Databricks · 3 novembre 2026 · Data & AI
Claude Platform prend en charge l’observabilité native OpenTelemetry dans Databricks MLflow
Claude Platform prend désormais en charge l’observabilité native OpenTelemetry dans Databricks MLflow. Le texte souligne qu’un agent peut fournir une réponse plausible tout en manquant un élément important ou en consultant plusieurs fois la même source.
Ce qui est annoncé
L’observabilité native OpenTelemetry de Claude Platform est disponible en bêta publique, avec Databricks MLflow comme destination prise en charge pour l’export des traces. Cette intégration couvre les Anthropic SDKs, la Messages API et Claude Managed Agents. Les traces décrivent les étapes d’exécution, notamment les requêtes au modèle et les appels aux outils. Acheminées par Zerobus Ingest, elles sont conservées dans des tables Unity Catalog associées à une expérience MLflow. Unity Catalog encadre les accès à ces données, également consultables en SQL.
Au-delà de la collecte, Databricks MLflow permet d’examiner les exécutions et d’évaluer les modifications apportées aux agents. L’action Analyze trace s’appuie sur Genie Code pour aider à comprendre une réponse inattendue. MLflow Issues, disponible en bêta, recherche des problèmes récurrents et rassemble les constats associés à leurs traces. MLflow Review Queues permet de solliciter l’avis d’experts métier, tandis que MLflow Agent Evaluation sert à comparer les comportements sur les mêmes cas de test. La capture des entrées et sorties nécessite une activation explicite du mode de contenu « full ».
Ce que ça change pour les entreprises
Pour les équipes IT, l’intérêt est de pouvoir examiner ce qui précède une réponse, plutôt que de juger uniquement son résultat apparent. Des appels d’outils répétés, un contexte manquant ou une erreur d’exécution peuvent ainsi être étudiés à partir des traces. L’analyse et la comparaison des évaluations peuvent aider à orienter les corrections, sans garantir qu’une modification améliore tous les comportements : résoudre un défaut peut aussi introduire une régression.
Pour les DSI, le dispositif pose également la question des accès aux informations sensibles présentes dans les traces. Le choix de capturer les contenus et la configuration des permissions méritent donc d’être cadrés. Le statut bêta de certaines capacités invite à les évaluer sur des cas représentatifs avant d’élargir leur utilisation.
Comment UNEETY peut vous accompagner
Une ESN comme UNEETY peut accompagner le cadrage des besoins d’observabilité, l’intégration des flux de traces et la sécurisation des accès. Elle peut aussi aider à organiser les revues métier et les évaluations comparatives, afin de soutenir l’adoption de ces pratiques par les équipes.
Découvrez notre offre Data & AI ou contactez-nous.
Source : annonce Databricks du 3 novembre 2026.