Starburst est un cabinet de conseil en stratégie et innovation et le premier accélérateur mondial d’entreprises dédié aux startups des secteurs aérospatial et défense (A&D). Le programme Flagship Accelerator de Starburst aide les startups à développer leurs activités dans les domaines de l’aviation, de l’espace et de la défense en leur donnant accès à l’un des plus grands groupes de représentants d’entreprises, d’acteurs gouvernementaux et d’investisseurs privés au monde. Cette initiative reflète la vision de Starburst visant à unifier les capacités de calcul CPU et GPU au sein d’un moteur open unique, permettant aux entreprises d’exploiter un traitement de données gouverné et haute performance au rythme de l’innovation. Grâce à une vision unique des besoins de l’industrie, des nouvelles recherches, des technologies de pointe, du développement des startups et du marché mondial, les clients de Starburst ont une longueur d’avance dans un paysage de plus en plus concurrentiel. Starburst compte plus de 50 entreprises partenaires dans les domaines de l’espace, de l’aviation, de la communication, de la mobilité et de la défense, toutes à la recherche de nouvelles technologies qui leur permettront d’atteindre leurs objectifs et de bénéficier d’un avantage concurrentiel. À l’approche de sa disponibilité générale, l’entreprise prévoit de tester des plateformes en préproduction, d’analyser les performances et de partager des recommandations pour aider les clients à tirer parti des gains d’efficacité de Vera. starburst
Intégration dans l’écosystème L’optimisation de Starburst s’étend aux architectures d’entreprise validées, notamment Dell AI Factory with NVIDIA et Dell AI Data Platform, où Starburst sert de moteur d’analytique, d’accès aux données et de gouvernance. La plateforme maintient également des performances prévisibles pour des charges de travail mixtes combinant BI et inférence IA. L’intégration s’étend également aux architectures validées Dell AI Factory with NVIDIA et Dell AI Data Platform, où Starburst fait office de moteur d’analytique, d’accès et de gouvernance des données.
- Au-delà des AI Workflows, Starburst ajoute de nouvelles capacités d’IA avec AI Agent.
- Mais la plupart des entreprises ont déjà déployé des systèmes en s’appuyant sur les bases de données propriétaires et PostgreSQL.
- À l’approche de sa disponibilité générale, l’entreprise prévoit de tester des plateformes en préproduction, d’analyser les performances et de partager des recommandations pour aider les clients à tirer parti des gains d’efficacité de Vera.
- Selon Matt Fuller, cofondateur de Starburst et vice-président des produits AI/ML de l’éditeur, ce sont les commentaires des clients qui ont motivé le développement d’AI Workflows et d’AI Agent.
- Starburst développe en parallèle une accélération GPU pour Trino via NVIDIA CUDA et cuDF pour les données structurées, avec l’ambition d’unifier le calcul CPU et GPU au sein d’un seul moteur ouvert.
Senior – Consultant en stratégie et innovation – Défense et Aéronautique
Starburst développe en parallèle une accélération GPU pour Trino via NVIDIA CUDA et cuDF pour les données structurées, avec l’ambition d’unifier le calcul CPU et GPU au sein d’un seul moteur ouvert. Des performances obtenues tout en maintenant un débit déterministe même sur des workloads mixtes BI et inférence IA. Kevin Petrie a quant à lui suggéré que Starburst, qui évolue vers le développement de l’IA, devrait faire davantage d’effort pour intégrer les opérations de données, de développement et de modélisation. À savoir que leurs architectures de données ne sont pas prêtes à prendre en charge des modèles ou des applications d’IA », a-t-il déclaré. Selon Matt Fuller, cofondateur de Starburst et vice-président des produits AI/ML de l’éditeur, ce sont les commentaires des clients qui ont motivé le développement d’AI Workflows et d’AI Agent.
Cette future capacité apportera un parallélisme massif et un traitement des données optimisé en colonnes accéléré aux analyses fédérées et à l’inférence IA, alimentant la prochaine génération de charges de travail RAG et d’IA agentique. S’appuyer sur Trino accéléré par GPU En plus du support du CPU Vera, Starburst développe également l’accélération GPU pour Trino à l’aide de NVIDIA CUDA et NVIDIA cuDF pour les données structurées. Les clients déployant Vera dans ces configurations bénéficient ainsi d’une pile technologique entièrement intégrée et prête pour l’inférence, de l’infrastructure jusqu’à l’exploitation des insights.
Starburst muscle sa plateforme pour briser les silos de données à l’ère agentique
Mais la plupart des entreprises ont déjà déployé des systèmes en s’appuyant sur les bases de données propriétaires et PostgreSQL. Beaucoup d’autres, dont Dataiku, ont également fait de la facilitation du développement des applications GenAI une priorité. Quant à lui, l’accélérateur vise à offrir un accompagnement personnalisé aux startups identifiées ainsi que de donner à ses partenaires industriels et institutionnels internationaux un accès à l’écosystème d’innovation que crée Starburst.
C’est dans ce contexte d’accélération que Starburst a profité du GTC 2026 pour annoncer l’optimisation de sa plateforme pour le CPU Vera, le nouveau processeur ARM datacenter de NVIDIA conçu pour le raisonnement agentique et l’analytique de données. « Il ne s’agit pas de cocher des cases, mais de rationaliser la façon dont les entreprises activent leurs données à travers les environnements pour l’analytique et l’IA », avance-t-il. Collectivement, les nouvelles capacités poursuivent l’objectif de Starburst de fournir aux clients un accès rapide et gouverné aux données distribuées, selon Matt Fuller. Combinant trois activités complémentaires – accélérateurs, conseils et entreprises – l’entreprise aide les acteurs de l’aérospatiale et de la défense à innover, à naviguer et à investir dans l’écosystème dynamique. Des architectures de référence et des bonnes pratiques seront également publiées pour les organisations souhaitant exploiter Vera pour l’analytique et l’IA sur des données fédérées et gouvernées. Les architectures fermées obligent les entreprises à copier leurs données dans un système unique pour les exploiter avec l’IA, ce qui augmente les coûts, la latence et les risques de gouvernance.
Il y a inclus un catalogue de données pour favoriser la découverte des données, une couche de gouvernance, des capacités de transformation et de gestion de flux de données, et même des outils d’analytique en libre-service. Ces annonces témoignent de la croissance de l’éditeur au-delà de son statut de spécialiste du data lakehouse. Vous l’aurez compris, Starburst travaille essentiellement dans l’écosystème aérospatial et défense, et est régulièrement en contact avec des grands donneurs d’ordre, équipementiers industriels et parties prenantes militaires. Starburst travaille avec des gouvernements, des instituts universitaires et des laboratoires de recherche, des investisseurs, des incubateurs et d’autres organisations soutenant l’innovation, afin d’offrir aux startups de son portefeuille le contexte dont elles ont besoin pour entrer sur le marché.
Merci de noter également que les commentaires ne sont pas automatiquement envoyés aux rédacteurs de chaque article. Disponibilité Starburst étudie comment l’architecture CPU NVIDIA Vera peut améliorer les charges analytiques et d’IA propulsées par Trino. À l’inverse, les écosystèmes Hadoop et Spark traditionnels ne prennent pas nativement en charge l’inférence.
L’éditeur a déjà lancé des fonctionnalités de traitement du langage naturel qui permettent aux utilisateurs d’analyser des données sans écrire de code. Au-delà des AI Workflows, Starburst ajoute de nouvelles capacités d’IA avec AI Agent. La suite comprend AI Search pour transformer les données non structurées en embeddings vectoriels dans Apache Iceberg. Dans les faits, elle permet la fédération de données entre différents entrepôts, lacs et bases de données. Basée sur le moteur de requête Trino, la plateforme de Starburst (Galaxy en mode SaaS et Enterprise pour les déploiements self-managed/sur site) est souvent présentée comme le moyen de rendre tangible l’approche Data Mesh.
