Databricks Mosaic AI

Databricks Mosaic AI est l’ensemble de capacités d’intelligence artificielle intégré à la Databricks Data Intelligence Platform.

La plateforme permet aux équipes data, machine learning et ingénierie de construire, entraîner, évaluer, déployer, surveiller et gouverner des modèles et applications IA dans le même environnement que leurs données.

Mosaic AI couvre les modèles de machine learning classiques, les modèles de fondation, les applications génératives, les systèmes RAG et les agents.

Les notebooks collaboratifs Databricks permettent aux data scientists et ingénieurs de développer en Python, SQL, Scala et R selon les environnements.

Managed MLflow fournit le suivi des expériences, le registre de modèles, l’évaluation et la gestion du cycle de vie.

Model Serving permet de déployer des modèles classiques, modèles de fondation, chaînes et agents sous forme d’endpoints.

Foundation Model APIs donnent accès à des modèles hébergés et à des modèles de fournisseurs externes selon les services disponibles.

Foundation Model Training permet d’affiner des modèles open source, préentraîner des modèles personnalisés ou construire des modèles classiques.

Agent Bricks fournit des capacités pour construire et déployer des agents de qualité production.

Les équipes peuvent accéder à des modèles provenant d’OpenAI, Anthropic, Google, Meta et d’autres fournisseurs via une plateforme unifiée.

Le routage intelligent et les mécanismes de repli peuvent maintenir le fonctionnement lorsque certains fournisseurs sont indisponibles.

Agent Evaluation permet d’évaluer les réponses, les chaînes, les outils et la qualité globale d’un système agentique.

Les équipes peuvent utiliser des évaluations assistées par IA et recueillir du feedback humain via une interface dédiée.

AI Search fournit une recherche vectorielle et sémantique intégrée, adaptée aux applications RAG et agents connectés aux données d’entreprise.

Unity Catalog centralise la gouvernance des données, modèles, fonctions, outils et actifs IA.

Unity AI Gateway ajoute des politiques centralisées, des garde-fous, des contrôles d’identité, des budgets, limites de débit et suivi des dépenses.

La plateforme peut enregistrer les prompts, traces, appels d’outils, payloads, journaux d’audit et décisions de politique pour faciliter l’observabilité et la conformité.

Data Quality Monitoring surveille la fraîcheur, les anomalies et les signaux de qualité des données et actifs IA.

Databricks permet de garder les données et workflows dans une architecture lakehouse, afin de réduire les copies entre systèmes.

Mosaic AI convient aux organisations qui utilisent déjà Databricks ou qui souhaitent réunir data engineering, analytics, ML et IA générative.

La tarification est basée sur l’usage, sans coût initial, avec une granularité à la seconde selon les services.

Les coûts utilisent notamment les Databricks Units, les ressources cloud, les tokens de modèles, le stockage, le calcul, les endpoints et les services activés.

Foundation Model Serving propose des tarifs pay-per-token, provisioned throughput et batch inference selon le modèle et la région.

Model Serving dispose de tarifs GPU et CPU spécifiques selon la taille des endpoints.

AI Search et AI Gateway ont également leurs propres modèles de facturation.

Il n’existe pas de plan gratuit permanent couvrant l’ensemble de Mosaic AI. Des essais Databricks peuvent être proposés, mais l’usage de production est payant.

La fiche est donc classée « Payant ».

La plateforme est puissante mais complexe. Une architecture de coûts, de gouvernance et d’observabilité doit être définie avant le déploiement.

Les équipes doivent mesurer non seulement la qualité des modèles, mais aussi la latence, le coût par réponse, la sécurité des données et la fiabilité des outils.