Les deux entreprises collaborent par ailleurs au développement de nouvelles solutions destinées aux secteurs du retail et de la fabrication avec des solutions et des intégrations de produits approfondies en vue de créer un environnement de développement transparent dédié à la création d’expériences d’achat engageantes et d’applications orientées-données pour les usines intelligentes. Les outils de gestion de base de données Enterprise Advanced (EA) sont désormais disponibles avec le portefeuille de solutions Google Distributed Cloud (GDC) pour les clients qui souhaitent exécuter des charges de travail utilisant des données hautement sensibles.

Partenaires depuis 2018, MongoDB et Google Cloud aident plusieurs milliers de clients communs tels que Keller Williams, Powerledger ou Ulta à adopter des stratégies de données cloud-natives dans l’optique de moderniser la façon dont elles gèrent leurs activités et répondent aux besoins des utilisateurs finaux. L’extension de cette collaboration permet désormais aux clients de MongoDB et Google Cloud de bénéficier des fonctionnalités suivantes :

Isolation et mise à l’échelle transparentes des applications d’IA générative pour maximiser les performances et l’efficacité : Mongo DB Atlas Search Nodes — désormais disponible sur Google Cloud — fournit une infrastructure dédiée aux charges de travail d’IA générative et de recherche basée sur la pertinence qui utilisent MongoDB Atlas Vector Search et l’environnement MongoDB Atlas Search. Les nœuds Mongo DB Atlas Search Nodes sont indépendants des nœuds de bases de données opérationnelles et permettent aux clients d’isoler les charges de travail, d’optimiser les coûts et de raccourcir le temps de requête jusqu’à 60 %. Par exemple, une société de services financiers qui utilise une application à fort trafic pendant la saison fiscale peut utiliser une infrastructure dédiée avec des nœuds d’Atlas pour optimiser les performances indépendamment de sa base de données en isolant et en mettant à l’échelle la partie « IA générative » de la charge de travail. Cette fonctionnalité permet à l’entreprise de mettre à l’échelle une charge de travail de recherche de connaissances qui utilise MongoDB Atlas Vector Search avec des agents assistés par l’IA qui interviennent de manière autonome au nom des utilisateurs finaux, sans qu’il soit nécessaire de redimensionner l’ensemble de la base de données.

Rationalisation de la création d’applications d’IA générative avec des modèles de fondation de premier plan : depuis l’année dernière, la plateforme Atlas Vector Search dispose d’une intégration à la plateforme d’apprentissage automatique (ML) Vertex AI. Elle offre ainsi aux développeurs un choix élargi de modèles de fondation administrés en vue de créer des applications d’IA générative. Désormais, une intégration renforcée permet aux développeurs d’utiliser une extension Vertex AI dédiée pour faciliter le travail avec des modèles d’IA générative tels que les grands modèles de langage (LLM) d’Anthropic, Google Cloud, Meta, Mistral et autres – et ce, sans avoir à transformer les données ni gérer les pipelines de données entre MongoDB Atlas et Google Cloud. De cette manière, les développeurs peuvent enrichir plus facilement LLM en temps réel avec les données opérationnelles de l’entreprise dans le but de créer des applications qui fournissent à l’utilisateur final des expériences contextuelles hautement personnalisées qui sont à la fois plus à jour, plus précises et plus fiables tout en étant moins complexes. Les développeurs peuvent également utiliser cette nouvelle extension pour injecter du langage naturel dans la console Vertex AI et générer automatiquement des requêtes en vue de manipuler les données et d’effectuer des transactions de base de données (créer, lire, mettre à jour ou supprimer) sur des données stockées dans MongoDB Atlas avec à la clé une expérience plus transparente.

Enrichissement des charges de travail analytiques avec des pipelines de traitement automatisé des données opérationnelles : BigQuery est un entrepôt de données d’entreprise sans serveur, évolutif et au coût optimisé qui traite les charges de travail analytiques, d’informatique décisionnelle (BI) et d’apprentissage automatique (ML) dans différents environnements cloud. Les entreprises utilisent actuellement la synchronisation bidirectionnelle entre BigQuery et MongoDB Atlas pour enrichir en temps réel leurs charges de travail analytiques avec des données opérationnelles ou permettre aux applications des utilisateurs finaux d’accéder facilement aux données historiques. Grâce à la nouvelle intégration à BigQuery des procédures stockées dans Spark, les clients peuvent automatiser, optimiser et réutiliser plus efficacement les workflows de traitement de données entre BigQuery et MongoDB Atlas, que ce soit pour les applications analytiques, les applications d’informatique décisionnelle (BI) ou les applications des utilisateurs finaux. Par exemple, les clients peuvent automatiser le fonctionnement de pipelines qui combinent et transforment en temps réel des données opérationnelles stockées dans MongoDB Atlas avec des données analytiques entreposées dans BigQuery avant de les envoyer à Vertex AI pour créer de nouveaux types d’expériences applicatives pour l’utilisateur final.

Création et déploiement simplifiés d’applications qui offrent des expériences d’achat de nouvelle génération grâce à des capacités de commerce composable : les enseignes du retail sont à l’avant-garde de l’invention de nouvelles expériences client reposant sur la personnalisation et l’automatisation. Toutefois, la création d’applications compatibles à l’échelle avec ce type d’expériences peut s’avérer lourde et complexe. Pour relever ces défis, MongoDB a rejoint le programme de partenariat Industry Value Network (IVN) de Google Cloud — une initiative qui rationalise le développement de solutions différenciées de bout en bout, tous secteurs confondus, en collaborant avec des intégrateurs de systèmes (SI) pour accélérer le processus d’innovation. En utilisant une nouvelle solution destinée aux entreprises du retail, les clients peuvent tirer parti de MongoDB Atlas sur Google Cloud en utilisant le réseau de commerce intégré développé par le cabinet de conseil en transformation numérique Kin + Carta pour déployer une architecture de commerce moderne capable de répondre à leurs besoins métier spécifiques tout en offrant à leurs clients une expérience d’achat attrayante.

Enrichissement des données d’atelier en temps réel avec les données applicatives pour optimiser les opérations de fabrication et de gestion de la chaîne d’approvisionnement : des dizaines de milliers d’entreprises font confiance à MongoDB Atlas pour stocker, traiter et gérer en toute sécurité tous types de données applicatives en temps réel en conjuguant mise à l’échelle et performances élevées. Aujourd’hui, nombre d’entreprises manufacturières cherchent à moderniser leurs activités en combinant des données issues de nombreuses sources — capteurs montés sur des équipements d’usine, applications des utilisateurs finaux et progiciels de gestion intégrés (ERP) — dans le but d’automatiser le processus décisionnel et de gagner en efficacité. Cependant, un grand nombre d’entre elles sont dans l’incapacité de réussir cette transformation parce qu’elles continuent de s’appuyer sur des technologies anciennes qu’il est difficile de remplacer et dont la modernisation coûte cher. Grâce à une nouvelle intégration technique entre MongoDB Atlas et la solution Manufacturing Data Engine de Google Cloud, ces entreprises peuvent désormais combiner et transformer facilement les données collectées aux quatre coins de leur infrastructure en vue d’automatiser les processus et d’optimiser les opérations à l’aide d’applications de nouvelle génération qui opèrent en temps réel.

Exécution des charges de travail hautement sensibles dans un environnement étroitement contrôlé et sécurisé : les gouvernements, les organisations du secteur public et les entreprises appartenant à des secteurs réglementés rencontrent souvent des difficultés pour moderniser leurs activités en raison du haut degré de confidentialité de leurs données. Résultat, ces entités sont confrontées à des choix limités au moment d’exécuter leurs charges de travail. Avec MongoDB Enterprise Advanced (EA) sur Google Distributed Cloud (GDC), les entreprises peuvent créer, déployer et mettre leurs applications à l’échelle dans un environnement isolé (sous air-gap) sans se connecter à Google Cloud ou à Internet. MongoDB est l’un des premiers éditeurs de logiciels à proposer une solution agréée pour le nouveau programme Google Cloud Ready-Distributed Cloud, une place de marché qui fournit des intégrations sur mesure pour gérer les scénarios d’utilisation de clients dont les charges de travail sont hautement sensibles. L’environnement GDC permet aux gouvernements, aux organisations du secteur public et aux entreprises réglementées de répondre aux exigences de résidence et de sécurité des données les plus strictes. Avec MongoDB Enterprise Advanced, ces entités disposent désormais des atouts pour moderniser l’ensemble de leurs activités avec la flexibilité nécessaire pour déployer en toute sécurité des applications et des fonctionnalités innovantes tout en protégeant leurs données sensibles.