Et si le prochain grand champ de bataille de l’intelligence artificielle en entreprise n’était pas un chatbot flamboyant, mais… une grille de cellules ? L’idée paraît presque trop prosaïque. Pourtant, c’est précisément le signal envoyé par Databricks en rachetant Row Zero, une jeune pousse spécialisée dans le tableur cloud capable d’encaisser plus d’un million de lignes en direct. Derrière ce geste, on lit une conviction nette : les analystes n’abandonneront pas leurs formules, leurs filtres et leurs habitudes. Ils veulent simplement que ces habitudes parlent enfin aux entrepôts de données, aux agents et à la gouvernance, sans copier-coller hasardeux vers un fichier partagé.

Le récit de l’opération, relaté notamment par TechCrunch, a un parfum d’anecdote interne qui finit en stratégie produit. L’équipe finance de Databricks utilisait déjà l’outil. Elle l’avait couplé à Genie, l’agent maison capable de répondre en langage naturel à des questions métier complexes : marges, pipeline commercial, santé d’un compte. Quand la direction a demandé d’où venait cette fluidité soudaine, l’ampoule s’est allumée. Le tableur n’était plus un vestige. C’était l’interface universelle que tout le monde savait déjà manier.

Pourquoi ce rachat change la donne pour les équipes data

Depuis quinze ans, les plateformes cloud promettent de tuer Excel. Elles n’y sont jamais parvenues. Les dashboards se multiplient, les notebooks se sophistiquent, les outils de business intelligence s’empilent. Or, dès qu’il faut prototyper un calcul, croiser deux hypothèses ou expliquer un écart à un directeur financier, le tableur revient. Non par nostalgie, mais par vitesse cognitive. Une formule se lit. Un modèle SQL se débogue. Une carte de dashboard se contemple.

Row Zero s’inscrit dans cette friction. Fondée par d’anciens ingénieurs d’AWS et de Tableau, la startup a levé 10 millions de dollars en mai 2025, pour une valorisation estimée autour de 40 millions selon PitchBook. Le produit vise un usage que les tableurs classiques cassent dès que le volume explose : des millions de lignes live, sans exporter, sans figer, sans perdre la fraîcheur de la source. En l’intégrant, Databricks ne vend pas seulement une fonctionnalité. Il revendique un pont culturel entre la donnée gouvernée et le geste quotidien de l’analyste.

Spreadsheets are one such interface that every business analyst loves. So it makes a lot of sense to intermarry Business Intelligence (BI), Agents, and Spreadsheets!

– Ali Ghodsi, CEO de Databricks, sur X

Cette phrase résume la thèse. Marier trois mondes longtemps séparés : la BI qui raconte, les agents qui interrogent, le tableur qui calcule. Tant que ces trois couches vivent dans des silos, l’entreprise paie une taxe invisible. Elle paie en exports, en versions divergentes, en fichiers nommés « final_v7_vraiment_final ». Elle paie aussi en risque : dès qu’une extraction quitte le lac de données, la politique de sécurité s’évapore.

Genie, le langage naturel et la grille familière

Genie n’est pas un gadget de démo. C’est l’agent qui permet de poser, en français ou en anglais métier, des questions du type : « Quelle est la marge réelle après promotions sur le segment retail au T2 ? » ou « Quels prospects stagnent depuis plus de quarante jours malgré un score élevé ? ». La réponse n’a de valeur que si elle s’appuie sur des données fiables, à jour, et si l’humain peut ensuite jouer avec le résultat. Jouer, ici, signifie ajuster une hypothèse, ajouter une colonne, recouper un budget, tester un scénario.

Le tableur redevient alors un bac à sable contrôlé. Les données restent dans le stockage sécurisé de Databricks. L’utilisateur n’exfiltre plus un extrait vers un fichier personnel. Il interagit dans un format qu’il maîtrise, avec des formules qu’il reconnaît, tout en restant dans le périmètre de gouvernance. Pour un CISO, c’est un argument rare : moins de friction utilisateur et moins de surface d’exposition.

Cette alliance répond aussi à une limite connue des agents. Un agent qui ne fait que répondre crée de la dépendance conversationnelle. Un agent qui dépose le résultat dans une grille exploitable crée de l’autonomie. Les équipes finance, revenue operations, supply chain et marketing analytics peuvent reprendre la main sans attendre un data engineer pour chaque itération.

Une machine à acquérir qui s’accélère en 2026

Le rachat de Row Zero n’arrive pas isolément. Databricks a clôturé une nouvelle levée de 5 milliards de dollars en août et affiche un run rate annuel de 7 milliards. Cette puissance de feu alimente une tournée shopping clairement assumée. Ali Ghodsi l’a dit sans détour à TechCrunch : l’entreprise compte multiplier ce type d’opérations.

Le calendrier 2026 parle de lui-même. En mars, deux startups : Quotient AI, spécialisée dans l’évaluation et le renforcement des agents, et SiftD.ai, un notebook interactif encore très early-stage. En juin, Panther, un SOC de sécurité orienté IA, valorisé 1,4 milliard dès 2021. Le mois précédent l’annonce Row Zero, Electric et son PGlite, une base Postgres légère pensée pour des agents qui s’exécutent localement sur un appareil.

On voit se dessiner une mosaïque volontaire. D’un côté, la donnée centralisée et gouvernée. De l’autre, des interfaces humaines (notebook, tableur). Au milieu, des agents mieux évalués, plus sûrs, parfois capables de tourner au plus près de l’utilisateur. Ce n’est plus une plateforme unique qui absorbe tout. C’est une constellation d’usages raccordés à un même socle.

Ce que révèle le parcours de Row Zero

Les fondateurs viennent d’AWS et de Tableau. Ce n’est pas un détail biographique. AWS apporte la culture de l’échelle et de l’infrastructure. Tableau apporte l’obsession de l’interface analyste. Le produit né de cette intersection attaque un angle mort : le tableur qui ne s’effondre pas quand on quitte les quelques centaines de milliers de lignes confortables d’un fichier classique.

Le montant de la transaction n’a pas été divulgué. À 40 millions de valorisation estimée un an plus tôt, on peut imaginer un ticket raisonnable pour un géant à 7 milliards de run rate. L’intérêt n’est pas financier. Il est distributionnel. Databricks possède déjà la relation entreprise, le budget IT, le pipeline commercial. Row Zero apporte un réflexe d’usage. L’acheteur n’intègre pas seulement du code. Il intègre une habitude déjà adoptée en interne, ce qui réduit le risque d’un rachat « étagère ».

Cette mécanique « d’abord client interne, ensuite produit officiel » mérite d’être regardée par les fondateurs. Beaucoup de startups data cherchent le grand compte. Ici, le grand compte est devenu acquéreur parce que ses propres équipes finance avaient voté avec leurs clics. Le product-market fit s’est d’abord joué dans la maison de l’acheteur.

Sécurité : la fin discrète du fichier nomade

Le vrai scandale des données d’entreprise n’est pas toujours une faille sophistiquée. C’est souvent un export CSV envoyé par message, un classeur partagé trop largement, une copie locale oubliée sur un ordinateur portable. Chaque transfert casse la chaîne de contrôle. Les politiques d’accès, les traces d’audit, le masquage des champs sensibles disparaissent au moment où l’analyste « a juste besoin d’un extrait ».

En gardant la manipulation dans un tableur branché sur le cloud Databricks, l’entreprise conserve le contrôle. Les droits restent ceux du lac. Les logs restent ceux de la plateforme. L’agent Genie interroge sans créer une deuxième source de vérité. Pour les directions juridiques et les équipes conformité, cet argument pèse parfois plus que la performance brute.

Cela ne supprime pas tous les risques. Un utilisateur malveillant ou mal formé peut toujours détourner un accès légitime. Mais le modèle réduit le chaos des copies. Il transforme le tableur d’objet fuyant en surface gouvernée. Dans un contexte où les agents multiplient les lectures automatiques de données, cette discipline devient structurante.

Agents, évaluation, notebooks : la logique du puzzle

Quotient AI n’est pas un rachat décoratif. Évaluer un agent, le faire progresser par renforcement, mesurer ses hallucinations métier : voilà le travail ingrat sans lequel les démos s’effondrent en production. SiftD.ai, de son côté, rappelle que le notebook reste le laboratoire du data scientist et, de plus en plus, de l’analyste avancé. Electric et PGlite ciblent un autre front : l’agent qui ne peut pas tout renvoyer au cloud, que ce soit pour la latence, le coût ou la confidentialité locale.

Panther élargit encore le spectre. Un SOC pensé pour l’ère des agents, c’est admettre que la surface d’attaque change. Les outils parlent aux données, déclenchent des actions, enchaînent des outils. La sécurité ne peut plus se limiter aux périmètres réseau d’hier. Elle doit observer des comportements algorithmiques.

Row Zero s’insère comme la pièce grand public de ce puzzle. Tout le monde n’ouvrira pas un notebook. Tout le monde n’administrera pas un SOC. Presque tout le monde a déjà ouvert un tableur. L’acquisition démocratise l’accès à la pile, sans forcer une reconversion d’outils.

Implications pour le marketing, la finance et les ops

Les lecteurs de cet écosystème — startups, growth, communication digitale, data marketing — ont un intérêt concret. Les équipes performance vivent encore trop souvent entre un outil d’attribution, un CRM, un tableur média et un dashboard finance qui ne se parlent pas. Un agent capable d’interroger le lac, puis de poser le résultat dans une grille collaborative, raccourcit le cycle « insight vers décision ».

Imaginez un responsable acquisition qui demande : « Quel canal reste rentable si le coût créa augmente de 18 % et que le taux de conversion mobile baisse de deux points ? » L’agent calcule. Le tableur accueille le scénario. Le directeur financier ajuste une hypothèse de marge. Personne n’exporte trois extraits incompatibles. Le débat porte sur le fond, pas sur la version du fichier.

Pour une scale-up, c’est aussi un argument commercial interne. Moins de formation à un nouvel outil BI. Moins de résistance au changement. Plus de chances que l’IA soit réellement utilisée, et pas seulement présentée en comité de direction. L’adoption bat toujours la sophistication théorique.

Ce que les fondateurs peuvent retenir de la séquence

La leçon n’est pas « construisez un clone d’Excel et attendez Databricks ». Elle est plus fine. Identifiez l’interface que vos clients maîtrisent déjà. Réduisez la distance entre cette interface et la donnée gouvernée. Devenez indispensables dans le flux quotidien d’une équipe à fort budget. Ensuite seulement, le rachat devient plausible, parfois même naturel.

• Chercher les gestes déjà ancrés plutôt que d’imposer une nouvelle grammaire logicielle.
• Prouver l’échelle là où les outils incumbents cassent : volume, fraîcheur, concurrence d’accès.
• S’ancrer dans un usage interne chez un futur acquéreur vaut parfois mieux qu’un logo client lointain.
• La sécurité et la non-exfiltration sont des arguments de vente, pas seulement des checklists.
• Les agents sans surface de travail humaine restent des démonstrations fragiles.

Row Zero a levé tôt, à une valorisation encore digestible. Dans un marché où certains actifs IA s’échangent à des multiples vertigineux, rester « assez petit pour être intégré vite » peut être une stratégie. Panther, valorisé très haut dès 2021, raconte l’autre extrémité : des actifs matures, chers, mais capables de couvrir un angle que la plateforme ne peut plus ignorer.

Le tableur n’est pas mort, il change de souveraineté

On répète depuis des années que le tableur est le logiciel le plus dangereux de l’entreprise, parce qu’il échappe au SI. Databricks inverse la proposition. Le danger ne vient pas du format. Il vient du fait que le format vivait hors-sol. Ramener la grille dans le cloud gouverné, c’est conserver le meilleur de l’habitude et retirer le pire de l’ombre.

Cette bascule a des conséquences produit. Les formules devront cohabiter avec des métriques certifiées. Les agents devront citer leurs sources dans la grille, pas seulement dans un chat. Les droits cellulaires devront coller aux politiques colonnes et lignes du lac. Le chantier d’intégration sera moins marketing que sémantique : qu’est-ce qu’une « source de vérité » quand on peut encore tout recalculer à la main ?

Les éditeurs de BI historiques observeront avec attention. Tableau, Looker, Power BI, les suites spreadsheet cloud : chacun défend un territoire. En achetant une startup née d’anciens de Tableau et d’AWS, Databricks envoie un message mixte, presque ironique. Il ne jette pas l’héritage visuel. Il le ré-ancre dans sa propre plateforme.

Une stratégie d’achat assumée, presque doctrinale

Beaucoup de scale-ups rachètent pour colmater un trou de roadmap. Ici, le discours du CEO est plus offensif. « Nous avons l’intention de faire beaucoup d’autres acquisitions de ce type. » Traduction : la plateforme ne sera pas seulement construite en interne. Elle sera assemblée par absorption d’usages émergents, dès qu’une équipe interne valide le réflexe.

Cette doctrine a des avantages. Elle accélère. Elle capte des talents déjà spécialisés. Elle évite de reconstruire ce que le marché a déjà prototype. Elle a aussi des coûts. Intégrer trop d’interfaces crée de la dette d’expérience. Les clients peuvent se retrouver avec un catalogue d’entrées — notebook, tableur, chat agent, SQL, dashboards — sans savoir par où commencer. Le travail de narration produit sera décisif.

Pour l’écosystème français et européen des startups data, le signal est double. D’une part, les plateformes américaines restent des acquéreurs actifs, y compris sur des briques d’interface. D’autre part, la fenêtre existe pour des outils très concrets, peu « hype », mais collés à un pain point mesurable : volume, sécurité, adoption.

L’IA d’entreprise bascule de la magie vers l’atelier

Les deux dernières années ont saturé le marché de promesses conversationnelles. Posez une question, obtenez une réponse. Cette magie impressionne en comité. Elle fatigue en production, dès que l’enjeu devient un budget, une prévision, une réconciliation comptable. L’atelier, lui, demande une surface persistante. Une grille. Un historique de formules. Une capacité à laisser un collègue reprendre le calcul demain matin.

Row Zero, vu sous cet angle, n’est pas une lubie rétro. C’est un aveu de maturité. L’IA métier gagne quand elle s’insère dans des artefacts déjà légitimes. Le slide. Le ticket. Le tableau de bord. Le tableur. Les agents qui refusent ces artefacts resteront cantonnés aux early adopters. Les agents qui les habitent iront chercher le cœur de l’entreprise.

On peut y lire aussi une leçon de communication digitale. Le récit le plus puissant n’est pas « nous avons inventé une nouvelle catégorie ». C’est « vos équipes finance l’utilisent déjà, et désormais vos données n’en sortent plus ». Peu de slogans battent une preuve interne aussi simple.

Points de vigilance après l’annonce

Toute intégration de tableur dans une plateforme data soulève des questions que l’annonce ne tranche pas. Comment versionner une grille branchée sur des tables qui bougent chaque heure ? Comment empêcher qu’une formule locale contredise un indicateur certifié ? Comment former sans recréer deux écoles, celle du SQL et celle de la cellule ? Comment tarifer l’usage quand un million de lignes live coûte du compute ?

Il faudra aussi observer la coexistence avec Genie. Si l’agent écrit dans la grille, qui est responsable d’une erreur de raisonnement ? L’utilisateur qui a validé ? Le modèle ? L’équipe qui a paramétré les droits ? Ces questions de responsabilité, déjà brûlantes dans l’IA générative, deviennent plus aiguës dès que le résultat alimente une décision financière.

Enfin, le rythme d’acquisitions peut créer une fatigue client. Chaque nouvel actif doit trouver sa place dans un récit unique. Sinon, Databricks risque de ressembler à une vitrine d’innovations juxtaposées plutôt qu’à un système. Le succès de Row Zero se jouera moins le jour du closing que le jour où un analyste lambda, dans une entreprise cliente, ouvrira la grille sans se demander s’il est encore « dans » Databricks.

Une lecture plus large du marché data-IA

Le mouvement s’inscrit dans une consolidation plus vaste. Les plateformes veulent contrôler le dernier kilomètre de l’insight. Snowflake, les hyperscalers, les suites bureautiques cloud, les spécialistes BI : tous cherchent l’interface qui convertit la donnée en geste. Les agents sont le nouveau champ sémantique. Les tableurs en sont l’ancien, toujours vivant. Les unir, c’est parier que l’avenir n’est pas une rupture brutale, mais une sédimentation.

Pour les investisseurs, le dossier illustre aussi un type d’actif désormais courtisé : pas seulement le modèle de fond, pas seulement l’infra GPU, mais la couche d’usage qui rend l’IA opérable par des non-spécialistes. Les valorisations extrêmes se concentrent parfois sur les laboratoires de modèles. Les transactions utiles se jouent souvent plus bas dans la pile, là où le travail réel a lieu.

Les équipes communication des scale-ups devraient y voir un angle éditorial durable. Expliquer un rachat par une histoire d’usage interne est plus crédible qu’un communiqué sur « l’accélération de la vision IA ». Les journalistes, les clients et les talents retiennent le détail humain : la finance qui s’était déjà attachée à l’outil. C’est ce détail que TechCrunch a mis en lumière, et c’est lui qui rend l’opération mémorable.

Et maintenant, que surveiller ?

Trois indicateurs diront si le pari est tenu. Premier, la vitesse d’intégration native : le tableur doit cesser d’être un satellite. Deuxième, l’usage réel hors équipe finance de Databricks : le récit fondateur doit se généraliser. Troisième, la cohérence avec les autres briques achetées cette année, de l’évaluation d’agents jusqu’au Postgres local.

D’autres rachats suivront, Ghodsi l’a annoncé. La question n’est plus « si », mais « quelle interface suivante ». Le mail ? Le CRM ? Le canvas de planification ? Chaque habitude massive de l’entreprise devient une cible logique dès lors que l’agent a besoin d’un lieu où poser son travail.

En attendant, retenir l’essentiel suffit. Databricks n’a pas acheté un tableur pour faire joli dans une keynote. Il a acheté une évidence : tant que les humains décideront avec des grilles, les plateformes data devront habiter ces grilles, les sécuriser, et y laisser entrer des agents capables de parler métier sans exproprier l’analyste.

Le million de lignes n’est qu’un seuil technique. Le vrai seuil est culturel. Accepter que l’intelligence artificielle d’entreprise ne remplace pas le tableur, mais s’y installe, proprement, sous contrôle, au service de ceux qui portent déjà les décisions du lundi matin.