TL;DR
Databricks a scindé Genie en trois outils, plus la couche automatisée qui les sous-tend : Genie One (poser des questions), Genie Agents (encoder le contexte métier), Genie Code (construire et déboguer) et Genie Ontology, la couche de contexte automatisée qui alimente les trois autres. Genie One, Genie Agents et Genie Code sont en disponibilité générale. Genie Ontology est en préversion publique. Voici ce que fait concrètement chaque outil, lequel utiliser en premier et ce que coûte l'ensemble de la famille.
Demandez à cinq personnes de votre équipe data ce que signifie Genie dans Databricks aujourd'hui, et vous obtiendrez probablement cinq réponses différentes. Ce n'est pas un problème de formation. Databricks a renommé et restructuré Genie plus d'une fois entre 2025 et 2026, et le rythme ne faiblit pas. Ce qui était autrefois un simple assistant conversationnel se décline désormais en quatre produits distincts, chacun couvrant une facette différente du travail avec les données en langage naturel plutôt qu'en SQL écrit à la main : obtenir une réponse, construire quelque chose, ou ancrer les deux premiers dans un contexte métier réel. Voici ce que fait chacun, comment ils s'articulent et lequel utiliser en premier.
Pourquoi Databricks a-t-il scindé Genie en quatre produits ?
Genie a démarré en 2025 comme une fonctionnalité unique : une interface de chat pour poser des questions sur les données en langage courant, intégrée à ce que Databricks appelait AI/BI Genie. Databricks n'a cessé de l'enrichir depuis. L'interface simplifiée pour les utilisateurs métier, Databricks One, est devenue Genie One. L'assistant intégré à vos notebooks, Databricks Assistant, est devenu Genie Code. L'espace de travail où les équipes définissaient des questions réutilisables, Genie Spaces, est devenu Genie Agents. En juin 2026, les trois ont atteint la disponibilité générale sous une marque unique : Genie.
Le timing n'a rien d'un hasard. Gartner prévoit que 40 % des applications d'entreprise embarqueront des agents IA spécialisés d'ici fin 2026, contre moins de 5 % en 2025. Chaque éditeur se précipite pour greffer un agent à son produit. Le vrai défi, celui que la plupart des éditeurs éludent, c'est de faire en sorte que cet agent connaisse réellement votre métier. C'est tout l'enjeu de cette scission en quatre : séparer l'interface (Genie One), le contexte métier (Genie Agents), l'outillage de développement (Genie Code) et la couche de connaissances sous-jacente (Genie Ontology). Les quatre fonctionnent de la même manière, que votre workspace tourne sur AWS, Azure ou Google Cloud.
Que fait Genie One ?
Genie One est la porte d'entrée. C'est une interface de chat, disponible sur le web, dans Slack, dans Microsoft Teams et sur mobile, où chacun peut poser une question en langage courant sur des données gouvernées et obtenir en retour un graphique, un dashboard ou une réponse rédigée. Databricks l'a conçu d'abord pour les utilisateurs métier, mais rien n'empêche un data engineer de l'utiliser aussi.
Genie One va au-delà des simples requêtes. Demandez-lui par exemple pourquoi des doublons apparaissent dans telle table, et il mène l'enquête au lieu de se contenter d'exécuter une requête. Il s'appuie sur vos dashboards existants, vos requêtes enregistrées et les Genie Agents que vous avez créés. Databricks l'appelait Databricks One avant de l'intégrer à la marque Genie.
Que font les Genie Agents ?
Les Genie Agents détiennent la connaissance métier dont Genie One ne dispose pas par lui-même. Un agent définit quelles tables sont fiables, ce que votre entreprise entend par des termes comme client actif ou revenu net, et quelles requêtes d'exemple comptent comme des réponses correctes. Une fois l'agent créé, n'importe qui peut dialoguer avec lui et obtenir une réponse cohérente, sans SQL et sans ticket adressé à l'équipe data.
Nous l'avons testé nous-mêmes avec un portefeuille boursier simple : 100 $ en actions Apple et 200 $ en actions Microsoft, achetées en novembre 2024. L'historique des cours existait déjà dans Unity Catalog. Le portefeuille lui-même, non. Interrogé directement, Genie One a correctement signalé ce qui manquait au lieu de deviner, et a proposé de supposer une répartition égale entre les deux titres. Ce n'est qu'après avoir créé un Genie Agent définissant les positions réelles, le nombre d'actions et les formules de valorisation que la même question a renvoyé une vraie réponse : un portefeuille valorisé à 387,61 $ contre 300 $ au départ, soit un gain de 29,2 %, avec le calcul complet détaillé. Les données n'avaient pas changé. Le contexte, si.
Que fait Genie Code ?
Genie Code est le versant développeur de la famille, et il a remplacé Databricks Assistant en 2026. Il écrit et exécute du code, construit des pipelines et des dashboards, débogue les erreurs et travaille directement avec les tables, les colonnes et le lineage d'Unity Catalog.
La vraie différence avec l'ancien Assistant, c'est que Genie Code est agentique. Confiez-lui une tâche : il planifie les étapes, trouve les bonnes tables, écrit le code, l'exécute et vérifie son propre résultat, plus proche de Claude Code ou de GitHub Copilot que d'une simple autocomplétion. Cela signifie aussi qu'il peut exécuter du code et modifier ou supprimer des ressources de lui-même. Par défaut, il demande l'autorisation avant chaque action. Vous pouvez passer en mode toujours autoriser. Évitez-le dès que la production est en jeu. Une seule étape de travers peut supprimer quelque chose dont vous ne retrouverez jamais la trace ensuite.
Que fait Genie Ontology ?
Genie Ontology se situe sous les trois autres produits, et il est encore en préversion publique. Il construit automatiquement un graphe de connaissances de votre activité : métriques, définitions et relations entre vos données et les concepts que votre entreprise utilise réellement, extraits d'Unity Catalog et de plus de 50 applications connectées.
L'objectif : l'ancrage. Si quelqu'un demande le revenu net, Genie ne devrait pas avoir à deviner ce que cela signifie. Il devrait retrouver la définition sur laquelle votre organisation s'est déjà accordée et s'en servir pour répondre, plutôt que d'inventer quelque chose de plausible. C'est toute la différence entre une réponse utile et une erreur affirmée avec aplomb.
Quel outil Genie utiliser ?
Le choix est plus simple que les noms ne le laissent penser. Commencez par interroger Genie One. S'il répond de manière fiable, inutile d'aller plus loin. Si la question nécessite un contexte métier que Genie ne possède pas encore, c'est le signal pour créer un Genie Agent. Si la demande consiste à construire ou modifier quelque chose plutôt qu'à poser une question, Genie One vous le dira et vous orientera vers Genie Code.
Combien coûte réellement Genie ?
Genie génère deux factures distinctes, et une seule est facile à repérer.
La première concerne l'utilisation des LLM, mesurée en Databricks Units (DBU). Chaque utilisateur identifié bénéficie chaque mois de 150 DBU gratuits d'utilisation de Genie Code. Genie One et Genie Agents restent gratuits pour les interactions utilisateur jusqu'au 31 janvier 2027. Au-delà du quota gratuit, l'utilisation est facturée à l'usage. Les service principals n'ont droit à rien de tout cela : leur utilisation est facturée dès la première requête, et c'est précisément là que l'usage automatisé de Genie tend à produire une facture surprise.
Le second coût, c'est le compute. Les réponses de Genie doivent bien s'exécuter quelque part, généralement sur un SQL warehouse ou du compute serverless. Cette facture est entièrement séparée du quota Genie et apparaît comme de l'utilisation Databricks ordinaire, sans aucune ligne mentionnant Genie. La quasi-totalité des équipes FinOps considèrent désormais ce type de dépense IA comme faisant partie du métier : 98 % gèrent aujourd'hui une forme de coût IA, contre 31 % il y a seulement deux ans. Genie n'est qu'une nouvelle variante d'un problème que les praticiens FinOps vivent déjà au quotidien.
Si vous suivez déjà de près vos dépenses Databricks, intégrez Genie à ce processus dès maintenant, avant que l'usage ne dépasse une poignée d'utilisateurs pilotes. Une plateforme comme SELECT for Databricks, qui rapproche déjà les coûts en DBU du coût d'infrastructure cloud sous-jacent, est l'endroit naturel pour suivre l'empreinte compute de Genie plutôt que d'en faire un projet à part. Pour comprendre plus largement la mécanique de facturation du compute chez Databricks, consultez notre analyse des tarifs et paliers DBU de Databricks.
Tarifs à jour en août 2026. Le modèle de facturation de Genie a changé plus d'une fois cette année. Vérifiez la page de tarification Databricks avant de budgétiser sur la base de ces chiffres.
Par où commencer concrètement ?
Quelques points de départ, dans l'ordre.
Interrogez avant de construire. Si Genie One répond aujourd'hui de manière fiable à la question, vous n'avez pas besoin d'un Agent. Créez des Genie Agents lorsque la même question métier revient régulièrement et que la réponse dépend d'un contexte qui vit dans la tête de quelqu'un, pas dans une table. Utilisez Genie Code pour le vrai travail de construction : pipelines, dashboards, débogage et modifications en plusieurs étapes. Gardez les demandes d'autorisation activées dès que la production est concernée.
Définissez un budget Genie dans Unity AI Gateway avant que l'usage ne dépasse une poignée de personnes, et taguez-le databricks-product: genie. Vous pouvez ajouter d'autres tags sans risque : les tags de budget Genie sont additifs, ils rendent votre reporting plus granulaire, pas moins précis. Surveillez le compute déclenché par Genie d'aussi près que l'utilisation des LLM. McKinsey a constaté que, quelle que soit la fonction métier, pas plus de 10 % des organisations déclarent déployer réellement des agents IA à grande échelle, et le flou sur les coûts comme sur la valeur explique en grande partie pourquoi les autres restent bloquées au stade du pilote.
L'atout de Genie, ce n'est pas l'interface de chat. C'est le contexte qui se trouve en dessous, et la façon dont vous alimentez ce contexte compte plus que le premier bouton sur lequel vous cliquez. Nous détaillons l'analyse complète des quatre outils, le test de coût réel que nous avons mené nous-mêmes et la manière de garder le compute de Genie attribuable dans notre ebook, Databricks Genie Explained.
Questions fréquentes
Qu'est-ce que Databricks Genie ?
Databricks Genie est une famille de quatre outils : Genie One pour poser des questions en langage courant, Genie Agents pour encoder le contexte métier derrière ces réponses, Genie Code pour construire et déboguer, et Genie Ontology pour ancrer les trois autres dans vos données réelles.
Genie One est-il la même chose que Databricks Assistant ?
Non. Genie One a remplacé Databricks One, l'interface destinée aux utilisateurs métier pour poser des questions. Databricks Assistant est devenu Genie Code, l'outil pour développeurs. Ils s'adressent à des publics et à des usages différents.
Databricks Genie est-il gratuit ?
En partie. Genie One et Genie Agents restent gratuits pour les interactions utilisateur jusqu'au 31 janvier 2027. Genie Code offre à chaque utilisateur 150 DBU gratuits d'utilisation LLM par mois, puis facture à l'usage. Rien de tout cela ne couvre le SQL warehouse ou le compute serverless déclenché par Genie, facturé séparément aux tarifs Databricks habituels.
Que fait concrètement Genie Ontology ?
Genie Ontology construit automatiquement un graphe de connaissances de votre activité, de ses métriques, de ses définitions et des relations entre elles, à partir d'Unity Catalog et de plus de 50 applications connectées, afin que les réponses de Genie s'appuient sur les définitions déjà en usage dans votre entreprise plutôt que sur une supposition.
Qu'est devenu le Databricks Genie d'origine ?
L'AI/BI Genie d'origine, lancé en 2025, a évolué vers ce que Databricks appelle désormais Genie Agents, en passant par un produit intermédiaire baptisé Genie Spaces. Genie désigne aujourd'hui toute la famille de produits, et non plus cette seule fonctionnalité initiale.