Snowflake Cortex AI et Snowflake Intelligence expliqués

Snowflake Cortex AI est l'ensemble des services d'IA qui tournent dans votre compte Snowflake. Il comprend des fonctions SQL qui appellent de grands modèles de langage, Cortex Analyst pour interroger des tables et Cortex Search pour les documents. Cortex Agents les orchestre, et Snowflake Intelligence, désormais renommé Snowflake CoWork, est l'application de chat placée par-dessus.

L'attrait est simple. Vos données restent sous le même compte, les mêmes rôles et les mêmes politiques que vous utilisez déjà. Le risque est tout aussi simple.

C'est facile à activer et facile d'y dépenser de l'argent. Si les données en dessous ne sont pas correctement modélisées, il donne des réponses fausses avec assurance.

Dans les programmes industriels et de défense sur lesquels j'ai travaillé, la question n'a jamais été « Snowflake sait-il faire de l'IA ? ». C'était « pouvons-nous faire confiance à la réponse, et pouvons-nous prouver qui a vu quoi ? ». Ce guide est écrit pour cette conversation.

Les noms de produits ont beaucoup bougé dans ce domaine. Deux changements comptent. Snowflake a annoncé la disponibilité générale de Snowflake Intelligence le 4 novembre 2025, en même temps que Cortex Agents et le serveur MCP managé par Snowflake.

Puis, lors du Summit de juin 2026, l'éditeur a renommé le produit Snowflake CoWork. Certains privilèges SQL et noms d'objets utilisent encore l'ancien nom.

Document AI a disparu. Snowflake a mis hors service l'interface Document AI le 16 mars 2026 et a transféré l'extraction de documents vers la fonction AI_EXTRACT. Si la proposition d'un intégrateur mentionne encore la construction de modèles Document AI, elle est périmée.

Voici l'ensemble tel qu'il se présente en octobre 2026, avec le statut et la base de facturation tirés de la documentation de Snowflake.

Composant	Ce qu'il fait	Statut	Facturé sur
Cortex AI Functions	Fonctions SQL comme AI_COMPLETE, AI_CLASSIFY, AI_FILTER, AI_AGG, AI_EXTRACT, AI_PARSE_DOCUMENT, AI_REDACT	GA, certaines fonctions en préversion	AI Credits par million de tokens, ou par page pour l'analyse de documents
Cortex Analyst	Transforme une question métier en SQL sur une semantic view	Disponible ; depuis août 2026, Snowflake recommande de l'appeler via Cortex Agents, et l'API REST reste prise en charge	Par message via l'API, par token via Agents
Cortex Search	Recherche hybride par mots-clés et vecteurs sur du texte, utilisée pour la récupération d'informations	GA depuis octobre 2024	AI Credits par Go d'index et par mois, plus le warehouse d'actualisation
Cortex Agents	Planifie une tâche et appelle Analyst, Search, des outils personnalisés et des connecteurs MCP	GA depuis novembre 2025	Tokens d'orchestration plus le coût propre de chaque outil
Snowflake CoWork (anciennement Snowflake Intelligence)	L'application de chat pour les utilisateurs métier, construite sur Cortex Agents	GA depuis novembre 2025 ; plusieurs fonctionnalités annoncées en juin 2026 étaient étiquetées préversion ou « à venir »	Tokens, plus les coûts des outils et du warehouse
Serveur MCP managé par Snowflake	Expose les agents, Analyst, Search et SQL à des clients d'IA externes	GA depuis novembre 2025	Coûts des outils sous-jacents

Les modèles proviennent d'Anthropic, OpenAI, Google, Meta, Mistral AI et d'autres, ainsi que des modèles Arctic de Snowflake pour l'embedding et l'extraction. Ceux que vous pouvez appeler dépendent de votre région et de votre paramétrage interrégional. J'y reviens plus bas, car c'est la décision qui compte le plus pour les clients de la défense.

Cortex Analyst ne lit pas vos tables pour deviner. Il lit une semantic view : un objet au niveau du schéma qui nomme vos entités métier, vos mesures, vos jointures et vos synonymes.

Seules ces métadonnées sont envoyées au modèle pour écrire le SQL. Le SQL s'exécute ensuite dans votre warehouse sous le rôle de l'appelant.

La qualité de chaque réponse de Snowflake CoWork sur le chiffre d'affaires, le taux de rebut ou la livraison à l'heure repose donc sur cette semantic view. D'après mon expérience, c'est là que se situe le vrai travail.

La partie difficile a été de s'accorder sur les définitions des indicateurs dans la couche sémantique, pas la propreté des données. Définir une seule fois la « livraison à l'heure », d'une façon acceptée à la fois par les ventes, la supply chain et la finance, demande plus de réunions que n'importe quel paramétrage de modèle.

Deux fonctionnalités aident. Les verified queries vous permettent d'enregistrer une question dont la réponse est connue et son SQL, pour que le modèle dispose d'exemples concrets. Snowflake vous permet aussi de lancer des évaluations sur ces requêtes, ce qui vous donne un chiffre d'exactitude au lieu d'une impression de démonstration.

L'ancienne approche, des fichiers YAML de modèle sémantique déposés sur un stage, fonctionne encore. Évitez-la pour les nouveaux travaux. La documentation de Snowflake elle-même recommande les semantic views, et toute personne ayant accès au stage peut utiliser un modèle YAML, ce qui est une faille de gouvernance.

Si vos données ERP ne sont pas encore chargées et modélisées proprement, commencez par là. Mon guide pour amener les données SAP, Oracle et Dynamics 365 dans Snowflake couvre cette étape.

L'argument le plus fort en faveur de Snowflake Cortex AI est la gouvernance. Cortex Analyst, Cortex Agents et CoWork respectent votre contrôle d'accès existant fondé sur les rôles, vos politiques d'accès aux lignes et votre masquage.

L'accès aux modèles eux-mêmes est désormais contrôlé par des droits accordés aux rôles. L'ancien paramètre de liste d'autorisation des modèles à l'échelle du compte est en cours de retrait au fil de 2026.

Certaines subtilités méritent d'être vérifiées avant toute validation.

1. Cortex Search s'exécute avec les droits du propriétaire. Toute personne disposant du droit USAGE sur un service de recherche voit les résultats de tout ce que le rôle propriétaire a indexé. Construisez des services distincts par public, pas un gros index unique.
2. Les agents utilisent le rôle par défaut de l'appelant. Si les utilisateurs ont des rôles par défaut larges, l'agent hérite de cette largeur. Faites d'abord le ménage dans les rôles.
3. L'inférence interrégionale déplace les prompts. Le paramètre CORTEX_ENABLED_CROSS_REGION détermine si l'inférence peut s'exécuter hors de votre région d'origine. Snowflake indique que les données restent stockées dans la région d'origine et que les prompts ne sont pas conservés ailleurs, mais la charge utile voyage bien. Certaines organisations récentes sont par défaut en ANY_REGION. La documentation sur l'inférence interrégionale recommande de le définir explicitement si vous avez des exigences de résidence.
4. Le serveur MCP peut contourner votre agent. Snowflake conseille d'exposer un Cortex Agent comme seul outil pour les questions gouvernées. Exposer l'exécution SQL brute sur le même serveur permet à un client externe de passer outre les contrôles de l'agent.

Pour la défense, le point 3 est la conversation. Régler le paramètre sur DISABLED ou sur une valeur régionale maintient l'inférence dans votre périmètre, mais cela réduit les modèles disponibles et coûte plus cher par crédit. Les régions gouvernementales américaines de Snowflake maintiennent les requêtes dans le même périmètre de conformité.

Sa documentation MCP indique aussi qu'aucune évaluation FedRAMP formelle du serveur MCP n'a été réalisée. Les données classifiées n'ont rien à faire ici. Limitez le pilote à des données non classifiées et non soumises au contrôle des exportations, et faites valider le périmètre par écrit par votre responsable du contrôle des exportations.

Mon guide sur le cadre de gouvernance de l'IA couvre le volet politiques.

Les fonctionnalités d'IA sont facturées en AI Credits, distincts des Platform Credits qui paient les warehouses. Selon la page de tarification IA de Snowflake, un AI Credit coûte 2,00 $ à la demande avec un routage global et 2,20 $ quand vous limitez l'inférence à votre région ou désactivez le routage interrégional.

Le prix de l'AI Credit est le même quelle que soit l'édition. Votre remise de capacité sur les Platform Credits ne s'y applique pas.

Les tarifs ci-dessous sont des prix catalogue issus du Snowflake Service Consumption Table en vigueur au 9 octobre 2026, vérifiés en octobre 2026. Les accords d'entreprise, les paliers de capacité en AI Credits et la sortie de nouveaux modèles changeront ces chiffres.

Élément	Tarif catalogue
AI Credit, routage global / routage régional	2,00 $ / 2,20 $
AI_COMPLETE avec llama3.3-70b (entrée / sortie)	0,432 / 0,432 AI Credit par million de tokens
AI_COMPLETE avec openai-gpt-4.1 (entrée / sortie)	1,20 / 4,80 AI Credits par million de tokens
AI_COMPLETE avec claude-sonnet-4-5 (entrée / sortie)	1,80 / 9,00 AI Credits par million de tokens
AI_CLASSIFY ou AI_FILTER	1,62 AI Credit par million de tokens
AI_EXTRACT (arctic-extract)	5,55 AI Credits par million de tokens
AI_PARSE_DOCUMENT, mode layout	3,66 AI Credits pour 1 000 pages
Service Cortex Search	6,3 AI Credits par Go de données indexées et par mois
Cortex Analyst via l'API REST	67 Platform Credits pour 1 000 messages

L'écart entre les modèles est important. Sur les tokens de sortie, claude-sonnet-4-5 coûte environ 20 fois plus que llama3.3-70b. Lancer une classification sur dix ans de notes de maintenance avec le mauvais modèle, c'est ainsi qu'on fait exploser un budget IA en une semaine.

Trois pièges de coûts attrapent les gens. Les conversations à plusieurs tours retraitent tout l'historique à chaque tour, donc les longs échanges coûtent plus cher par question.

Les coûts des agents s'empilent : tokens d'orchestration, puis chaque outil, puis le warehouse qui exécute le SQL. Le débit provisionné, si vous le réservez, n'est pas annulable et est facturé que vous l'utilisiez ou non.

Les contrôles existent. Utilisez les budgets de ressources, les quotas par utilisateur et les budgets d'orchestration sur les agents. Surveillez les vues d'usage, comme CORTEX_FUNCTIONS_QUERY_USAGE_HISTORY, CORTEX_AGENT_USAGE_HISTORY et SNOWFLAKE_COWORK_USAGE_HISTORY.

Testez d'abord chaque traitement par lots sur un échantillon. Mon guide des prix et des crédits Snowflake couvre le volet plateforme.

La documentation de Snowflake est honnête sur ce point. Cortex Analyst répond aux questions auxquelles le SQL peut répondre.

Il ne fait pas de raisonnement ouvert du type « pourquoi la marge a-t-elle baissé ? », et il ne peut pas réutiliser les résultats de requêtes précédentes. Snowflake avertit aussi que l'exactitude des réponses et des citations des agents n'est pas garantie.

Mon jugement : traitez chaque réponse d'IA qui alimente une décision comme un brouillon qu'une personne nommée signe. Cela compte davantage dans la défense, où un chiffre faux peut se retrouver dans un document contractuel ou d'audit.

L'enfermement propriétaire est l'autre risque. Semantic views, agents et services de recherche sont des objets Snowflake.

Vos prompts et vos jeux d'évaluation sont portables ; la tuyauterie ne l'est pas. Si vous choisissez encore une plateforme, mon comparatif Snowflake vs Databricks expose cet arbitrage.

Le premier cas d'usage que je choisirais dans les deux secteurs a la même forme : un jeu de questions structurées et un ensemble de documents, pour une seule équipe.

Dans l'industrie, je ferais du premier pilote un assistant maintenance et qualité. Une semantic view couvre les ordres de travail, les arrêts, les rebuts et les non-conformités issus de l'ERP et du MES.

Un service Cortex Search couvre les procédures de maintenance et les rapports qualité clôturés. Un planificateur de maintenance demande « quelles lignes ont eu le plus d'arrêts non planifiés le trimestre dernier, et qu'avions-nous trouvé la dernière fois ? » et obtient des chiffres ainsi que les rapports pertinents.

Dans la défense, le même schéma fonctionne pour la qualité fournisseurs sur un programme non classifié : indicateurs de livraison et de qualité issus de l'ERP, plus les documents d'actions correctives des fournisseurs. Gardez les éléments classifiés et soumis au contrôle des exportations entièrement hors périmètre.

Un pilote Cortex AI en 90 jours

1. 01

   Cadrer

   Choisissez une équipe, 20 à 30 vraies questions et un ensemble de documents. Réglez le paramètre interrégional et les rôles avant toute autre chose.

2. 02

   Modéliser

   Construisez la semantic view et rédigez des verified queries pour les principales questions. Convenez des définitions des indicateurs avec le responsable métier.

3. 03

   Construire

   Créez un service Cortex Search par public et un Cortex Agent. Fixez les budgets et les quotas par utilisateur dès le premier jour.

4. 04

   Tester

   Lancez les évaluations sur le jeu de questions. Les utilisateurs notent les réponses. Comparez avec le temps nécessaire aujourd'hui pour obtenir les mêmes réponses.

5. 05

   Décider

   Passer à l'échelle, corriger les données ou arrêter. Écrivez lequel, et pourquoi.

Mesurez quatre choses, et enregistrez une situation de référence avant de commencer.

1. L'exactitude des réponses sur le jeu de questions vérifiées, notée par le responsable métier.
2. Le délai de réponse comparé à la voie actuelle, généralement une demande à un analyste ou la recherche d'un rapport.
3. Le coût par question traitée, tiré des vues d'usage, temps de warehouse compris.
4. Les exceptions d'accès : tout cas où un utilisateur a vu des données que son rôle ne devrait pas atteindre. La cible est zéro.

Avant d'acheter quoi que ce soit, relevez votre réglage actuel de CORTEX_ENABLED_CROSS_REGION, listez qui dispose de rôles par défaut larges, et choisissez les 20 questions que votre directeur des opérations pose chaque mois. Cette note d'une page vous en dira plus sur votre maturité que n'importe quelle démonstration d'éditeur.

Si vous voulez un second avis sur le périmètre du pilote, les paramètres de résidence ou la proposition d'un intégrateur, j'aide les organisations à prendre ces décisions. Vous pouvez me contacter ici. Pour l'équivalent chez Databricks, consultez mon article sur Databricks Genie et Agent Bricks.

Qu'est-ce que Snowflake Cortex AI ?

Snowflake Cortex AI est la famille de services d'IA de Snowflake qui tournent dans votre compte Snowflake. Elle comprend des fonctions SQL d'IA qui appellent de grands modèles de langage, Cortex Analyst pour interroger des tables et Cortex Search pour les documents. Cortex Agents orchestre les outils, et l'application Snowflake CoWork sert les utilisateurs métier.

Snowflake Intelligence et Snowflake CoWork, est-ce la même chose ?

Oui. Snowflake Intelligence est passé en disponibilité générale le 4 novembre 2025 et a été renommé Snowflake CoWork lors du Snowflake Summit de juin 2026. Certains privilèges SQL et noms d'objets par défaut utilisent encore le nom Snowflake Intelligence.

Snowflake Cortex envoie-t-il mes données hors de Snowflake ?

Les modèles tournent dans le périmètre de service de Snowflake, et vos données stockées restent dans la région d'origine de votre compte. Avec l'inférence interrégionale activée, les prompts et les réponses peuvent être traités dans une autre région et n'y sont pas conservés. Si vous avez des règles de résidence, définissez explicitement le paramètre CORTEX_ENABLED_CROSS_REGION.

Combien coûte Snowflake Cortex AI ?

La plupart des fonctionnalités Cortex sont facturées en AI Credits, à 2,00 $ l'unité avec un routage global ou 2,20 $ avec un routage régional, prix catalogue vérifié en octobre 2026. Les tarifs varient selon le modèle et la fonctionnalité, de quelques fractions de crédit à plusieurs crédits par million de tokens. Cortex Analyst via l'API REST facture 67 Platform Credits pour 1 000 messages. Les accords d'entreprise changent ces chiffres.

Que sont les semantic views de Snowflake ?

Les semantic views sont des objets Snowflake au niveau du schéma qui décrivent les entités métier, les mesures, les relations et les synonymes. Cortex Analyst et Cortex Agents s'en servent pour transformer des questions en SQL exact. Elles remplacent les anciens fichiers YAML de modèle sémantique et sont le principal facteur de qualité des réponses.

Qu'est-ce qui a remplacé Snowflake Document AI ?

La fonction AI_EXTRACT. Snowflake a mis hors service l'interface Document AI et sa méthode PREDICT le 16 mars 2026. AI_EXTRACT extrait des entités, des listes et des tableaux de documents en un seul appel SQL et est facturée au token.