Le fournisseurs de bases de données graphes a présenté Infinigraph promettant un traitement transactionnel et analytique unifié. L’objectif est d’adapter la prise de décision en temps réel aux flux de travail autonomes des agents IA.
Pour renforcer la performance et la pertinence des agents IA, Neo4j lance son service Infinigraph, une architecture de graphes distribués. Elle combine des charges de travail transactionnel (OLTP) et analytiques (OLAP) à travers les bases de données. Disponible dans l’édition Enterprise de Neo4j, Infinigraph sera accessible dans AuraDB. Pour fonctionner, le service s’appuie sur le sharding, une technique qui répartit les données de propriétés du graphe entre les différents noeuds d’un cluster. « Vous pouvez avoir un graphe finance, un graphe RH pour les combiner et les amener aux agents IA », nous a précisé Nicolas Rouyer, consultant avant-vente chez Neo4j. Il précise aussi que les graphes pourront avoir « une évolutivité de plus de 100 To sans aucune réécriture ».
Une unification des traitements souhaitable
Les analystes interrogés par Infoworld semblent mitigés sur l’annonce d’Infinigraph. Pour Devin Pratt directeur de recherche chez IDC, « les entreprises se tournent de plus en plus vers le HTAP (traitement transactionnel et analytique hybride) pour unifier les données OLTP et OLAP (analytiques). Cette convergence devient essentielle pour favoriser l’IA agentique, qui repose sur la prise de décision en temps réel ». Et de constater que « les récentes acquisitions de Neon par Databricks et celle de Crunchy Data par Snowflake, montrent que la plupart des fournisseurs s’alignent sur cette tendance générale »
De son côté, Robert Kramer analyste principal chez Moor Insights and Strategy observe que les entreprises qui n’ont pas choisi d’unifier les deux traitements augmentent inutilement leurs dépenses, en devant gérer plusieurs systèmes et développer des pipelines ETL complexes pour analyser tous les types de données. « L’unification des charges de travail offre une source unique et fiable de données fiables, réduit la charge d’infrastructure et simplifie la gestion de tâches complexes comme la détection des fraudes ou les recommandations clients », souligne l’analyste.
Des inquiétudes sur la performance du sharding
Si la volonté d’unifier les traitements de données est saluée, l’application du sharding aux bases de données graphes suscite l’inquiétude. Jugée complexe, cette technique peut répartir les données connexes sur plusieurs nœuds, « mais nuire aux performances », constate David Menninger, directeur d’ISG Software Research. « Par conséquent, les bases de données graphes ne sont pas aussi évolutives que les bases de données relationnelles », estime-t-il. Neo4j n’est pas d’accord avec cette analyse et affirme que ses bases de données intégrant Infinigraph offriront des performances élevées avec des volumes importants de données. Robert Kramer s’interroge aussi sur les questions de performances. « Les questions clés sont de savoir si Infinigraph peut maintenir ses performances avec de lourdes charges de travail mixtes et dans quelle mesure il s’intègre bien aux systèmes d’entreprise existants. Les clients devront valider sa réactivité et son évolutivité en pratique », affirme-t-il. De son côté Devin Pratt rappelle que « Neo4j a souvent été critiqué pour son évolutivité horizontale, tandis que des concurrents comme TigreGraph ont affiché de meilleures performance dans ce domaine ».
Et la concurrence est rude souligne David Menninger qui cite Amazon Neptune, Azure CosmosDB, TigerGraph, Aerospike, SpannerGraph et OrientDB, dans le domaine des bases de données graphes. Sans oublier, la quasi-totalité des fournisseurs des plateformes de données qui disposent de bases de données graphes. « La véritable question est de savoir si les spécialistes des bases de données graphes peuvent proposer un produit suffisamment différencié pour justifier l’achat d’une plateforme de données supplémentaire », conclut l’analyste.