this ticket asking for a refund? ', body));SELECT ticket_id, body
FROM tickets
WHERE ai_classify(body, '["refund request", "other"]',
MAP('version', '2.1')):response[0].value::STRING = 'refund request';Databricks n'a pas de fonction oui/non dédiée : une classification à deux étiquettes fait l'affaire.
Ce que chaque plateforme fait le mieux
Snowflake
L'ajustement sur vos données- AI Function Studio (en GA cette semaine) construit, teste et ajuste une fonction à partir d'une description en langage courant
- AI Function Optimization compare consignes et modèles sur vos données, avec qualité et coût
- AI_AGG résume de nombreuses lignes en un seul appel
- Les types renvoyés sont des objets à décomposer
Idéal quand vous lancerez la même tâche d'IA chaque jour et voulez l'ajuster une fois pour toutes.
BigQuery
Le moins de réglages- Choisit automatiquement un modèle si vous n'en indiquez pas, avec un choix entre coût plus bas et qualité plus haute
- AI.CLASSIFY renvoie une simple chaîne
- Gemini 4 Carbon et Hydrogen disponibles depuis cette semaine
- Le choix des modèles se fait surtout parmi ceux de Google
Idéal pour les analystes qui veulent des résultats vite, sans configuration.
Databricks
Le plus de contrôle- Scores de confiance et justifications dans ai_classify 2.1
- ai_query appelle n'importe quel modèle servi sur la plateforme, dont Claude, GPT et des modèles ouverts
- L'API asynchrone traite jusqu'à 50 000 requêtes depuis un fichier (bêta)
- Plus d'options à apprendre
Idéal pour les data engineers qui construisent de gros pipelines d'IA reproductibles.
Garder la facture sous contrôle
- 1
Testez sur un échantillon
Lancez la fonction sur 200 lignes, vérifiez-les à la main et mesurez la précision avant de toucher à toute la table.
- 2
Prenez le plus petit modèle qui passe
Classer et filtrer demandent rarement un modèle de pointe. Sur BigQuery, laissez d'abord la plateforme choisir le modèle.
- 3
Enregistrez les résultats
Écrivez les étiquettes dans une table une seule fois. Un tableau de bord qui appelle une fonction d'IA à chaque rafraîchissement paie à chaque fois.
- 4
Ne traitez que les nouvelles lignes
Étiquetez de façon incrémentale avec un WHERE sur la date de chargement ou un MERGE, jamais tout l'historique à nouveau.
- 5
Surveillez la vue de consommation IA de la plateforme
Chaque plateforme distingue la dépense d'IA de celle du calcul ; définissez une alerte de budget.
Quand sortir du SQL
Si vous avez besoin de nombreuses questions fermées par élément, de probabilités sur lesquelles fixer des seuils, ou d'images et de vidéos dans le même appel, une API dédiée peut coûter moins cher. La nouvelle Gemini Decisions API de Google répond jusqu'à 1 000 questions oui/non, à choix ou à note par appel, pour 0,10 dollar par million de jetons en entrée. La contrepartie : les données sortent de votre entrepôt, vérifiez donc d'abord vos règles de gouvernance.
Testez vos connaissances
1/3Quelle fonction de BigQuery filtre les lignes avec une question oui/non ?
AI.IF renvoie vrai ou faux, elle s'utilise donc dans une clause WHERE.
2/3Que renvoie AI_CLASSIFY de Snowflake ?
Prenez labels[0] pour une seule étiquette, ou gardez le tableau pour les résultats multi-étiquettes.
3/3Quelle est la meilleure façon de limiter le coût des fonctions d'IA dans les tableaux de bord ?
Chaque appel coûte des jetons ; calculez les étiquettes une fois et réutilisez-les.
Vous avez 0 bonne(s) réponse(s) sur 3.
Pour aller plus loin : la mise à jour Snowflake de novembre, la mise à jour BigQuery de novembre et les nouveautés de novembre de Databricks Genie One.
Sources : documentation Snowflake sur AI_CLASSIFY et les Cortex AI Functions ; documentation BigQuery sur AI.CLASSIFY et la vue d'ensemble de l'IA générative ; documentation Databricks sur ai_classify et les AI Functions ; notes de version de Snowflake, BigQuery et Databricks (du 9 au 16 novembre 2026). Les options et les prix changent souvent : vérifiez la documentation de chaque plateforme avant un gros traitement.
