Apprendre  /  Guides

Les fonctions d'IA en SQL comparées : Snowflake, BigQuery et Databricks, avec la même tâche écrite de trois façons

Étiqueter dix mille tickets de support demandait un script Python, une clé d'API et un après-midi. Aujourd'hui, c'est une ligne de SQL dans chaque grand entrepôt de données. Les noms des fonctions diffèrent, les types renvoyés aussi, et les pièges également. Voici la carte.

Guide10 min de lectureMis à jour le 16 novembre 2026
SQLIASnowflakeDatabricks
Tous les guides et antisèches

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.

3PlateformesSnowflake, BigQuery, Databricks
500Étiquettesmaximum d'ai_classify sur Databricks
50,000Requêtespar lot asynchrone Databricks (bêta)
1Ligne de SQLpour étiqueter toute une colonne

Les fonctions côte à côte

TâcheSnowflakeBigQueryDatabricks
Choisir une catégorieAI_CLASSIFYAI.CLASSIFYai_classify
Oui ou non, pour filtrerAI_FILTERAI.IFai_classify avec deux étiquettes
Noter ou évaluerAI_SENTIMENT pour le sentimentAI.SCOREai_analyze_sentiment pour le sentiment
Extraire des champsAI_EXTRACTAI.GENERATE avec un schéma de sortieai_extract
Texte libre, n'importe quelle consigneAI_COMPLETEAI.GENERATEai_query
Lire des documentsAI_PARSE_DOCUMENTVia AI.GENERATE sur des fichiersai_parse_document
Résumer beaucoup de lignesAI_AGGAI.GENERATE sur du texte agrégéai_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.

SQL
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.

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.

SQL
SELECT ticket_id, body
FROM tickets
WHERE AI_FILTER(CONCAT('Is this ticket asking for a refund? ', body));

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. 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. 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. 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. 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. 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 ?

2/3Que renvoie AI_CLASSIFY de Snowflake ?

3/3Quelle est la meilleure façon de limiter le coût des fonctions d'IA dans les tableaux de bord ?

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.

Alessandro Ecclesie AgazziÉcrit par Alessandro Ecclesie Agazzi, analytics engineer à Londres. Mis à jour le 16 novembre 2026. À propos

Cet article vous a été utile ?

De nouveaux guides et décryptages des nouveautés en data et en IA paraissent ici régulièrement. Suivez-moi sur LinkedIn ou partagez cet article avec un collègue.