Une couche de données unifiée, du cloud à la périphérie, offre aux agents d'IA de production la mémoire, le contexte et les performances gouvernés dont ils ont besoin pour se souvenir, raisonner et agir sur un contexte en temps réel.

SAN JOSE, Californie – 30 juin 2026 – Couchbase, La plateforme de données opérationnelles pour l'IA™, aujourd'hui, a annoncé la disponibilité générale de l'AI Data Plane, une couche d'infrastructure de données unifiée pour les agents d'IA d'entreprise. L'AI Data Plane de Couchbase™ offre aux entreprises une mémoire d'agent persistante, une récupération de contexte en temps réel et un accès cohérent aux données, du cloud à la périphérie, et dans leurs architectures lakehouse. En fusionnant les services de données fragmentés qui ont freiné les déploiements d'agents en une seule couche gouvernée, les entreprises peuvent passer de projets pilotes à des agents de qualité de production qui offrent des décisions plus cohérentes, des expériences client plus riches et des gains d'efficacité mesurables à grande échelle.

Le plan de données de l'IA unifie la mémoire des agents, un catalogue d'agents pour des outils d'agents découvrables, et un serveur MCP auto-géré et pris en charge par l'entreprise pour l'intégration standardisée des protocoles de contexte de modèle. Il consolide les modèles de déploiement précédents de Couchbase en une architecture unique qui s'exécute sur Couchbase Capella et les environnements auto-gérés, et est complété par les nouvelles capacités Enterprise Analytics 2.2 pour la fédération de lakehouse basée sur Apache Iceberg en plus d'un adaptateur Trino (dont le lancement est actuellement prévu au T3 2026). La plateforme prise en charge par l'entreprise est soutenue par l'organisation d'ingénierie et de support de Couchbase, éliminant les solutions ponctuelles et offrant aux équipes de plateforme une surface opérationnelle unique pour les services de données dont leurs agents dépendent.

“ La plupart des entreprises se rendent rapidement compte que le passage de projets pilotes de type chat à des systèmes agentiques prêts pour la production est en réalité un problème de données, et pas seulement un problème de modèle ”, a déclaré Devin Pratt, directeur de recherche en IA, automatisation, données et analyse chez IDC. “ IDC prévoit que 80% des cas d’utilisation de l’IA agentique nécessiteront des données en temps réel, contextuelles et largement accessibles ; l’architecture doit donc prendre cela en charge. Les approches qui font de la mémoire des agents et de la récupération du contexte des fonctionnalités de premier plan de la base de données elle-même, comme l’AI Data Plane de Couchbase, répondent directement à ce besoin. En unifiant les vecteurs, les documents, le cache et les données opérationnelles au sein d’une seule plateforme distribuée, du cloud à la périphérie, Couchbase réduit les coûts d’intégration qui ont jusqu’à présent ralenti les déploiements d’agents dans le monde réel et offre aux entreprises une base plus facile à gérer et plus évolutive pour la prochaine vague d’applications alimentées par l’IA. ”

Mémoire persistante de l'agent
Les DSI qui élaborent leurs stratégies d'infrastructure IA ont besoin d'une plateforme de données unifiée qui gouverne la mémoire, le contexte et la récupération tout au long du cycle de vie complet de l'agent – et non d'une autre solution ponctuelle à intégrer et à maintenir. Couchbase Agent Memory offre cela en fournissant une couche de persistance unifiée en tant que service unique au sein de la plateforme de données opérationnelles, au lieu de forcer les équipes à assembler des caches, des magasins vectoriels et des magasins de documents distincts. Parce qu'il est indépendant des frameworks et validé avec LangGraph, CrewAI et LlamaIndex, les équipes d'ingénierie peuvent changer ou combiner les frameworks d'orchestration sans reconstruire leur couche de mémoire.

Alors que les entreprises passent des prototypes aux agents de production, l'écart entre ce que les agents peuvent raisonner et ce dont ils peuvent se souvenir au fil des sessions est devenu un goulot d'étranglement critique. Les agents simples peuvent réussir avec la recherche vectorielle, que Couchbase propose à l'échelle de milliards, mais les agents de niveau production exigent la capacité de stocker le contexte conversationnel, de récupérer des données opérationnelles structurées et de maintenir l'état au fil des sessions et des redémarrages, le tout avec une latence inférieure à la milliseconde au point de décision.

“ Ce qui compte le plus pour les agents d'IA conversationnelle de niveau entreprise, c'est que la récupération des données soit rapide, cohérente et transparente. Lorsque vous exécutez des interactions entre humains et agents d'IA, tout ce qui se passe en coulisses doit être prévisible et cohérent pour offrir une interaction naturelle ”, a déclaré Patrick Ferriter, vice-président principal des produits chez Agora. “ C'est ce que nous résolvons ensemble avec Couchbase, et c'est pourquoi nous les avons choisis comme partenaire pour la couche de données de notre plateforme d'IA conversationnelle. Chacun de nos cas d'utilisation d'IA conversationnelle nécessite une récupération de données efficace pour alimenter le pipeline des agents d'IA, qu'il s'agisse de ventes sortantes, de service client, d'IA physique, ou de quelque chose de complètement nouveau. Nous avons une relation de plusieurs années avec Couchbase, et à mesure que nous avons évolué vers des charges de travail d'agents, c'était une extension naturelle de notre partenariat. ”

Conçu pour l'IA Agentique en périphérie
Le passage des applications d'IA à invite unique aux architectures d'agents autonomes en plusieurs étapes a révélé une inadéquation fondamentale entre le fonctionnement des agents et la manière dont la plupart des infrastructures de données sont construites, en particulier en périphérie. Les agents fonctionnent sur plusieurs sessions, accumulent du contexte au fil du temps et doivent agir simultanément sur des données opérationnelles structurées et des embeddings non structurés dans le cloud, en périphérie et sur les appareils. Le Couchbase AI Data Plane est conçu pour répondre à l'ensemble de ces exigences en matière de données.

Le débit est tout aussi critique, car les charges de travail agentives peuvent exiger plusieurs ordres de grandeur de plus de la couche de données que les applications traditionnelles. Chaque action d'agent déclenche la récupération de contexte, les écritures en mémoire et la synchronisation de l'état en succession rapide, souvent sur des milliers de sessions simultanées. Le plan de données IA est conçu pour cette échelle, s'appuyant sur l'architecture éprouvée à mémoire d'abord et à montée en charge de Couchbase, qui prend déjà en charge des dizaines de millions de transactions par seconde avec une latence sub-milliseconde pour certains des les entreprises les plus exigeantes au monde.

Le plan de données IA s'appuie sur l'architecture multi-modèle distribuée de Couchbase, qui prend en charge les documents JSON, les paires clé-valeur, les requêtes SQL pour JSON, la recherche plein texte, le traitement d'événements et la recherche vectorielle au sein d'un système distribué unique. La mémoire de l'agent étend cette base avec la persistance des sessions et la récupération du contexte, tandis que le serveur MCP et le catalogue d'agents fournissent les couches d'intégration et d'observabilité nécessaires aux déploiements d'agents en production.

Enterprise Analytics 2.2 : Fédération de Lakehouse avec Iceberg et Trino
Couchbase a également annoncé Enterprise Analytics 2.2, une expansion majeure de ses capacités d'analyse qui ouvre les données opérationnelles dans Couchbase à l'écosystème plus large du lakehouse tout en renforçant le moteur de requête lui-même. Enterprise Analytics 2.2 introduit la fédération de lakehouse Apache Iceberg, permettant aux équipes d'interroger des analyses opérationnelles en temps réel à partir de Couchbase aux côtés des tables de lakehouse existantes basées sur Iceberg sans ETL complexe ni duplication de données. Cela permet aux entreprises adoptant Iceberg pour ses avantages d'ouverture en matière de gouvernance, de performance et d'écosystème de tirer davantage de valeur de ces investissements en intégrant les tables Iceberg dans la même plateforme qui dessert leurs charges de travail d'agents.

Les améliorations principales apportées à l'analytique incluent la prise en charge de Google Cloud Storage, l'authentification JWT, la capture de données modifiées pour Oracle et SQL Server, les requêtes asynchrones de longue durée, un conseiller d'index, des plans de requête basés uniquement sur les index, la prise en charge des mises à jour SQL++, et les mises à jour SDK correspondantes pour Java, .NET, Python, JavaScript et Go. Ces améliorations permettent aux équipes de plateforme d'obtenir une analytique plus rapide et plus gouvernée sur leurs outils et langages existants, afin qu'elles puissent créer et optimiser des charges de travail d'IA et de données sans ajouter de complexité à l'infrastructure.

Un nouvel adaptateur Trino, attendu au troisième trimestre, fournira un accès SQL en place aux données opérationnelles Couchbase à partir de plateformes basées sur Trino, notamment AWS Athena, Amazon EMR, Google Dataproc et Starburst. Cela élimine le besoin pour les entreprises d'extraire et de répliquer des données en direct dans des magasins analytiques séparés avant de les interroger lors de la construction de flux de travail d'IA et d'analyse couvrant les environnements opérationnels et les lakehouses.

Améliorations Capella iQ
Capella iQ, l'assistant de requête en langage naturel de la plateforme, prend désormais en charge la sélection de plusieurs fournisseurs de modèles avec AWS Bedrock et OpenAI, régie par des politiques au niveau de l'organisation. Les administrateurs peuvent contrôler quels modèles sont disponibles pour quelles équipes, de sorte que les coûts d'inférence et les exigences de résidence des données restent dans les limites de l'organisation sans ralentir les développeurs individuels. Cela donne aux équipes la flexibilité de choisir le bon modèle pour chaque charge de travail, tandis que les administrateurs gardent les coûts d'inférence, la conformité et la résidence des données strictement contrôlés grâce à des politiques centrales.

Mises à jour des applications de périphérie, mobiles et distribuées
Alors que les agents d'IA font partie de la main-d'œuvre opérationnelle, leurs données doivent suivre le travail, qui se déroule de plus en plus sur des appareils, sur le terrain et en périphérie du réseau, plutôt que derrière un bureau ou dans un centre de données. Couchbase étend le plan de données IA à la périphérie, afin que les agents s'exécutant dans des environnements mobiles et périphériques puissent accéder aux données répliquées et effectuer des recherches vectorielles locales, même avec une connectivité intermittente ou nulle.

Les nouvelles innovations comprennent :

• Couchbase Lite (CBL) 4.1 : synchronisation native pair-à-pair intégrée via Bluetooth, avec basculement automatique vers le Wi-Fi pour une collaboration plus fiable dans des environnements edge déconnectés. Une API Android modernisée avec prise en charge native de Kotlin @Serializable élimine le code répétitif de mappage de données et permet des mises à jour d'interface utilisateur efficaces et réactives grâce à la sérialisation directe et à la détection de changements basée sur les delta, tandis que de nouvelles liaisons d'API C++ simplifient la création d'applications embarquées performantes.
• Serveur Edge 1.1 : Contrôle d'accès au niveau du client pour des autorisations locales granulaires, prise en charge CORS pour les applications Edge basées sur navigateur, rotation simplifiée des identifiants pour les flottes d'appareils distribués et prise en charge étendue des plateformes pour les architectures Windows et ARM.
  Support de niveau professionnel avec intégration de modules Turbo pour React Native 1.1. Les équipes mobiles multiplateformes bénéficient d'un accès direct aux performances de Couchbase Lite, sans surcharge de pont.
• Sync Gateway 4.1 : Passerelle de synchronisation de données du cloud vers le edge pour des mises à niveau progressives non perturbatrices et une resynchronisation distribuée simultanée pour les charges de travail à volume élevé, réduisant la surcharge opérationnelle pour les déploiements d'entreprise. Disponible en tant que service géré via App Services.

“ La couche de base de données est là où l'IA agentique réussit ou échoue, et la plupart de l'industrie traite encore la mémoire des agents comme une réflexion après coup ”, a déclaré Barry Morris, Chief Product and Strategy Officer chez Couchbase. “ Nous avons construit l'AI Data Plane parce que nos clients nous ont dit que l'assemblage de bases de données vectorielles, de caches et de documents séparées pour chaque agent était le principal frein à leurs délais de production. Agent Memory leur offre une couche de persistance unifiée et indépendante des frameworks qui fonctionne de manière identique dans les environnements cloud et auto-gérés, du cloud à la périphérie, et qui fonctionne à la latence dont leurs agents ont réellement besoin. C'est ce qu'il faut pour passer du pilote à la production, et les fournisseurs qui comprennent cela définiront la catégorie d'infrastructure pour la prochaine décennie de l'IA. ”

Disponibilité
Tous les produits énumérés ci-dessus sont disponibles immédiatement, à l'exception de l'adaptateur Trino, qui sera disponible au troisième trimestre. Les détails sur les prix et l'emballage sont disponibles à l'adresse www.couchbase.com/tarifs.

Ressources complémentaires :

• Pour plus d'informations, visitez https://www.couchbase.com/products/releases/