Episodi

  • Episode 226 : Starlake.AI avec Hayssam Saleh

    Episode 226 : Starlake.AI avec Hayssam Saleh
    Feb 20 2026
    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.com
    Rejoignez la communauté sur le Slack https://join.slack.com/t/bigdatahebdo/shared_invite/zt-a931fdhj-8ICbl9dbsZZbTcze61rr~Q
    Mostra di più Mostra meno
    56 min
  • Episode 225 : La guerre des agents SDK

    Episode 225 : La guerre des agents SDK
    Nov 4 2025
    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
    Mostra di più Mostra meno
    55 min
  • Episode 224 : Données non structurées et modern OCR

    Episode 224 : Données non structurées et modern OCR
    Oct 28 2025
    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 Introduction
    03:06 La promesse des éditeurs
    08:05 Comprendre le RAG et son fonctionnement
    11:06 Difficultés liées à l'OCR et à l'extraction de données
    19:05 Recommandations pour l'optimisation des documents
    28:46 Mistral Document AI et ses fonctionnalités
    33:49 Chunking et gestion des documents
    40:55 Fine-tuning des modèles d'embeddings
    43:00 Formats de documents et leur pérennité
    47:23 Conclusion et perspectives

    Notes et ressources
    https://bigdatahebdo.com/podcast/episode-224-donnees-non-structurees-et-modern-ocr
    Mostra di più Mostra meno
    51 min
  • Episode 223 : Aerospike

    Episode 223 : Aerospike
    Oct 16 2025
    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.

    Chapitres
    00:00:00 Introduction
    00:01:42 Présentation d'Aerospike
    00:21:03 Use-Cases
    00:27:25 Réduction de l'Infrastructure et Efficacité
    00:30:22 Intégration et Interopérabilité avec d'autres Systèmes
    00:41:53 Modèles de Consommation et Licensing
    00:49:12 Transactions et cohérence
    00:58:43 Ressources

    Notes et ressources
    https://bigdatahebdo.com/podcast/episode-223-aerospike
    Mostra di più Mostra meno
    1 ora e 3 min
  • Episode 222 - Chemise hawaienne et GPT5 qui flop

    Episode 222 - Chemise hawaienne et GPT5 qui flop
    Oct 10 2025
    Dans cet épisode du Big Data Hebdo, Vincent Heuschling, Paul Peton, et Jérôme Mainaud discutent des événements marquants de l'été 2025 dans le domaine de l'IA et du Big Data, notamment le drama autour de Luc Julia, du lancement raté de GPT5, de l'importance des modèles open source, et les initiatives européennes en matière de souveraineté technologique.
    Mostra di più Mostra meno
    53 min
  • Episode 221 : Data vibe coding avec NAO

    Episode 221 : Data vibe coding avec NAO
    Aug 6 2025
    Avec Christophe Blefari (aka Blef) on discute des défis actuels des équipes data et de la réponse apportée par NAO.

    Comment le “Data vide coding” peut accélérer la productivité des projets data ?

    On évoque aussi le passage par YC qui a eu un impact significatif sur le produit et la société.

    On termine cet épisode avec le regard averti de Christophe sur le marché de la Data, et l’impact des LLM.


    Plus sur :
    https://bigdatahebdo.com/podcast/episode-221-data-vibe-coding-avec-nao
    Mostra di più Mostra meno
    1 ora e 6 min
  • Episode 220 : Databricks Data and AI Summit 2025

    Episode 220 : Databricks Data and AI Summit 2025
    Jul 25 2025
    Dans cet épisode du Big Data Hebdo, Vincent Heuschling et Quentin Ambard reviennent sur le Data and AI Summit 2025 de Databricks.

    En autres on parle de :
    • L'acquisition de Néon pour avoir une BDD au dessus du Lakehouse
    • Lakeflow Designer pour avoir une approche low-code
    • L'intégration de l'IA
    • Databricks One pour rendre l'interface plus accessible
    • Les améliorations du moteur SQL de Databricks
    • Agent Bricks qui simplifie le développement d'agents AI.
    • La data-gouvernance avec Unity Catalog.
    • Le Vector Search au dessus du lakehouse
    • Les inevitables troll envers Snowflake 🤣🤣🤣

    Mostra di più Mostra meno
    1 ora e 7 min
  • Episode 219 : Format Table Iceberg, Delta et Ducklake

    Episode 219 : Format Table Iceberg, Delta et Ducklake
    Jul 11 2025
    Dans cet épisode du Big Data Hebdo, on regarde l'évolution des formats de fichiers Table, en se concentrant sur Parquet, Delta Lake, Iceberg et Duck Lake. On évoque la gestion des metadata et les catalogues pour la gouvernance des données.


    Mostra di più Mostra meno
    55 min