Episode 223 : Aerospike

Michel Caradec, Lead Software Data Engineer chez Reech, revient au BigDataHebdo, cette fois pour parler de DuckDB, à l'opposé du calcul distribué dont il était venu parler à l'épisode 35. Il raconte comment il est passé de R et Pandas au SQL, et comment DuckDB fait tourner en production les pipelines de détection de tendances de la plateforme SocialVox.On parle aussi de ses POC du soir : un cluster distribué avec Quack, un équivalent du tribble de R, de la recherche vectorielle et le format Vortex. Il partage enfin ses ressources pour bien démarrer.ℹ️ Épisode enregistré au début de l'été 2026, quelques semaines avant la sortie de DuckDB 2.0.🎙️ Avec Michel Caradec (Reech), Vincent Heuschling et Nicolas Steinmetz📑 Chapitres0:00 Introduction et programme de l'épisode2:00 Reech, SocialVox et la data d'influence21:00 De R et Pandas à DuckDB et au SQL33:00 Pipeline Elasticsearch, Parquet et analyses jq41:00 Elastic Duck : tester Quack en distribué52:00 DuckTribble, macros et extensions DuckDB1:00:00 Vector search et format Vortex1:13:00 Ressources pour démarrer et conclusion🔗 Liens cités dans l'épisode - Michel Caradec sur LinkedIn : https://www.linkedin.com/in/michel-caradec-36997650/ - GitHub de Michel Caradec (Elastic Duck, DuckTribble) : https://github.com/michelcaradec - DuckDB : https://duckdb.org - DuckDB WASM shell : https://shell.duckdb.org - Livre « DuckDB in Action » (offert par MotherDuck) : https://motherduck.com/duckdb-book-brief/ - DeepWiki : https://deepwiki.com - Marimo : https://marimo.io - jq : https://jqlang.org - Python Rennes : https://www.meetup.com/fr-fr/python-rennes/

Dans cet épisode, Vincent Heuschling et Nicolas Steinmetz décortiquent Hermès Agent, le nouveau venu open source qui bouscule OpenClaw. Au programme : son architecture en cinq couches, sa mémoire persistante, et sa capacité à tourner en local pour préserver votre souveraineté. On parle aussi dans cet épisode du nouveau mode de facturation d'Anthropic, de cas d'usage concrets (daily briefing bot, revue de PR GitHub) et d'un sujet qu'on n'anticipe pas assez : la traçabilité et l'identité des agents qui se chaînent entre eux.## Chapitres00:00:00 Introduction et présentation de Nicolas Steinmetz 00:02:00 Hermès Agent, le nouveau rival d'OpenClaw00:04:00 Harness engineering en cinq couches00:09:00 Mémoire persistante et orchestration multi-modèle00:14:00 Sandbox, permissions et souveraineté des données00:20:00 Nouveau modèle de facturation d'Anthropic00:26:00 Cas d'usage concrets et niveau de contrôle00:32:00 Nvidia, CUDA et identité des agents## Le BigdataHebdoLe BigdataHebdo est le podcast Francophone de la Data et de l'IA. Retrouvez plus de 200 épisodes https://bigdatahebdo.com Rejoignez la communauté sur le Slack https://join.slack.com/t/bigdatahebdo/shared_invite/zt-a931fdhj-8ICbl9dbsZZbTcze61rr~Q

Assembler une base SQL, une base time series et une base vecteurs pour bâtir un jumeau numérique ? François Fouquet appelle ça un « Frankenstein » — et il a passé dix ans à s'en débarrasser.Dans cet épisode du Big Data Hebdo, le cofondateur de DataThings (Luxembourg) présente à Vincent Heuschling GreyCat : une seule technologie qui fusionne graphe, séries temporelles et vecteurs, avec son propre langage et un déploiement tenant dans un unique binaire — jusqu'au Raspberry Pi.Au fil de la discussion, trois cas d'usage spectaculaires : la grille électrique luxembourgeoise et ses 300 milliards de data points, les réseaux d'eau des Ardennes, et un jumeau de workflow juridique pour la Cour de justice européenne. Le tout à l'ère des LLM, avec du what if qui fork le graphe pour simuler des scénarios, des skills Claude exposés en MCP, et même du vibe coding pour anticiper les effets géopolitiques sur les marchés.Une conviction forte en fil rouge : garder ce qu'on sait déjà modéliser, et réserver l'IA à ce qu'elle fait de mieux — combler l'inconnu.Chapitres 00:00:00 Introduction et présentation de François Fouquet (DataThings) 00:03:30 Pourquoi le graphe ? En finir avec les systèmes « Frankenstein »00:08:30 Le « What If » : forker le graphe pour simuler des scénarios00:13:00 GreyCat : pourquoi un langage dédié plutôt qu'une librairie Python00:21:00 Un monolithe simple à déployer, jusqu'au Raspberry Pi00:23:30 Copper : le jumeau numérique de la grille électrique luxembourgeoise00:30:30 Architecture share-nothing et frugalité mémoire00:35:00 Les réseaux d'eau des Ardennes : GreyCat comme SDK de digital twins00:37:30 La Cour de justice européenne : knowledge graph, RAG et MCP00:43:30 Vibe coding : anticiper les effets géopolitiques sur les marchés00:50:30 World Models, IA et data : la vision pour les 5 ans à venir00:55:30 GreyCat en open source et l'épisode démo à venirLe Bigdata HebdoLe Bigdata Hebdo est le podcast Francophone de la Data et de l'IA. Retrouvez plus de 200 épisodes sur  https://bigdatahebdo.com Rejoignez la communauté sur le Slack https://join.slack.com/t/bigdatahebdo/shared_invite/zt-a931fdhj-8ICbl9dbsZZbTcze61rr~Q

Dans cet épisode On décortique les vraies tensions de l'IA en 2026 : la surchauffe des modèles, l'inflation des commits, les hallucinations, et pourquoi la productivité 10x est un mythe.Au menu :AI Slop → Qualité réelleLes projets open source (curl, Linux) reconnaissent enfin que la qualité des contributions IA s'améliore.L'explosion des commits (275M/semaine)Plus de volume != plus de valeur. Le vrai coût? La vérification humaine (invisible dans les P&L).Hallucinations LLM Claude 3.5: 25% | GPT-4o: 89% | DeepSeek: 96%Même les meilleurs modèles hallucinent. La supervision humaine reste non-négociable.Modèles ouverts vs propriétairesQwen 3.6 (35B paramètres, sur laptop) rivalise avec Opus 4.7. La géopolitique jouera.Innovations pour réduire les coûtsTurboQuant (Google) + Sub-Quadratic Sparse Attention = inférence moins coûteuse.Dremio racheté par SAP (fermeture T3 2026)Impact: culture open source vs écosystème propriétaire = choc attendu. Bonne nouvelle pour Starburst.Chapitres00:00:00 -  Intro00:03:23 - La fin de la récréation dans l'IA00:36:08 - Dremio racheté par SAP00:39:00 - Semantic Layers Le BigdataHebdoLe BigdataHebdo est le podcast Francophone de la Data et de l'IA.Retrouvez plus de 200 épisodes https://bigdatahebdo.comRejoignez la communauté sur le Slack https://join.slack.com/t/bigdatahebdo/shared_invite/zt-a931fdhj-8ICbl9dbsZZbTcze61rr~Q

Cet épisode spécial du Big Data Hebdo, enregistré à Devoxx Paris, on donne la parole aux auditeurs ! On parle des dernières news de chez Clever Cloud avec quentin Adam,On parle aussi de ce que l'IA change dans nos vies de développeurs, avec notament le tout "as code" Jérôme nous fait part de ses aventures dans le monde java avec Schematron  pour parser des factures electroniques... Stéphane Walter comme a son habitude nous relate les conférences auxquelles il a pu assister à Devoxx, avec notament des choses intéressantes du côté des objects connectés ## Le BigdataHebdoLe BigdataHebdo est le podcast Francophone de la Data et de l'IA.Retrouvez plus de 200 épisodes https://bigdatahebdo.comRejoignez la communauté sur le Slack https://join.slack.com/t/bigdatahebdo/shared_invite/zt-a931fdhj-8ICbl9dbsZZbTcze61rr~Q

Dans cet épisode du Big Data Hebdo, Vincent Heuschling et Nicolas Steinmetz accueillent Victor Coustenoble pour une discussion sur Trino, Starburst. Découvrez l'historique, les cas d'usage, et les différenciateurs de ces moteurs SQL distribués, ainsi que leur impact sur la fédération de données et la gouvernance.## au menu :Historique de Trino et PrestoCas d'usage de Trino dans le monde réelDifférenciateurs de Starburst et TrinoArchitecture et déploiement de TrinoFédération de données et Data MeshIntégration avec cloud et on-premFonctionnalités avancées de StarburstContributions open source et communauté ## Chapitres00:00 Introduction au Big Data Hebdo01:18 Présentation de Victor Coustenoble et de Starburst03:49 Comprendre Trino et son historique12:12 Fonctionnement de Trino et cas d'usage23:17 Clients et déploiement de Trino et Starburst25:47 Gestion des connexions et du cache dans Starburst28:50 Fonctionnalités premium de Starburst30:35 Développements et contributions à Trino32:48 Évaluation des alternatives à Snowflake et BigQuery34:11 Déploiement hybride et souveraineté des données35:57 Évolution du concept de Data Mesh38:59 Préparation à l'ère agentique et intégration des data products## Le BigdataHebdoLe BigdataHebdo est le podcast Francophone de la Data et de l'IA.Retrouvez plus de 200 épisodes https://bigdatahebdo.comRejoignez la communauté sur le Slack https://join.slack.com/t/bigdatahebdo/shared_invite/zt-a931fdhj-8ICbl9dbsZZbTcze61rr~Q

Vincent Heuschling reçoit Hayssam Saleh, créateur de **Starlake**, une plateforme data open source française née de la factorisation de projets clients depuis 2017-2018. L'épisode intervient dans un contexte de consolidation du marché (rachat de DBT et de SQLMesh par Fivetran), qui invite à challenger les solutions établies.Starlake se distingue par une approche **entièrement déclarative** (YAML + SQL natif, sans Jinja) couvrant toute la chaîne data engineering : ingestion, transformation, orchestration et qualité des données. L'outil s'appuie sur les moteurs sous-jacents des plateformes cibles (Snowflake, BigQuery, Spark) et génère automatiquement les DAGs pour les orchestrateurs du marché (Airflow, Dagster, Snowflake Tasks).Parmi les fonctionnalités marquantes : le **data branching** (branches de données à la manière de Git), l'inférence automatique de schémas YAML à partir de fichiers sources, un **transpiler SQL** multi-plateformes, et l'extraction du lineage depuis du SQL brut sans annotation. L'intégration récente de **DuckLake** ouvre la voie à des architectures on-premise souveraines à coût maîtrisé (sous 300 €/mois sur OVH, Scaleway, Clever Cloud).Le modèle économique repose sur le support, la formation, et le consulting : Starlake s'installe dans le cloud du client, avec mise à jour automatique gérée par l'équipe, sans accès aux données.**Chapitres****00:00:27** – Introduction : consolidation du marché data (rachat de DBT et SQLMesh par Fivetran) et présentation de l'épisode**00:03:13** – Hayssam et la genèse de Starlake : parcours Spark/Scala, POC à 4 000 formats de fichiers (2017-2018)**00:09:51** – Architecture et philosophie : load, transform, orchestration unifiés en déclaratif (YAML + SQL natif, pas de Jinja)**00:00:18:18** – Starlake vs DBT : différences philosophiques, composabilité, fonctionnalités 100 % open source**00:00:22:20** – Data branching, Starlake Labs (pipe syntax, transpiler SQL, lineage) et expérience développeur (DuckDB local, UI point-and-click)**00:36:35** – Modèle open source et économique : licence Apache, support, formation, marketplace cloud souveraine**00:43:42** – DuckLake : alternative on-premise/cloud souverain (OVH, Scaleway, Clever Cloud) et comment contribuer / démarrer**Le BigdataHebdo**Le BigdataHebdo est le podcast Francophone de la Data et de l'IA.Retrouvez plus de 200 épisodes https://bigdatahebdo.comRejoignez la communauté sur le Slack https://join.slack.com/t/bigdatahebdo/shared_invite/zt-a931fdhj-8ICbl9dbsZZbTcze61rr~Q

Dans cet épisode du BigData Hebdo, Vincent Heuschling et Paul Peton explorent les dernières annonces d'OpenAI, d’Anthropic et de Google concernant les agents AI et leur monétisation. Au programme les SDK, les workflows, etc...**A retenir dans cet épisode**- Les dernières annonces d'OpenAI, Anthropic, et Google.- Les agents ont de l’argent, il commencent à être monétisés.- OpenAI vise à concurrencer Google et l'App Store d'Apple. - Les SDK sont essentiels pour le développement d'agents AI. - La capacité de prise de décision des agents est cruciale pour leur efficacité. - La tarification des gros modèles AI est démesurée. - Les navigateurs AI soulèvent des questions éthiques. - La connectivité des agents est un enjeu majeur.**Le BigdataHebdo** Le BigdataHebdo est le podcast Francophone de la Data et de l'IA. Retrouvez plus de 200 épisodes https://bigdatahebdo.com Rejoignez la communauté sur le Slack https://join.slack.com/t/bigdatahebdo/shared_invite/zt-a931fdhj-8ICbl9dbsZZbTcze61rr~Q

Dans cet épisode on explore les défis et les évolutions du RAG (Retrieval-Augmented Generation) dans le contexte de l'IA. L'équipe du Bigdata Hebdo discute des promesses des éditeurs, des difficultés rencontrées par les utilisateurs, et des mécanismes d'IA nécessaires pour traiter efficacement les documents.On parle des enjeux liés à l'OCR, au chunking, et à l'importance des modèles d'embeddings.00:00 Introduction03:06 La promesse des éditeurs08:05 Comprendre le RAG et son fonctionnement11:06 Difficultés liées à l'OCR et à l'extraction de données19:05 Recommandations pour l'optimisation des documents28:46 Mistral Document AI et ses fonctionnalités33:49 Chunking et gestion des documents40:55 Fine-tuning des modèles d'embeddings43:00 Formats de documents et leur pérennité47:23 Conclusion et perspectivesNotes et ressources https://bigdatahebdo.com/podcast/episode-224-donnees-non-structurees-et-modern-ocr

Dans cet épisode du Big Data Hebdo, Vincent Heuschling et Nicolas Wlodarczyk discutent des caractéristiques et des avantages de la base de données NoSQL Aerospike. Nicolas partage son parcours dans le domaine de l'IT et explique comment Aerospike se distingue par sa rapidité et sa scalabilité, et sa capacité à optimiser les infrastructures.Chapitres00:00:00 Introduction00:01:42 Présentation d'Aerospike00:21:03 Use-Cases00:27:25 Réduction de l'Infrastructure et Efficacité00:30:22 Intégration et Interopérabilité avec d'autres Systèmes00:41:53 Modèles de Consommation et Licensing00:49:12 Transactions et cohérence00:58:43 RessourcesNotes et ressourceshttps://bigdatahebdo.com/podcast/episode-223-aerospike