Block améliore la productivité et l'accès aux données avec Claude dans Databricks

Block, l'entreprise derrière Square, Cash App, Afterpay et d'autres services financiers, utilise Claude sur la plateforme Databricks Data Intelligence comme modèle par défaut pour alimenter le déploiement en interne de codename goose, son agent IA open source. Cette solution permet aux employés, quelle que soit leur fonction, d'interconnecter les outils et systèmes internes, d'analyser des données complexes, de générer des requêtes SQL sans connaissances techniques et d'automatiser les flux de travail, transformant ainsi le fonctionnement de l’entreprise.

Avec Claude dans Databricks, Block a pu constater que :

• 75 % des ingénieurs gagnent 8 à 10 heures par semaine, voire plus, grâce à codename goose, ce qui augmente la vitesse d’exécution et réduit la charge de travail ;
• l'adoption de codename goose a doublé en un mois seulement, avec un engagement en hausse de 40 à 50 % par semaine à mesure que les employés découvrent de nouveaux cas d'usage ;
• Claude 3.5 Sonnet devient le seul modèle à obtenir 100 % de réussite aux tests de performance.

Rendre l'accès aux données possible pour tous

Face aux importants volumes de données à traiter, Block devait trouver un moyen de les rendre accessibles aux employés, quel que soit leur niveau de connaissances techniques. L'entreprise utilisait Databricks depuis plusieurs années pour l'ingénierie des données, mais a vu une opportunité : combiner la puissance des grands modèles de langage et ses technologies internes afin de démocratiser l'accès aux données dans toute l'organisation.

« Databricks est depuis des années notre principale plateforme d'ingénierie des données, notamment pour le traitement via Spark, explique Bradley Axen, Principal Engineer en data et apprentissage automatique. »

L'entreprise a initialement créé un assistant de programmation basé sur l'IA, codename goose, avant de comprendre que son potentiel allait bien au-delà du développement logiciel. « Goose était au départ un simple outil conçu pour aider mon équipe à écrire un meilleur code, explique Bradley Axen. Il s'agissait juste d'une boucle de rétroaction basique. Depuis, il a évolué de façon spectaculaire. Cela peut sembler exagéré, mais c'est vrai : aujourd’hui, 90 % de mes lignes de code sont écrites par goose. Cela s'explique en partie par le fait que je tiens à utiliser l’outil que j’ai moi-même conçu, mais surtout parce qu’il est devenu extrêmement performant. »

De la conception de produit au développement, des milliers d'employés de Block, toutes fonctions confondues, utilisent désormais Claude via Databricks, parfois sans même s'en rendre compte, ce qui leur permet de développer des idées plus ambitieuses et créatives.

Performances et sécurité supérieures avec Claude dans Databricks

À l’issue d’un test comparatif rigoureux, Block a constaté que Claude surpassait systématiquement les autres modèles utilisés par codename goose. « Pour les tâches que nous voulons mesurer précisément, la famille Claude a obtenu les meilleurs résultats, souligne Bradley Axen. »

La sécurité a été un critère décisif dans ce choix. « Nous accordons une grande importance à la sécurisation des intégrations de données. Avec Databricks, nous pouvons utiliser OAuth et des identifiants temporaires, ce qui permet à chaque employé d'accéder aux LLM sans devoir distribuer ou gérer les clés API, souligne Bradley Axen. » Cette infrastructure de sécurité permet à Block « de rendre facilement accessibles les nouveaux modèles à tout le monde », offrant ainsi une grande flexibilité à l'équipe plateforme.

Block tire un bénéfice particulier de l'utilisation des outils intégrés à Claude et de ses capacités de génération de code. L'entreprise utilise différents modèles en fonction de ses besoins : Claude 3.5 Sonnet pour l'analyse de données complexes nécessitant un raisonnement poussé, et Claude 3.7 Sonnet pour les tâches multiétapes exigeant plus de planification.

Transformer l'accès aux données grâce aux flux de travail agentiques

Block a intégré Claude dans Databricks avec goose pour créer un écosystème de plusieurs sources de données et outils interconnectés. « Grâce à notre approche basée sur des agents, nous avons créé un cycle de travail complet, résume Bradley Axen. Nous exécutons le LLM via un point de terminaison Databricks, le connectons à notre système d'agents goose, puis goose peut rappeler Databricks pour accéder à nos bases et jeux de données. »

Cette approche permet aux employés de tous les départements d'interagir plus efficacement avec les données :

• Génération de requêtes SQL sans connaissances techniques : le modèle écrit du SQL, l'envoie au point de terminaison des données et fournit les résultats. N’importe quel employé, même sans connaissance de SQL, peut résoudre lui-même les problèmes de données, ce qui permet aux équipes produits et aux employés non techniques de répondre aux questions relatives aux données sans solliciter les analystes.
• Création de fonctionnalités de données complexes : les ingénieurs ont mis en place un système qui apprend à Claude à générer du code compatible avec Beacon, le service interne de Block. Un serveur MCP enseigne aux LLM sur Databricks comment soumettre du code à Beacon, permettant ainsi aux ingénieurs ML de créer des variables sophistiquées sans connaissance approfondie de l’infrastructure de Block.
• Flux de travail de données multioutils : codename goose utilise MCP pour connecter les différents systèmes. Block peut ainsi créer un serveur MCP pour n'importe quel outil interne et le connecter à des flux de travail. Ainsi, l'équipe opérations peut utiliser l'IA pour clore les tickets et les équipes métiers reçoivent de l'aide pour accéder aux données dont elles ont besoin.

Cette approche agentique reflète la vision plus large de Block. « La grande opportunité, c’est qu’un LLM soit capable de traduire les intentions d’une personne en actions concrètes dans nos systèmes. La manière dont nous concevons nos produits pour nos clients ainsi que notre manière de travailler en interne sont entièrement repensées, explique Bradley Axen. »

Créer une culture guidée par les données, avec des résultats mesurables

L’adoption de Claude dans Databricks chez Block a rapidement gagné en popularité. Près de 4 000 des 10 000 employés de Block utilisent activement goose, couvrant 15 familles métiers incluant les ventes, le design, la conception de produits, la relation client, les opérations et plus encore.

L'impact sur la productivité est majeur, en particulier grâce à la rapidité de l’accès aux données. Les avantages sont considérables pour Block : les collaborateurs qui ne connaissent pas SQL peuvent désormais résoudre eux-mêmes leurs besoins d’analyse.

L’équipe design en récolte également les fruits : « Jusqu’ici, la barrière à l'entrée pour un designer qui voulait transformer son idée en prototype fonctionnel était trop haute, au point que beaucoup n’allaient pas jusqu’au bout, explique Bradley Axen » Aujourd'hui, cet obstacle a quasiment disparu. On peut dire : « Voici une page Web dans Figma. Faisons une version utilisable, et ça fonctionne. » Cette évolution a entièrement redéfini le flux de travail de conception, permettant la création rapide de prototypes interactifs testables en amont du développement.

Construire un avenir fondé sur l’accessibilité des données et l’IA agentique

Block envisage un avenir où l'accès aux données sera entièrement démocratisé grâce à des systèmes d'IA agentique. « Ce n’est pas seulement 100 % plus rapide. En réalité, c'est bien plus, car vous pouvez avoir une équipe entière d'agents qui travaillent pour vous, accomplissant davantage que ce qu’une personne pourrait faire, explique Bradley Axen. »

Alors que Block espère faire gagner 30 % du temps aux employés grâce à l'IA d'ici 2025, sa vision va au-delà de la productivité. « L’enjeu est de permettre à nos employés de concrétiser toutes nos bonnes idées. Les métiers vont évoluer au cours des prochaines années. Les gens continueront à résoudre des problèmes complexes, mais ils vont passer moins de temps à écrire du code, explique Bradley Axen. » Block souhaite passer d’un modèle contraint par la rapidité d’exécution à un modèle limité uniquement par la rapidité d’innovation.

Si elle se concentre aujourd'hui sur la productivité interne, Block développe de façon stratégique des produits d'IA à destination de ses clients. « Nous apprenons ce qui fonctionne et comment faciliter l'utilisation, explique Bradley Axen. » Même si certains produits agentiques sont déjà intégrés dans son écosystème, Block privilégie la qualité avant un déploiement à grande échelle. Son implémentation interne de goose joue donc un double rôle : c’est un outil de productivité, mais aussi un terrain d'essai essentiel pour développer l'infrastructure et les principes de conception qui soutiendront sa prochaine génération d'offres commerciales.

Block imagine un futur où chaque employé peut exploiter tout le potentiel des données de l’entreprise, en combinant les capacités de raisonnement avancées de Claude avec la plateforme de données de Databricks via codename goose. Ce partenariat permet à la main-d'œuvre de Block d'adopter des flux de travail assistés par l'IA, transformant ainsi leur vision d'autonomisation économique en réalité grâce à une technologie qui rend l'analyse de données sophistiquées accessible à tous.