L'essor de l'IA nécessite des architectures de données flexibles et en temps réel, mais les outils traditionnels peinent à gérer les données massives et multimodales. Les lacs de données offrent de la flexibilité, mais manquent de cohérence, tandis que d'autres architectures créent des silos et nécessitent une intégration de données coûteuse. L'industrie se tourne vers les lakehouses ouverts, avec Apache Iceberg émergent comme un format de tableau open-source clé. Google Cloud, ainsi que des partenaires comme Confluent, Databricks, dbt, Fivetran, Informatica et Snowflake, s'est engagé en faveur de ce standard ouvert. La couche de métadonnées d'Iceberg permet une planification de requête efficace, un voyage dans le temps et une élagage de données, accélérant ainsi les insights. Google Cloud a introduit des innovations comme les tables BigLake et une API de catalogue REST pour Iceberg sur GCS. Databricks et Snowflake offrent également une prise en charge d'Iceberg, permettant l'interopérabilité et réduisant la latence des données. Ce standard ouvert permet à tout moteur compatible Iceberg de fonctionner sur une seule copie de données, reliant les charges de travail analytiques et opérationnelles. En adoptant Iceberg, les organisations peuvent partager des données entre les plateformes, réduisant les copies de données et les pipelines complexes. Des clients comme Global Payments et Unilever ont déjà bénéficié de la flexibilité et de l'efficacité d'Iceberg dans la gestion de jeux de données divers. Cette interopérabilité favorise une plus grande efficacité, sécurité et rapidité pour les stratégies de données pilotées par l'IA.