L’acquisition de Row Zero par Databricks place les feuilles de calcul au cœur de Genie

Databricks a acquis Row Zero dans le cadre d’une transaction dont le montant n’a pas été communiqué, pariant que l’IA agentique a besoin d’une interface de feuille de calcul familière avant que les équipes métier ne lui accordent leur confiance. L’acquisition de Row Zero par Databricks offre à Genie un espace de travail où les utilisateurs peuvent examiner, modifier et approuver l’analyse d’un agent IA. Elle intègre également une source fréquente de données d’entreprise non gouvernées au système de gouvernance de Databricks.

C’est la tension centrale de cette opération. Les entreprises veulent des agents capables d’analyser les données et d’agir, mais la plupart des décisions métier importantes transitent encore par des feuilles de calcul. Les fichiers exportés vers Excel ou Google Sheets perdent souvent les contrôles d’autorisation, de traçabilité et d’audit appliqués au sein d’une plateforme de données.

Row Zero offre à Databricks une passerelle potentielle entre ces deux mondes. Sa feuille de calcul cloud se connecte aux données en direct et prend en charge les formules, tableaux croisés dynamiques, graphiques et raccourcis clavier familiers. L’interface concurrence les feuilles de calcul traditionnelles pour les tâches analytiques, tandis que Databricks rivalise avec Snowflake et d’autres plateformes pour contrôler les données gouvernées sous-jacentes.

L’acquisition représente donc davantage que l’achat d’une fonctionnalité d’IA supplémentaire. Databricks cherche à rendre son agent utile dans l’interface que les équipes finance, opérations, ventes et marketing comprennent déjà. Le résultat dépendra de la capacité de l’intégration native à préserver la souplesse des feuilles de calcul sans recréer leur prolifération dans un nouveau produit.

L’acquisition de Row Zero par Databricks ajoute une surface de travail à Genie

Databricks achète une interface permettant d’achever le travail analytique, et pas simplement une nouvelle façon d’afficher les données.

Databricks a annoncé l’acquisition le 24 septembre 2026. Les conditions financières n’ont pas été divulguées. L’équipe de Row Zero, fondée par d’anciens ingénieurs d’Amazon Web Services et de Tableau, rejoindra Databricks et travaillera à l’élargissement de Genie.

Genie est le collègue IA de Databricks, conçu pour poser des questions sur les données d’entreprise et transformer les résultats en analyses ou en actions. Row Zero ajoute une surface de feuille de calcul dans laquelle les utilisateurs peuvent examiner ces résultats, modifier des hypothèses, modéliser des scénarios et collaborer.

Cette distinction est importante. Une réponse de chat peut résumer les raisons d’une évolution des marges, mais un analyste financier a généralement besoin de davantage qu’un résumé. Il peut devoir ajuster une hypothèse, séparer les régions, tester une prévision, retracer une valeur inattendue et présenter le calcul à un réviseur.

Une feuille de calcul rend ces étapes intermédiaires visibles dans une structure que les utilisateurs métier reconnaissent déjà. Les cellules, formules, filtres et tableaux croisés dynamiques deviennent une couche d’inspection entre le raisonnement d’un agent et une décision finale.

Databricks indique que l’expérience s’appuiera sur le contexte métier fourni par Genie Ontology, Unity Catalog et Unity Gateway. Genie Ontology cartographie les concepts et relations propres à l’entreprise. Unity Catalog gère les autorisations, la découverte et la traçabilité, tandis que Unity Gateway applique la gouvernance aux accès de l’IA.

Row Zero s’intégrera à Genie dans les applications web, de bureau et mobiles. Databricks précise également que la feuille de calcul restera disponible auprès des principaux fournisseurs cloud et continuera de prendre en charge des sources de données extérieures à sa plateforme.

Cet engagement est significatif, car Row Zero se connecte déjà à Snowflake, Amazon Redshift, Google BigQuery, PostgreSQL, Oracle, Microsoft SQL Server, Teradata, Amazon Athena et Amazon S3. Le maintien d’un produit neutre vis-à-vis des plateformes permettrait à Databricks de servir les utilisateurs dont les environnements de données s’étendent sur des systèmes concurrents.

L’acquisition fait suite à un cas d’usage interne. L’équipe de finance commerciale de Databricks aurait adopté Row Zero pour la planification et l’analyse financières avant que les dirigeants ne s’intéressent à l’entreprise. Selon des informations sur l’opération, l’équipe a combiné Row Zero avec Genie et l’a utilisé à une échelle dépassant les capacités habituelles des feuilles de calcul de bureau.

Cette origine confère à la transaction davantage de crédibilité qu’un achat purement défensif. Databricks a découvert Row Zero en tant que client, a observé ses employés l’utiliser avec Genie, puis a décidé que ce flux de travail devait faire partie de son produit.

Toutefois, l’enthousiasme interne ne prouve pas l’existence d’une demande généralisée. Les équipes financières sont particulièrement à l’aise avec les feuilles de calcul, et Databricks doit encore démontrer que l’expérience combinée fonctionne dans d’autres départements et avec d’autres exigences de gouvernance.

Pourquoi l’IA agentique revient sans cesse à la feuille de calcul

La feuille de calcul reste précieuse parce qu’elle permet aux utilisateurs de remettre une réponse en question, et pas seulement de la recevoir.

L’IA agentique désigne des logiciels capables de poursuivre un objectif à travers plusieurs étapes, outils et décisions avec une intervention humaine limitée. Dans l’analytique d’entreprise, un agent peut interroger des données gouvernées, identifier un écart, créer une prévision et préparer une recommandation.

L’agent peut automatiser cette séquence, mais le résultat final doit toujours prendre une forme révisable. Les utilisateurs métier doivent souvent comprendre quels enregistrements ont été inclus, comment une hypothèse a évolué et si une formule respecte les politiques de l’entreprise.

Les tableaux de bord traditionnels de business intelligence sont efficaces pour les indicateurs récurrents. Ils sont moins adaptés lorsque les utilisateurs ont besoin d’une modélisation ouverte ou d’un calcul temporaire. Une interface conversationnelle offre de la souplesse, mais peut masquer la structure qui sous-tend une réponse.

Une feuille de calcul se situe entre ces deux approches. Elle est suffisamment structurée pour révéler les calculs, tout en restant assez flexible pour qu’un analyste puisse les modifier. Cela en fait une surface naturelle de révision pour l’analytique agentique.

Row Zero développe directement cet argument. Sa vision de l’analytique agentique affirme que le travail d’un agent devrait se dérouler dans une feuille de calcul connectée et en direct afin que les utilisateurs puissent examiner et modifier le résultat. Il s’agit d’une position de l’entreprise plutôt que d’une preuve indépendante, mais elle explique pourquoi l’acquisition s’inscrit dans Genie.

Prenons l’exemple d’une équipe des opérations commerciales qui examine la qualité de son pipeline. Genie peut interroger les opportunités, identifier les comptes bloqués et résumer les causes possibles. Row Zero peut ensuite présenter ces enregistrements dans une grille où un analyste ajuste les hypothèses de probabilité ou exclut des affaires exceptionnelles.

Une équipe financière peut appliquer le même modèle à l’analyse des marges. Un agent identifie les évolutions par produit et par région, tandis que la feuille de calcul permet à l’utilisateur de tester des hypothèses de devise, de volume et de remise. Le calcul reste connecté à la source au lieu de devenir un fichier isolé.

C’est aussi pourquoi Databricks ne remplace pas purement et simplement Excel ou Google Sheets. Son annonce évoque la compatibilité avec des concepts familiers des feuilles de calcul et présente Row Zero comme complémentaire des outils établis.

Databricks propose déjà des connecteurs permettant d’intégrer les données de sa plateforme dans Excel et Google Sheets. Ces options répondent aux besoins des utilisateurs qui doivent rester dans leurs environnements existants de bureau ou de collaboration. Row Zero remplit un objectif différent en faisant de la feuille de calcul elle-même une partie de l’expérience Databricks gouvernée.

La question stratégique est de savoir si les entreprises souhaitent suffisamment cette nouvelle surface pour l’ajouter à leurs outils existants. Les utilisateurs peuvent préférer un environnement natif pour les travaux sensibles et à grande échelle, tout en conservant les feuilles de calcul conventionnelles pour les tâches plus modestes.

Cette répartition profiterait tout de même à Databricks. L’entreprise n’a pas besoin de remplacer toutes les feuilles de calcul. Elle doit capter les flux de travail où l’échelle des données, l’accès des agents, l’auditabilité ou les exigences d’écriture rendent les fichiers exportés risqués.

La gouvernance est le mécanisme, pas une fonctionnalité d’appoint

L’acquisition est importante parce que Databricks veut que les agents et les humains travaillent sur les mêmes données gouvernées sans créer de copies incontrôlées.

Un flux de travail analytique courant commence de manière sécurisée et se termine hors du système. Un utilisateur interroge un entrepôt approuvé, exporte le résultat et distribue une feuille de calcul par e-mail ou via un espace de stockage partagé. Le fichier exporté peut devenir obsolète tout en conservant des données sensibles sur les clients, les finances ou les opérations.

Les autorisations peuvent également cesser d’accompagner les données. Une plateforme source peut limiter les employés à certaines lignes, mais un fichier exporté peut exposer toutes les lignes qu’il contient. Les modifications ultérieures créent des versions supplémentaires dont l’origine est difficile à reconstituer.

Les agents IA augmentent les enjeux, car ils peuvent fonctionner plus vite et sur davantage de tâches que les utilisateurs individuels. Un agent travaillant avec un fichier obsolète ou partagé de façon inappropriée peut répéter ses erreurs à plus grande échelle. Il peut aussi formuler une recommandation dont la traçabilité des données est incertaine.

Le mécanisme proposé par Row Zero maintient la feuille de calcul connectée à des sources de données faisant autorité. Les requêtes héritent des autorisations des utilisateurs, tandis que les actualisations mettent à jour le classeur à partir des enregistrements en direct. Les organisations peuvent restreindre les exportations, auditer les interactions et réécrire les résultats approuvés dans les plateformes connectées.

Une analyse indépendante de la gouvernance a identifié la prolifération des feuilles de calcul comme le problème que Databricks cherche à résoudre. Le rapport a également relevé l’utilisation par Row Zero de la sécurité au niveau des lignes, de contrôles d’accès fondés sur les rôles, de restrictions d’exportation et de serveurs dédiés aux classeurs.

Ces contrôles font de la feuille de calcul une interface gouvernée plutôt qu’un magasin de données distinct à la propriété incertaine. En théorie, un agent ne voit que les données auxquelles son utilisateur peut accéder. Ses actions restent visibles à travers des opérations de feuille de calcul que les équipes métier peuvent examiner.

Databricks affirme que Row Zero peut travailler avec des ensembles de données d’un milliard de lignes à des vitesses interactives. Il s’agit d’une affirmation de l’entreprise qui doit être évaluée dans des charges de travail réelles. Néanmoins, cette architecture élimine l’hypothèse habituelle selon laquelle l’analyse dans une feuille de calcul commence par le téléchargement d’une copie locale limitée.

L’échelle est importante, mais la gouvernance constitue la raison plus forte de l’acquisition. Les entreprises disposent déjà de bases de données et de moteurs analytiques capables de traiter d’énormes ensembles de données. Leur problème le plus difficile consiste à faire entrer les utilisateurs métier dans ces systèmes sans obliger chaque décision à passer par une équipe spécialisée dans les données.

L’acquisition de Row Zero par Databricks répond à ce problème en plaçant une surface de contrôle familière au-dessus de la plateforme. Elle permet aux utilisateurs de manipuler les données via des formules et des tableaux croisés dynamiques tout en conservant un lien avec les contrôles de l’entreprise.

Elle renforce également la stratégie plus large de Databricks en matière d’agents. Un agent opérant via des outils gouvernés peut potentiellement respecter les mêmes exigences d’autorisation et d’audit qu’un analyste humain. C’est plus sûr que d’accorder à un agent un accès étendu et de demander aux utilisateurs de faire confiance à une conclusion générée.

La conception rappelle le knowledge blending dans les flux de travail d’IA personnelle, où les résultats deviennent plus utiles lorsqu’ils sont reliés à un contexte traçable. Dans les deux cas, la seule récupération d’informations ne suffit pas. Les utilisateurs ont besoin d’une relation visible entre une réponse et les informations qui la sous-tendent.

Le mécanisme exige encore une exécution rigoureuse. Les politiques de gouvernance doivent résister aux requêtes en langage naturel, aux transformations dans les feuilles de calcul, à la collaboration, aux exportations et aux actions d’écriture. Un contrôle efficace à la source peut échouer si une étape ultérieure crée une copie sans restrictions.

Snowflake, Microsoft et Google font face à une compétition autour de la familiarité

Databricks cherche à faire de sa plateforme le lieu de travail par défaut pour l’analyse, et non uniquement le système qui stocke les données.

Snowflake est le rival de plateforme le plus évident. Row Zero se connecte déjà à Snowflake et s’est intégré à Cortex Analyst, le système d’analytique en langage naturel de Snowflake. Databricks possède désormais une interface capable de fonctionner sur les deux plateformes tout en bénéficiant d’une optimisation plus poussée pour Genie.

Cela crée un équilibre délicat. Maintenir l’utilité de Row Zero avec Snowflake élargit son marché adressable et soutient les clients dotés d’infrastructures mixtes. Accorder une priorité excessive aux capacités réservées à Databricks pourrait affaiblir sa promesse de neutralité vis-à-vis des plateformes.

Microsoft exerce un autre type de pression. Excel reste profondément ancré dans la finance et la planification opérationnelle, et Microsoft peut le relier aux données cloud, aux outils de collaboration et à Copilot. Son avantage repose sur sa distribution et les habitudes bien établies des utilisateurs.

Google suit une voie similaire avec Sheets, BigQuery et Gemini. Google Sheets propose de solides flux de travail collaboratifs, tandis que BigQuery fournit des données cloud gouvernées. Google peut intégrer une assistance IA dans une interface que de nombreuses équipes utilisent déjà chaque jour.

Databricks ne peut pas rivaliser avec ces suites de productivité en imitant leur étendue. Son opportunité consiste à offrir une gouvernance plus approfondie et un accès aux données à plus grande échelle pour les travaux analytiques. La comparaison de feuilles de calcul de Row Zero présente le choix comme des tableaux connectés dans une feuille de calcul cloud gouvernée, face à des données importées dans Excel.

Cette comparaison provient de Row Zero et favorise naturellement son produit. Les acheteurs en entreprise devraient tester les différences opérationnelles plutôt que d’adopter ce cadrage sans recul. Ils devraient examiner le comportement d’actualisation, la compatibilité des formules, la collaboration, la latence, l’application des autorisations et la récupération après l’échec d’actions de réécriture.

Les fournisseurs spécialisés dans l’analytique sont également sous pression. Sigma Computing, par exemple, a développé une interface de type tableur reposant sur des plateformes de données cloud. D’autres produits de business intelligence ont ajouté l’interrogation en langage naturel et des couches sémantiques gouvernées.

L’avantage de Databricks réside dans sa maîtrise du système de gouvernance sous-jacent et de l’environnement Genie. Une intégration native peut réduire le nombre de modèles d’autorisation, de copies de données et de transferts entre fournisseurs impliqués dans un flux de travail analytique.

Son désavantage concerne l’étendue fonctionnelle du produit. Les utilisateurs de tableurs s’attendent à des années de comportements accumulés, de raccourcis, de formules, de contrôles de mise en forme et d’interopérabilité. Une grille techniquement évolutive peut néanmoins sembler incomplète si les classeurs courants ne se transfèrent pas proprement.

La concurrence dépend donc moins du fournisseur qui offre la limite de lignes la plus élevée. La question décisive est de savoir si les utilisateurs métiers peuvent accomplir des tâches familières sans renoncer aux contrôles dont les équipes data ont besoin.

Databricks affirme en pratique que la plateforme gouvernée doit s’étendre vers le haut, jusqu’à la couche applicative. Microsoft et Google abordent le même marché à partir des logiciels de productivité, tandis que Snowflake et les fournisseurs spécialisés l’abordent à partir de l’analytique.

Row Zero offre à Databricks un point d’entrée crédible, mais pas une victoire automatique. Les entreprises standardisent rarement tous leurs flux de travail sur tableur autour d’un seul produit. La compétition probable concerne les travaux à forte valeur, où les données en direct, l’assistance IA, l’auditabilité et l’échelle comptent davantage que la compatibilité universelle avec les environnements de bureau.

Le plus difficile est de préserver la confiance à chaque modification

Un tableur gouverné n’est utile que si les utilisateurs peuvent vérifier les actions des agents et si les administrateurs peuvent appliquer les politiques tout au long du flux de travail.

Databricks affirme que Row Zero rendra les actions des agents interprétables et auditables grâce à une syntaxe de tableur familière. Cette affirmation est plausible, car les formules et les cellules exposent davantage de structure qu’une réponse de chat autonome. Elle n’a toutefois pas encore été démontrée sur l’ensemble des flux de travail d’entreprise.

Un agent peut toujours écrire une formule incorrecte. Il peut sélectionner la mauvaise source, mal comprendre une définition métier ou créer un graphique convaincant à partir de données incomplètes. Un tableur visible aide les réviseurs à repérer ces erreurs, mais la visibilité ne garantit pas que quelqu’un effectue la vérification.

Le système doit également établir des limites claires entre les actions suggérées et celles qui sont exécutées. Ébaucher une prévision est différent d’écrire un ajustement dans un système opérationnel. Les entreprises voudront des étapes d’approbation, des historiques d’actions, des options de restauration et des contrôles d’accès précis.

La collaboration introduit un autre défi. Plusieurs personnes et agents peuvent modifier un classeur alors que les données sources évoluent en parallèle. Databricks doit indiquer quelles valeurs proviennent de systèmes en direct, lesquelles ont été saisies manuellement et lesquelles ont été générées par un agent.

La compatibilité des formules pourrait devenir un obstacle concret. Les équipes financières et opérationnelles dépendent souvent de classeurs complexes élaborés pendant de nombreuses années. Elles peuvent utiliser des macros, des références externes, des compléments spécialisés ou des conventions non documentées qui ne se transfèrent pas proprement.

Row Zero n’a pas besoin de reproduire chaque comportement d’Excel, mais doit identifier les limites de la compatibilité. Des différences peu claires peuvent provoquer des erreurs silencieuses, surtout lorsque les utilisateurs supposent qu’une formule familière se comporte de manière identique.

La neutralité vis-à-vis des plateformes constitue une autre incertitude. Databricks affirme que Row Zero continuera de prendre en charge les données et les agents hors Databricks. Les acheteurs devront surveiller si la qualité des connecteurs, le calendrier des versions et la profondeur de la gouvernance restent comparables d’une plateforme à l’autre.

Une version autonome qui favorise progressivement Databricks pourrait frustrer les clients existants. À l’inverse, un investissement équivalent dans les systèmes concurrents pourrait limiter l’avantage stratégique que Databricks espère tirer de l’acquisition.

Il existe également un problème d’adoption culturelle. Les équipes data peuvent accueillir favorablement des contrôles plus stricts, tandis que les équipes métier les perçoivent comme une source de friction. Si les flux de travail gouvernés prennent plus de temps ou limitent les exportations utiles, les employés risquent de revenir aux fichiers locaux et aux copies privées.

Le prix de l’acquisition reste non communiqué, et Databricks n’a pas indiqué de date pour une intégration native complète. Des responsables produit ont déclaré à TechTarget que le travail d’intégration était en cours et devrait aboutir dans un avenir proche, sans s’engager sur un calendrier.

L’absence de calendrier est importante. Les acquisitions produisent souvent des schémas de produit convaincants avant que les équipes ne résolvent les systèmes d’identité, la facturation, le support, les modèles de données et les feuilles de route qui se chevauchent. Les clients devraient évaluer l’opération à l’aune des flux de travail effectivement livrés, plutôt que du langage de l’annonce.

L’acquisition de Row Zero par Databricks comporte donc un risque mesurable. Si l’intégration crée une interface supplémentaire seulement partiellement connectée, elle ajoutera de la complexité au lieu de réduire la prolifération des tableurs. Si les contrôles sont transparents et les flux de travail restent familiers, elle peut faciliter la gouvernance de l’analyse agentique.

Trois signaux montreront si la stratégie fonctionne

Le prochain test consistera à voir si Databricks peut transformer un tableur acquis en un flux de travail vérifiable et largement utilisé par les humains et les agents.

Le premier signal sera une intégration native de Genie avec un périmètre de publication clair. Les acheteurs devraient rechercher un passage direct entre l’analyse conversationnelle et la modélisation dans un tableur, des autorisations cohérentes et une traçabilité visible. La disponibilité sur ordinateur, web et mobile devrait préserver les mêmes garanties de gouvernance.

Une version ne prenant en charge que la visualisation basique des données affaiblirait la thèse de l’acquisition. Le résultat le plus solide permettrait aux utilisateurs d’examiner une réponse, de modifier des hypothèses, de collaborer et de réécrire des résultats approuvés sans quitter l’environnement gouverné.

Le deuxième signal sera la preuve d’une neutralité durable vis-à-vis des plateformes. Row Zero devrait continuer à ajouter ou à maintenir des intégrations avec Snowflake, BigQuery, Redshift et d’autres sources d’entreprise. La documentation et les exemples clients révéleront si ces connexions restent centrales ou deviennent secondaires.

Une prise en charge solide entre plateformes renforcerait l’affirmation de Databricks selon laquelle il souhaite que Row Zero serve des environnements de données mixtes. Un écart croissant de capacités suggérerait que le produit autonome devient principalement une porte d’entrée vers Databricks.

Le troisième signal sera l’adoption au-delà du cas d’usage initial de la finance. La finance constitue une évidence, car les analystes vivent déjà dans les tableurs. La stratégie devient plus importante si les opérations commerciales, le marketing, la chaîne d’approvisionnement et d’autres équipes utilisent le produit combiné pour prendre des décisions répétables.

L’adoption doit être évaluée à travers les flux de travail achevés, et non les inscriptions d’utilisateurs ou les requêtes générées. Des preuves utiles incluraient la diminution des exportations, moins de copies de classeurs non gérées, des cycles de révision plus courts et des pistes d’audit plus claires.

Les entreprises qui évaluent le produit devraient également tester les cas d’échec. Demandez à un agent d’utiliser des données restreintes, d’introduire une formule contradictoire, de modifier un enregistrement source et de tenter une exportation non autorisée. La réponse en révélera davantage qu’une démonstration soignée.

Les équipes devraient examiner la manière dont le système consigne les actions des agents et les corrections des utilisateurs. Un flux de travail fiable devrait distinguer les valeurs récupérées, les formules générées, les remplacements humains et les opérations de réécriture, sans obliger les réviseurs à reconstituer la séquence.

Databricks a fait un choix stratégique judicieux. L’entreprise reconnaît que les agents d’entreprise ont besoin de davantage que du chat, et que les utilisateurs métiers n’abandonneront pas les tableurs simplement parce qu’un modèle peut répondre à des questions.

La question non résolue est de savoir si familiarité et gouvernance peuvent coexister sans affaiblir l’une ou l’autre. Row Zero doit sembler suffisamment flexible pour les analystes tout en restant assez contrôlé pour les équipes de sécurité et de données.

Pour les développeurs et les acheteurs en entreprise, la meilleure prochaine étape est une évaluation pratique. Sélectionnez un flux de travail sensible et fortement dépendant des tableurs, puis comparez la version gouvernée au processus d’exportation actuel. Suivez les autorisations, la traçabilité, l’effort de révision, la récupération après erreur et le comportement des utilisateurs.

Ce test déterminera si l’acquisition de Row Zero par Databricks fournit un espace de travail d’IA agentique ou ajoute simplement un tableur supplémentaire à gérer.