Databricks · 9 novembre 2026 · Data & AI
Accélérer l'entraînement GPU sur les tables Unity Catalog avec UCDataset
UCDataset permet d'accélérer l'entraînement sur GPU à partir des tables Unity Catalog. L'article souligne que les GPU représentent généralement la composante la plus coûteuse d'un entraînement.
Ce qui est annoncé
Databricks annonce la disponibilité en bêta de Unity Catalog Dataset (UCDataset) sur AI Runtime. Ce chargeur de données natif pour PyTorch permet d’alimenter les GPU depuis des tables Delta enregistrées dans Unity Catalog, sans export préalable ni copie intermédiaire. Les équipes définissent la table, les colonnes et les lignes à sélectionner. UCDataset lit ensuite les fichiers dans le stockage cloud et répartit les données entre les GPU et les processus de chargement, en s’intégrant aux boucles d’entraînement PyTorch habituelles.
L’accès s’effectue avec l’identité qui exécute l’entraînement et respecte les permissions Unity Catalog. Les vecteurs de suppression sont pris en compte à la lecture, tandis que les lignes ajoutées sont intégrées lors de l’exécution suivante. Une limite importante concerne toutefois cette bêta : les tables dotées de filtres de lignes ou de masques de colonnes ne sont pas prises en charge. Côté performances, Databricks rapporte un entraînement dix fois plus rapide en moyenne qu’une lecture depuis Parquet, sur une charge de production simulée consacrée à un modèle de recommandation.
Ce que ça change pour les entreprises
Pour les DSI et les équipes IT, l’intérêt potentiel réside dans la simplification du chemin entre les données gouvernées et l’entraînement distribué. Éviter les exports pourrait réduire les copies à stocker et à maintenir, ainsi que le code spécifique de répartition des données. Cette approche peut aussi limiter les situations où des GPU attendent leurs données, sans pour autant garantir un gain identique sur chaque projet : le résultat publié reste lié au scénario testé par l’éditeur.
Avant une adoption, les équipes devront notamment vérifier la compatibilité de leurs tables et de leurs règles d’accès avec les restrictions de la bêta. Le maintien des permissions sur la source ne suffit pas à rendre tous les jeux de données existants utilisables. Un essai sur une charge représentative permettrait d’évaluer les effets sur les temps d’entraînement et les besoins de maintenance.
Comment UNEETY peut vous accompagner
Une ESN comme UNEETY peut accompagner le cadrage d’un pilote, l’intégration dans les traitements d’entraînement et la vérification des conditions de sécurisation. L’accompagnement peut également porter sur la mesure des résultats et l’adoption par les équipes, en tenant compte des limites de la bêta.
Découvrez notre offre Data & AI ou contactez-nous.
Source : annonce Databricks du 9 novembre 2026.