Apprendre  /  Nouveautés

Mise à jour Snowflake d'octobre 2026 : mise en miroir de Postgres, type PERIOD, Semantic Studio et nouveaux modèles d'IA

Des tables Postgres répliquées dans Snowflake en quelques secondes, un vrai type de données pour les plages de dates, un lieu dédié aux vues sémantiques et un mois chargé pour les agents Cortex. Les fonctionnalités Snowflake qui comptent, de mi-septembre à mi-octobre.

Nouveautés8 min de lectureMis à jour le 17 octobre 2026
SnowflakeSQLAgents IANouveautés
Tous les guides et antisèches

Snowflake livre quelque chose presque chaque jour, si bien qu'il est difficile de voir ce qui compte vraiment. Ce récapitulatif couvre les versions de mi-septembre au 16 octobre 2026, en commençant par les fonctionnalités les plus utiles aux analystes et aux analytics engineers. Le grand rendez-vous annuel de Snowflake, EXPEDITION 2026, aura lieu en ligne du 3 au 5 novembre (Amériques) et du 4 au 6 novembre (autres régions) : attendez-vous à d'autres annonces sur les agents.

Les temps forts, dans l'ordre

  1. Type de données PERIOD

    Disponible pour tous dans la version 10.32.

  2. Semantic Studio

    Disponible pour tous.

  3. Exécution de code des Cortex Agents

    Disponible pour tous.

  4. Claude Haiku 5.5

    Préversion dans l'API REST Cortex.

  5. Cortex Agent SDK

    Préversion publique.

  6. Mise en miroir de Postgres

    Disponible pour tous.

  7. Passage à Iceberg v3

    Mise à niveau des tables et valeurs par défaut calculées, GA.

La mise en miroir de Postgres est GA

Si votre application tourne sur Snowflake Postgres, ses tables peuvent désormais être répliquées en continu dans Snowflake pour l'analyse. Insertions, mises à jour, suppressions et changements de schéma sont répercutés, les nouvelles tables d'un schéma répliqué sont prises en compte automatiquement, et Snowflake annonce des changements visibles en quelques secondes. En coulisses, une extension Postgres (pg_lake) lit la réplication logique et écrit des tables Apache Iceberg, appliquées avec du calcul serverless.

SQL
CALL SNOWFLAKE.POSTGRES.CREATE_MIRROR(
    mirror_name       => 'data_mirror',
    postgres_instance => 'my-pg',
    postgres_database => 'postgres',
    target_database   => 'MIRRORTOSNOWFLAKE',
    postgres_tables   => NULL,
    postgres_schemas  => ['public'],
    refresh_interval  => '1 minute',
    warehouse         => NULL
);

Chaque table répliquée dispose d'une vue $live avec les données les plus récentes et d'un flux $changes avec sept jours d'historique. Cela fonctionne sur AWS et Azure, là où Snowflake Postgres est disponible. Pour les analystes, ce sont les données de l'application interrogeables en SQL simple, sans demander un extrait nocturne à l'équipe d'ingénierie.

Comment fonctionne la mise en miroir
Application Postgresécrit comme d'habitude
pg_lakecapture les changements
Tables Icebergappliquées en serverless
Snowflakeinterrogez $live en quelques secondes

PERIOD : un vrai type de données pour les plages de dates

Contrats, abonnements, emplois, validité des prix, réservations : une grande partie des données métier sont des plages avec un début et une fin. Snowflake dispose désormais d'un type PERIOD exactement pour cela. Les plages sont semi-ouvertes : le début est inclus et la fin ne l'est pas, si bien que deux périodes consécutives ne se chevauchent jamais par accident.

SQL
CREATE OR REPLACE TABLE employment_windows (
  employee_id   INTEGER,
  active_period PERIOD(DATE)
);

INSERT INTO employment_windows VALUES
  (1, PERIOD(DATE) '[2020-01-15, 2023-06-30)'),
  (2, PERIOD_CONSTRUCT(DATE '2022-09-01', DATE '2024-01-01'));

-- Qui était en poste le 1er janvier 2023 ?
SELECT employee_id
FROM employment_windows
WHERE PERIOD_CONTAINS(active_period, DATE '2023-01-01');
PERIOD_CONTAINS
Une date est-elle dans la plage ? Le début compte, la fin non.
PERIOD_OVERLAPS
Deux plages partagent-elles du temps ? Des plages qui se touchent seulement ne se chevauchent pas.
PERIOD_MEETS
Une plage se termine-t-elle exactement là où commence la suivante ?
PERIOD_CONSTRUCT
Construit une plage à partir de deux dates, et renvoie une erreur si le début ne précède pas la fin.

Semantic Studio est GA

Les vues sémantiques décrivent votre activité dans des termes qu'une IA peut utiliser : tables, relations, faits, dimensions et métriques, plus des synonymes et des exemples de questions vérifiées. Semantic Studio, dans les Workspaces de Snowsight, est désormais l'endroit où les construire. Vous écrivez une vue sémantique en YAML, prévisualisez les différences et la déployez, avec en option des branches et des revues Git. L'assistant Semantic View Autopilot peut partir de requêtes SQL, d'une spécification YAML ou d'un fichier Tableau ou Power BI existant, et l'assistant intégré peut remonter d'une mauvaise réponse d'agent jusqu'à la définition qui l'a causée.

Également nouveau : DEFINE SEMANTIC VIEW dans les DCM Projects est GA (30 septembre), pour que les vues sémantiques vivent dans les mêmes projets de déploiement que vos tables.

Agents Cortex : exécution de code et SDK

Les Cortex Agents planifient une tâche, appellent des outils et répondent dans le cadre de la gouvernance de Snowflake. Deux nouveautés ce mois-ci :

  • Outil d'exécution de code (GA, 5 octobre) : les agents peuvent exécuter du Python dans un bac à sable isolé pour des calculs et du traitement de données, aux côtés de Cortex Analyst (du SQL à partir de questions) et Cortex Search (documents).
  • Cortex Agent SDK (préversion publique, 13 octobre) : créez et exécutez des agents depuis votre propre code.

Autour de cela : Horizon Context (préversion) intègre le contexte métier au catalogue de gouvernance de Snowflake, Agentic Marketplace Discovery est en préversion publique, et la génération de documents dans Snowflake CoWork est GA depuis le 14 octobre.

Nouveaux modèles d'IA dans Cortex

Nouveautés côté modèles dans Snowflake Cortex, septembre-octobre 2026

GPT-6 Astra et GPT-5.6
Disponibles pour tous (25 septembre).
Claude Sonnet 5.5
Préversion (28 septembre).
GPT-6.1 Sol
Préversion (5 octobre).
Kimi K3
Préversion (6 octobre), le modèle open-weight de Moonshot AI.
Claude Haiku 5.5
Préversion dans l'API REST Cortex (7 octobre).

Fin septembre est aussi arrivé le cache des réponses pour les fonctions IA de Cortex, qui peut réduire les coûts quand les mêmes prompts sont exécutés à répétition, par exemple dans une tâche de classification planifiée. Pour une comparaison modèle par modèle, lisez les meilleurs modèles d'IA d'octobre 2026 et notre explication de Claude Haiku 5.5.

Petits changements à connaître

  • Apache Iceberg v3 : la mise à niveau des tables et les valeurs par défaut calculées sont GA (16 octobre). Ne passez en v3 que lorsque tous les moteurs qui lisent la table la prennent en charge, car il n'y a pas de retour en arrière. Plus de détails dans Iceberg v3 expliqué.
  • L'évolution des partitions Iceberg est GA, et Snowpipe Streaming peut écrire des tables Iceberg partitionnées.
  • Les tables dynamiques continuent de s'actualiser de façon incrémentale après un basculement, et l'actualisation incrémentale prend désormais en charge les clauses VALUES et les agrégats non déterministes.
  • Le lignage est conservé à travers les tables et vues temporaires, et couvre désormais les intégrations de stockage, les tables externes et les services Cortex Search.
  • L'intégration zero-copy avec Workday Data Cloud est GA, et les adresses IP de sortie stables sont GA sur Azure.

Testez vos connaissances

1/3En combien de temps les changements Postgres répliqués apparaissent-ils dans Snowflake ?

2/3Dans un PERIOD '[2024-01-01, 2024-04-01)', le 1er avril est-il inclus ?

3/3Que fait l'outil d'exécution de code des Cortex Agents ?

Gardez l'antisèche Snowflake SQL à portée de main, et si vous débutez, commencez par bien démarrer avec Snowflake.

Sources : les notes de version et mises à jour de fonctionnalités de Snowflake (jusqu'au 16 octobre 2026), le billet du blog Snowflake « Data Mirroring Is GA » (15 octobre 2026), la documentation Snowflake sur le type PERIOD et Semantic Studio, et le communiqué EXPEDITION 2026 (5 octobre 2026).

Alessandro Ecclesie AgazziÉcrit par Alessandro Ecclesie Agazzi, analytics engineer à Londres. Mis à jour le 17 octobre 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.