Les résultats de Snowflake dépassent les attentes, mais la consommation liée à l’IA doit prouver qu’elle peut durer

Les résultats de Snowflake ont nettement dépassé les attentes, avec un chiffre d’affaires trimestriel atteignant 1,55 milliard de dollars et des revenus produits en hausse de 37 % sur un an. Le résultat a excédé le consensus de chiffre d’affaires d’environ 1,48 milliard de dollars rapporté par LSEG. Snowflake a également relevé ses prévisions annuelles de revenus produits bien au-dessus de ses indications précédentes.

Ce dépassement est important car Snowflake exploite un modèle économique fondé sur la consommation. Les clients paient à mesure qu’ils utilisent les services de calcul, de stockage et d’IA, plutôt que par le biais d’abonnements prévisibles facturés au nombre d’utilisateurs. Une croissance plus rapide suggère donc que les charges de travail des entreprises s’étendent, et pas seulement que les clients ont signé des contrats plus longs.

La question de fond est de savoir si l’IA a modifié la trajectoire de croissance de Snowflake ou si elle a simplement produit un trimestre solide. Databricks, Microsoft, Google, Amazon Web Services et d’autres fournisseurs de plateformes de données se disputent les mêmes charges de travail d’IA. Snowflake doit désormais démontrer que son accélération reflète une utilisation durable en production, et non des expérimentations que les clients optimiseront ensuite à la baisse.

Le dépassement des attentes par Snowflake ne se limitait pas à un seul chiffre de revenus

Snowflake a dépassé les attentes en matière de revenus actuels, d’engagements futurs et de perspectives annuelles.

Snowflake a publié ses résultats du deuxième trimestre de son exercice 2027 le 2 septembre 2026. Le trimestre s’est achevé le 31 juillet ; cette annonce couvre donc une activité finalisée avant le dernier mois du troisième trimestre civil.

Selon les résultats trimestriels de l’entreprise, le chiffre d’affaires total a atteint 1,55 milliard de dollars. Cela représente une croissance de 35 % sur un an. Les revenus produits ont atteint 1,49 milliard de dollars, en hausse de 37 %.

Ces deux chiffres doivent rester distincts. Le chiffre d’affaires total inclut les revenus produits et les services professionnels. Le chiffre des produits est particulièrement important, car Snowflake l’utilise pour mesurer la demande pour sa plateforme centrale.

Les données de consensus externes situaient le chiffre d’affaires total attendu près de 1,48 milliard de dollars. Certains rapports ont arrondi cette estimation différemment, mais le résultat essentiel reste inchangé. Snowflake a dépassé la prévision moyenne de Wall Street d’environ 70 millions de dollars.

La direction a décrit cette période comme son troisième trimestre consécutif d’accélération de la croissance des revenus produits. Cette tendance pèse davantage qu’un seul dépassement des attentes. Snowflake a terminé l’exercice 2026 avec une croissance des revenus produits proche de 30 %, puis a accéléré au cours du premier semestre de l’exercice 2027.

Les indicateurs clients ont également évolué dans le même sens. Snowflake a terminé le trimestre avec 828 clients générant plus d’un million de dollars de revenus produits sur les douze derniers mois. Ce groupe a progressé de 27 % par rapport à l’année précédente.

La croissance des grands clients est importante, car les projets de données d’entreprise commencent souvent avec une charge de travail restreinte. Ils deviennent stratégiques lorsque des départements, jeux de données, applications et systèmes d’IA supplémentaires migrent vers la même plateforme.

Snowflake a également déclaré compter 829 clients du Forbes Global 2000. Ce chiffre fournit une mesure distincte de sa pénétration des entreprises, même s’il ne révèle pas les dépenses de chaque client.

Le taux de rétention nette des revenus s’établissait à 126 %. Cet indicateur compare les revenus produits actuels d’un groupe de clients existants avec les revenus du même groupe un an plus tôt. Un taux supérieur à 100 % signifie que les expansions ont compensé les réductions et les pertes de clients.

Le chiffre de 126 % indique que les clients existants ont collectivement augmenté leurs dépenses. Il ne montre toutefois pas si cette expansion était répartie de manière homogène. Un petit nombre de charges de travail d’IA à croissance rapide peut influencer sensiblement les revenus liés à la consommation.

Les obligations de performance restantes ont atteint 9 milliards de dollars, en hausse de 30 % sur un an. Cet indicateur représente des revenus futurs contractés que Snowflake n’a pas encore comptabilisés. Il offre une visibilité sur la demande, même si le calendrier de comptabilisation dépend de l’usage des clients et des conditions contractuelles.

L’entreprise est restée déficitaire selon les principes comptables généralement reconnus. Elle a déclaré une perte nette trimestrielle d’environ 192 millions de dollars, contre environ 298 millions de dollars un an plus tôt. L’écart entre les performances ajustées et la rentabilité selon les normes GAAP reste au cœur du débat d’investissement.

Pris dans leur ensemble, ces chiffres montrent une amélioration généralisée. Les clients ont engagé davantage d’argent, les comptes existants ont accru leur consommation, le nombre de grands comptes a augmenté et les revenus comptabilisés ont dépassé les attentes.

Cette ampleur explique pourquoi les investisseurs se sont intéressés à bien plus que le chiffre phare de 1,55 milliard de dollars. Le trimestre a apporté des éléments montrant que le moteur de croissance de Snowflake s’est accéléré à travers plusieurs indicateurs liés.

Snowflake a relevé ses prévisions bien au-delà de la référence précédente

Le changement le plus conséquent a été la décision de Snowflake de relever ses prévisions annuelles de revenus produits à 6,07 milliards de dollars.

Snowflake prévoyait auparavant des revenus produits pour l’exercice 2027 d’environ 5,84 milliards de dollars. Sa nouvelle prévision ajoute environ 230 millions de dollars à cette perspective et implique une croissance annuelle de 36 %.

Le chiffre révisé a également dépassé le consensus d’analystes d’environ 5,86 milliards de dollars cité dans les premiers rapports. Il ne s’agissait pas d’un ajustement limité des prévisions, conçu seulement pour s’aligner sur les attentes de Wall Street.

Snowflake prévoit des revenus produits d’environ 1,59 milliard de dollars pour son troisième trimestre fiscal. Cette prévision dépassait une estimation d’analystes proche de 1,51 milliard de dollars dans le rapport d’actualité initial et implique que la direction s’attend à ce que l’élan se poursuive au-delà du trimestre publié.

La réaction du marché a reflété ce signal tourné vers l’avenir. Les actions Snowflake ont gagné plus de 20 % dans les échanges prolongés après l’annonce.

Les mouvements de marché ne vérifient pas les affirmations opérationnelles d’une entreprise. Ils montrent toutefois comment les investisseurs ont interprété l’écart entre l’ancienne prévision et la nouvelle. Dans ce cas, le marché a considéré la hausse des prévisions comme la preuve que la demande avait dépassé les hypothèses antérieures.

L’ampleur de la révision est importante parce que Snowflake avait déjà relevé ses attentes plus tôt dans l’exercice. Une nouvelle hausse suggère que l’entreprise a observé une consommation plus forte après avoir établi sa prévision précédente.

Les modèles fondés sur la consommation peuvent révéler les changements de demande plus rapidement que les contrats d’abonnement traditionnels. Lorsque les clients exécutent davantage de requêtes, traitent des jeux de données plus volumineux ou sollicitent davantage de modèles d’IA, les revenus peuvent progresser au cours du même trimestre.

Cette même sensibilité crée des risques. Les clients peuvent optimiser leurs charges de travail, réduire les requêtes inutiles ou reporter des projets. Snowflake a subi cette pression lorsque les entreprises ont examiné de près leurs dépenses cloud lors de périodes antérieures.

Ce trimestre indique que l’expansion des charges de travail a dépassé ces efforts d’optimisation. Cela ne signifie pas que l’optimisation a disparu. Les clients continueront de rechercher de meilleures performances par unité de calcul, en particulier lorsque l’inférence d’IA augmente les factures d’infrastructure.

Snowflake a également indiqué viser une marge opérationnelle non-GAAP de 14,5 % sur l’ensemble de l’exercice. Sa marge attendue de flux de trésorerie disponible ajusté non-GAAP était de 23 %.

Ces objectifs de marge sont importants, car les charges de travail d’IA peuvent être coûteuses à fournir. L’inférence de modèles, le calcul accéléré, les réseaux et le stockage engendrent des coûts différents de ceux des requêtes analytiques conventionnelles.

La direction fait donc face à deux tests simultanés. Snowflake doit accroître la consommation liée à l’IA tout en préservant des marges brutes et opérationnelles acceptables. Une croissance obtenue grâce à un calcul non rentable affaiblirait la valeur de l’accélération des revenus.

Les engagements d’infrastructure à long terme de Snowflake ajoutent une autre dimension. L’entreprise a signé, au cours du trimestre précédent, un accord de cinq ans portant sur 6 milliards de dollars de consommation d’infrastructure AWS attendue.

Cet engagement peut sécuriser des capacités et améliorer l’économie du modèle. Il renforce également l’importance d’une demande soutenue pour la plateforme, car Snowflake doit générer suffisamment de consommation client pour utiliser l’infrastructure efficacement.

La nouvelle prévision indique que la direction perçoit actuellement une demande suffisante pour relever ses attentes. Les prochains trimestres montreront si cette confiance résiste aux évolutions des budgets clients et de l’efficacité du calcul.

L’IA passe d’une histoire de fonctionnalités à une histoire de consommation

Le renversement central est que l’IA semble accroître la demande pour la plateforme de données centrale de Snowflake au lieu de la contourner.

L’argument baissier autour de l’IA d’entreprise était simple. De nouveaux modèles pourraient permettre aux entreprises d’interagir directement avec les informations réparties entre leurs systèmes existants, réduisant le besoin d’un entrepôt de données cloud distinct.

Snowflake présente le résultat inverse. Sa plateforme se situe entre les données d’entreprise et les applications d’IA, fournissant stockage, calcul, gouvernance, recherche et contrôles d’accès. Les applications d’IA peuvent générer des requêtes supplémentaires et davantage d’activité de traitement des données dans cet environnement.

Le directeur financier Brian Robins a déclaré que le trimestre avait inclus « une hausse significative des revenus liés à l’IA ». Il a également relié ce résultat à la vigueur persistante de l’activité principale de plateforme de données de Snowflake.

Cette distinction est importante. L’IA ne fonctionne pas comme une catégorie de produits entièrement distincte. Elle peut accroître la demande pour les entrepôts existants, les pipelines de données, les systèmes de gouvernance et l’infrastructure applicative.

Snowflake Intelligence en fournit un exemple. Le produit permet aux utilisateurs métiers de poser des questions sur les données d’entreprise via une interface conversationnelle. Sous cette interface, Snowflake doit toujours identifier les données autorisées, récupérer les informations pertinentes et exécuter des calculs gouvernés.

Cortex AI fournit des services pour créer et exploiter des applications d’IA générative au sein de Snowflake. Cortex AI SQL intègre des opérations assistées par modèles dans SQL, le langage couramment utilisé pour interroger les données structurées.

Un article technique rédigé par Snowflake décrit comment Cortex AI SQL traite le coût d’inférence des modèles comme une partie de la planification des requêtes. Le système peut orienter les tâches les plus simples vers des modèles moins coûteux et réserver les modèles plus performants aux cas incertains.

Ce mécanisme relie directement l’adoption de l’IA au défi économique de Snowflake. Les clients veulent des résultats de modèles utiles, mais ils ont également besoin d’une latence prévisible et de coûts de calcul maîtrisables.

Si Snowflake réduit le coût d’une requête d’IA, les clients pourraient dépenser moins pour chaque demande. Toutefois, des coûts moindres peuvent également rendre pratiques d’autres cas d’usage en production, augmentant le volume total de requêtes.

Cette dynamique rappelle les précédents cycles d’optimisation du cloud. Une infrastructure plus efficace ne réduit pas automatiquement les revenus d’un fournisseur. Des coûts unitaires plus faibles peuvent stimuler une consommation plus importante lorsque les clients trouvent davantage de charges de travail qui valent la peine d’être exécutées.

La position existante de Snowflake dans les données lui est favorable. Les systèmes d’IA d’entreprise nécessitent plus qu’un accès à un modèle de langage. Ils ont besoin d’informations métier à jour, de contrôles d’autorisation, de vérifications de qualité, de traçabilité et de surveillance.

Ces exigences deviennent particulièrement importantes lorsqu’un agent d’IA peut agir. Un résumé erroné crée une gêne. Une action automatisée erronée peut affecter les registres financiers, les clients, les stocks ou des processus réglementés.

Snowflake cherche à devenir la couche d’exécution gouvernée de ces systèmes. Son opportunité ne se limite pas à vendre l’accès à des modèles propriétaires. Les clients peuvent utiliser différents fournisseurs de modèles tout en conservant leurs données et leurs politiques de contrôle au sein de Snowflake.

Cette approche explique également pourquoi l’activité principale de la plateforme s’est accélérée parallèlement aux revenus de l’IA. Avant qu’un client ne déploie un agent d’IA, il peut devoir consolider les informations, améliorer la qualité des données et établir des règles d’accès.

Ces charges de travail préparatoires génèrent une consommation conventionnelle de plateforme de données. L’IA peut donc accroître les revenus avant même que l’application finale ne soit largement déployée en production.

La conférence téléphonique sur les résultats de l’entreprise a également mis l’accent sur les migrations depuis d’anciens systèmes de données. Ces migrations restent une source de croissance distincte, mais l’urgence liée à l’IA peut les accélérer.

Une entreprise peut tolérer des données fragmentées lorsque ses employés compilent manuellement des rapports. Cette même fragmentation devient un obstacle plus important lorsqu’un système d’IA a besoin d’un accès fiable et immédiat entre les différents services.

L’argument le plus fort de Snowflake va donc au-delà de « les clients veulent de l’IA ». Il repose sur le fait qu’une IA d’entreprise utile accroît la demande de données organisées, gouvernées et accessibles au calcul.

Les travailleurs du savoir font face à un problème similaire, à plus petite échelle. Un modèle ne peut pas répondre de manière fiable aux questions lorsque les notes et documents pertinents restent dispersés. Une base de connaissances personnelle consultable applique le même principe fondamental au travail individuel.

Pour Snowflake, l’opportunité de revenus réside dans l’application de ce principe à l’échelle de grandes organisations. Chaque système d’IA en production peut créer une nouvelle demande de préparation des données, de recherche, de sécurité et de supervision.

C’est pourquoi ce trimestre est plus significatif qu’une annonce isolée de produit d’IA. Snowflake a présenté des éléments indiquant que l’activité liée à l’IA affecte désormais les revenus comptabilisés et ses prévisions annuelles.

Databricks et les géants du cloud maintiennent une forte pression

Les résultats de Snowflake renforcent sa position, mais ils ne tranchent pas la compétition pour les charges de travail de données d’IA en entreprise.

Databricks reste l’adversaire direct le plus évident. L’entreprise a bâti sa réputation autour de l’ingénierie des données et du machine learning, tandis que Snowflake s’est d’abord fait connaître pour l’entreposage de données dans le cloud.

Les deux entreprises ont élargi leur offre au-delà de ces points de départ. Snowflake a ajouté des outils pour développeurs, des services de machine learning, la prise en charge de tables ouvertes et des produits d’IA. Databricks s’est davantage implanté dans l’analytique, les charges de travail SQL, la gouvernance et la business intelligence.

Cette convergence signifie que les acheteurs les évaluent de plus en plus selon les mêmes exigences. Celles-ci comprennent l’ingénierie des données, l’analytique, le développement de modèles, la gouvernance, le déploiement d’applications et la prise en charge de formats ouverts.

L’accélération des revenus de Snowflake suggère que Databricks ne l’a pas empêchée de se développer au sein des grandes entreprises. La conclusion inverse serait également excessive. De nombreuses entreprises utilisent les deux plateformes et leur attribuent des charges de travail différentes.

Microsoft, Google et AWS exercent une autre forme de pression. Chacun contrôle un environnement cloud majeur et propose des services intégrés de données, d’analytique et d’IA.

Microsoft peut associer l’infrastructure Azure, Fabric, Power BI et ses relations avec OpenAI. Google propose BigQuery, Vertex AI et ses modèles Gemini. AWS relie son empreinte d’infrastructure à Redshift, Bedrock, SageMaker et aux services associés.

Ces entreprises peuvent regrouper leurs produits de données et d’IA avec des engagements cloud plus larges. Elles contrôlent également l’infrastructure sous-jacente que Snowflake utilise pour fournir son service.

La réponse de Snowflake repose sur sa disponibilité multi-cloud et sur une plateforme cohérente entre les fournisseurs. Cela peut séduire les entreprises qui souhaitent réduire leur dépendance envers un fournisseur cloud unique ou gérer des données dans plusieurs environnements.

Toutefois, une architecture multi-cloud introduit ses propres coûts. Le transfert d’informations entre régions ou fournisseurs peut engendrer des dépenses réseau, une complexité de gouvernance et de la latence.

Les formats de données ouverts ont également modifié le paysage concurrentiel. Apache Iceberg, un format de table ouvert, permet à plusieurs moteurs de calcul de travailler avec les mêmes fichiers de données sous-jacents.

Snowflake prend en charge Iceberg, car les clients veulent de plus en plus dissocier le stockage des données du moteur de calcul d’un fournisseur unique. Databricks promeut une ouverture comparable grâce à des technologies associées à l’approche lakehouse.

Cette évolution offre davantage de flexibilité aux clients. Elle affaiblit également l’avantage traditionnel qui consiste à verrouiller les données et le calcul dans un environnement propriétaire unique.

Snowflake doit donc rivaliser par la performance, la gouvernance, l’expérience développeur et les services intégrés. Le simple stockage des données d’un client ne suffit plus.

L’IA accroît cette pression, car les fournisseurs de modèles et les développeurs d’applications souhaitent accéder aux données sans les déplacer inutilement. La plateforme qui fournit l’accès gouverné le plus simple peut capter davantage de calcul en aval.

Les chiffres du deuxième trimestre de Snowflake montrent que les clients transfèrent actuellement davantage d’activité vers sa plateforme. Les obligations de performance restantes et la croissance des grands clients indiquent également que l’entreprise obtient des engagements à plus long terme.

Ces engagements ne garantissent toutefois pas une utilisation exclusive. Une entreprise peut signer un important contrat Snowflake tout en développant Databricks, Microsoft Fabric ou Google BigQuery ailleurs.

La concentration de la clientèle mérite également une attention particulière. La croissance des comptes dépensant plus de 1 million de dollars est encourageante, mais les grandes entreprises disposent d’un pouvoir de négociation considérable. Elles peuvent négocier des remises et déplacer des charges de travail lorsque l’économie évolue.

Le modèle de consommation de Snowflake rend les changements concurrentiels visibles à travers l’utilisation. Si un client redirige l’entraînement de machine learning ou l’inférence d’IA vers un autre environnement, Snowflake peut en ressentir l’effet avant l’expiration d’un contrat d’abonnement.

Cette sensibilité explique en partie pourquoi les investisseurs ont réagi fortement au trimestre. L’accélération de la consommation fournit un signal relativement immédiat que Snowflake remporte suffisamment de charges de travail pour surmonter les pressions concurrentielles et d’optimisation.

Le précédent rapport annuel de l’entreprise a identifié la concurrence, la dépendance à l’infrastructure, la sécurité et l’optimisation par les clients comme des risques persistants. Un trimestre solide modifie les éléments de preuve actuels, non ces conditions structurelles.

Snowflake a gagné une position plus solide dans le débat. Elle n’en est pas dispensée.

Ce que les chiffres ne démontrent toujours pas

Snowflake a montré que l’IA a contribué à une croissance plus rapide, mais elle n’a pas entièrement détaillé la durabilité ni l’économie de cette contribution.

La direction a indiqué que les revenus liés à l’IA avaient augmenté de manière significative. Le communiqué public de résultats n’a pas fourni de chiffre complet et autonome pour les revenus d’IA, ni de cohorte de clients ou de marge brute pour ces charges de travail.

Cette omission limite l’analyse externe. Les investisseurs peuvent observer une croissance plus rapide des revenus produits, mais ils ne peuvent pas isoler avec précision la consommation d’IA des migrations, de l’analytique conventionnelle, du stockage, de la tarification ou d’autres services de plateforme.

Les indicateurs d’adoption par les clients exigent également du contexte. Un compte peut activer une fonctionnalité d’IA sans l’intégrer à un processus de production critique. Les essais, démonstrations et déploiements limités à certains services peuvent tous être comptabilisés comme de l’utilisation.

Les charges de travail de production ont tendance à se comporter différemment. Elles traitent davantage de données, exigent une sécurité plus stricte et fonctionnent de manière répétée. Elles font également l’objet d’un examen plus attentif de la part des équipes finance, juridique et infrastructure.

La question suivante n’est donc pas de savoir si les clients peuvent accéder aux produits d’IA de Snowflake. Elle est de savoir si ces produits deviennent des composantes récurrentes des opérations métier.

La volatilité de la consommation reste une autre incertitude. Le développement de l’IA crée souvent une poussée initiale tandis que les équipes préparent les données, testent les modèles et comparent les architectures. L’utilisation peut diminuer lorsqu’un projet prend fin ou entre dans une phase d’optimisation.

La prévision relevée de Snowflake pour le troisième trimestre réduit les inquiétudes concernant un retournement immédiat. Elle n’établit pas une tendance pluriannuelle.

La relation entre efficacité et revenus exige également une interprétation prudente. Snowflake améliore continuellement les performances de calcul afin que les clients puissent accomplir davantage de travail avec moins de crédits.

Cette amélioration renforce la valeur pour les clients et la compétitivité. À court terme, elle peut toutefois réduire les revenus tirés d’une charge de travail inchangée. Snowflake a besoin de nouvelles charges de travail et d’une activité accrue pour compenser ces gains d’efficacité.

L’IA peut fournir cette demande supplémentaire. Le trimestre étaye cette thèse, mais les résultats futurs devront montrer que la création de charges de travail dépasse constamment l’optimisation.

Les marges constituent un second test. Snowflake prévoit une marge brute produit non-GAAP de 74 % pour l’ensemble de l’année, ainsi qu’une marge opérationnelle non-GAAP de 14,5 %.

Ces chiffres indiquent que la direction anticipe une rentabilité substantielle malgré l’augmentation de l’activité liée à l’IA. Les investisseurs devraient néanmoins surveiller si l’inférence de modèles et le calcul accéléré exercent une pression sur la marge brute produit.

La rentabilité selon les normes GAAP reste incertaine. La perte nette trimestrielle d’environ 192 millions de dollars de Snowflake s’est améliorée, mais elle montre que les bénéfices ajustés ne capturent pas toutes les dépenses significatives.

La rémunération en actions reste une différence importante entre les résultats GAAP et non-GAAP. Elle n’exige pas le même paiement immédiat en espèces que les salaires, mais elle peut diluer les actionnaires existants lorsque les entreprises émettent des actions supplémentaires.

La réaction du marché crée son propre défi. Une valorisation plus élevée donne davantage de poids à l’exécution future. Snowflake doit désormais atteindre une prévision annuelle nettement supérieure à son plan précédent.

Les budgets des entreprises ajoutent de l’incertitude. L’IA reste une priorité de direction, mais de nombreuses organisations déterminent encore quels cas d’usage apportent des rendements mesurables.

La sécurité et la fiabilité peuvent ralentir les déploiements. Les entreprises peuvent autoriser un assistant d’IA à résumer des documents internes avant de permettre à un agent de mettre à jour des bases de données ou de déclencher des flux opérationnels.

La qualité des données présente une autre limite. Un système d’IA peut récupérer rapidement des informations tout en produisant des réponses peu fiables si les données sources sont incohérentes, incomplètes ou mal gouvernées.

Snowflake peut fournir une infrastructure de gouvernance, mais elle ne peut pas corriger automatiquement chaque processus organisationnel ayant produit des données de mauvaise qualité. Les déploiements réussis exigent un travail technique et une discipline opérationnelle de la part des clients.

Ces contraintes n’annulent pas les résultats du trimestre. Elles définissent le standard que Snowflake devra satisfaire ensuite. L’entreprise doit convertir l’intérêt initial pour l’IA en consommation récurrente en production sans sacrifier ses marges ni la confiance.

Trois signaux montreront si l’accélération de Snowflake peut se poursuivre

La consommation du troisième trimestre, l’économie de l’IA et les gains de charges de travail face à la concurrence détermineront si ce trimestre marque un changement durable.

Le premier signal est le chiffre d’affaires produit de Snowflake pour son troisième trimestre fiscal. La direction prévoit environ 1,59 milliard de dollars, nettement au-dessus de l’estimation précédente des analystes citée dans les premiers rapports.

Atteindre cet objectif montrerait que l’accélération du deuxième trimestre s’est poursuivie après juillet. Une nouvelle hausse des prévisions renforcerait l’argument selon lequel la direction a encore sous-estimé la demande.

Un écart négatif n’invaliderait pas automatiquement la thèse de l’IA. La consommation peut varier d’un trimestre à l’autre en raison des calendriers clients et de l’activité saisonnière. Un manque significatif soulèverait néanmoins des questions sur la durabilité de la récente croissance des charges de travail.

Le taux de rétention nette des revenus doit être interprété parallèlement aux revenus produits. Un taux stable ou en hausse indiquerait que les clients existants continuent de se développer. Une baisse suggérerait que l’activité des nouveaux clients assume une plus grande part de l’effort.

Le deuxième signal est la relation entre les revenus de l’IA et les marges. Snowflake doit démontrer qu’une utilisation accrue des modèles peut coexister avec ses objectifs de marge brute et de flux de trésorerie disponible ajusté.

Les investisseurs devraient surveiller la marge brute produit, les coûts d’infrastructure et les commentaires de la direction sur l’efficacité de l’inférence. Si les marges se maintiennent alors que la consommation d’IA augmente, l’économie de plateforme de Snowflake paraîtra plus solide.

Si les marges se détériorent, le marché devra déterminer si cette pression reflète un investissement temporaire ou une combinaison de charges de travail structurellement plus coûteuse.

Le troisième signal réside dans les preuves de gains de production face à la concurrence. Les annonces de clients comptent surtout lorsqu’elles décrivent des systèmes déployés, une utilisation répétée, une consommation mesurable et une extension à plusieurs départements.

Les annonces de partenariats génériques apportent moins de preuves. Une entreprise peut annoncer l’accès à un modèle ou à une intégration sans générer de revenus significatifs pour la plateforme.

L’activité de migration révélera également la force concurrentielle. Lorsque les organisations transfèrent d’anciens entrepôts de données ou des systèmes de données fragmentés vers Snowflake, elles créent une base pour la consommation future d’analytique et d’IA.

Les cas les plus solides combineront migration et IA en production. Cette association étaye l’argument de Snowflake selon lequel l’IA élargit la plateforme centrale au lieu de la remplacer.

Databricks, Microsoft, Google et AWS continueront de lancer des services concurrents. Leurs réactions aideront à déterminer si Snowflake a créé un avantage distinct en matière de gouvernance et de consommation, ou s’il a simplement rejoint une course aux fonctionnalités déjà très encombrée.

Les acheteurs d’entreprise devraient comparer les plateformes au niveau des charges de travail. L’emplacement des données, les exigences de gouvernance, la prise en charge des formats ouverts, le choix des modèles, les performances et le coût total d’exploitation comptent davantage qu’un seul titre trimestriel.

Les développeurs devraient observer avec quelle facilité les services d’IA de Snowflake passent des prototypes à des applications surveillées. La vitesse de déploiement compte, mais la fiabilité et la maîtrise des coûts déterminent si ces applications résistent aux revues budgétaires.

Les travailleurs du savoir devraient s’attendre à un accès plus conversationnel aux données d’entreprise. Ils devraient aussi demander quelles sources étayent une réponse, quelles autorisations s’appliquent et si le système peut distinguer les informations vérifiées du texte généré.

Les résultats de Snowflake au deuxième trimestre fournissent à ce jour les preuves les plus solides que l’IA augmente la consommation de sa plateforme. Les revenus, la rétention, les engagements et les prévisions ont tous évolué dans une direction favorable.

Le test restant est la répétition. Surveillez l’objectif de 1,59 milliard de dollars de produits au troisième trimestre, les commentaires sur les marges liés à l’IA et les déploiements de production nommés. Ces trois signaux indiqueront si les résultats de Snowflake ont marqué une accélération durable ou un trimestre exceptionnellement solide.