- Vue d'ensemble : 130+ features, la release record
- FabCon Atlanta : Unification Databases + Fabric
- Data Agents GA — l'IA generative au coeur de Fabric
- Fabric Runtime 2.0 — Spark 4.0, Delta Lake 4.0, Python 3.12
- Extensibility Kit GA — Fabric devient une plateforme ouverte
- Data Factory : Mirroring Oracle/SAP GA et CDC avance
- Data Engineering : Custom Live Pools, Copilot GA, Notebooks evolues
- Data Warehouse, Real-Time Intelligence et Governance
- Recapitulatif complet
On le savait, la FabCon Atlanta allait etre speciale. Mais 130+ features dans un seul Feature Summary ? Microsoft vient de poser un nouveau standard. C'est, de tres loin, la plus grosse release de l'histoire de Fabric — et elle arrive avec des annonces structurantes qui redessinent la plateforme.
Entre les Data Agents en GA, l'Extensibility Kit qui fait de Fabric une vraie plateforme ouverte, le Runtime 2.0 base sur Spark 4.0, et l'unification des Databases directement dans Fabric, cette mise a jour de mars 2026 n'est pas un simple increment mensuel. C'est un tournant. Voici mon analyse complete.
01. Vue d'ensemble : 130+ features, la release record
Pour mesurer l'ampleur de cette release, comparons : en fevrier, on avait 32 features. En mars, on passe a plus de 130. L'effet FabCon est reel — Microsoft concentre ses annonces majeures autour de la conference. Voici la repartition par workload :
| Workload | Nb features | Highlights |
|---|---|---|
| Data Factory | 41 | Mirroring Oracle/SAP GA, CDC SCD2, AutoPartitioning, Zero CU cost |
| Data Engineering | 27 | Runtime 2.0, Custom Live Pools GA, Copilot GA, Z-Order NEE GA |
| Governance / Platform | 20 | OneLake Catalog GA, Workspace tags GA, DLP policies |
| Real-Time Intelligence | 13 | Deltaflow, Anomaly Detector GA, SQL Operator GA |
| Data Warehouse | 11 | Recovery Preview, AI functions T-SQL, Custom SQL Pools |
| Data Science / AI | 5 | Data Agents GA, AutoML GA, Multimodal AI functions GA |
| Developer Tools | 10 | Fabric CLI 1.5 GA, MCP Server, Git branching |
| Extensibility | 8 | Core GA, Scheduler, Admin APIs |
| Databases | 3 | Database Hub GA, SQL database GA, Cosmos DB mirroring GA |
Avec 130+ features annoncees pendant la FabCon Atlanta (16-20 mars 2026), cette release eclipse tout ce qu'on a vu depuis le lancement de Fabric en novembre 2023. Data Factory a lui seul represente 41 features — plus que la totalite de la plupart des mois precedents.
Ce qui frappe, au-dela des chiffres, c'est la profondeur des annonces. On ne parle pas de 130 petits ajustements cosmetiques. Il y a des GA majeures (Data Agents, Extensibility Kit, AutoML, Mirroring Oracle/SAP), un nouveau runtime complet (2.0), et une vision strategique claire : faire de Fabric la plateforme unique pour les donnees, l'IA et les databases.
02. FabCon Atlanta : Unification Databases + Fabric
L'annonce la plus structurante de la FabCon Atlanta n'est pas une feature : c'est une vision. Arun Ulag, Corporate Vice President chez Microsoft, a presente la strategie d'unification des databases et de Fabric sur une plateforme unique.
Fabric n'est plus "juste" une plateforme analytique. Avec le Database Hub GA et SQL database in Fabric GA, Microsoft positionne Fabric comme la plateforme unifiee pour les workloads transactionnels ET analytiques. C'est un changement de paradigme.
Database Hub GA
Le Database Hub devient le point d'entree centralise pour gerer toutes vos databases dans Fabric. Il offre une vue unifiee sur vos SQL databases, vos mirrored databases, et vos bases Cosmos DB — le tout depuis une seule interface. Pour les equipes qui jonglent entre plusieurs moteurs de bases de donnees, c'est un gain de productivite considerable.
SQL database in Fabric GA
C'est la confirmation que Fabric absorbe les workloads OLTP. Vous pouvez desormais creer et gerer des bases SQL transactionnelles directement dans Fabric, avec les memes mecanismes de securite, de gouvernance et de facturation que le reste de la plateforme. Plus besoin de provisionner un Azure SQL Database a cote — tout est integre.
Cosmos DB mirroring GA
Le mirroring Cosmos DB passe en GA, completant le triptyque databases. Vos donnees Cosmos DB sont repliquees en temps reel vers OneLake, prets pour l'analytique sans impacter vos workloads transactionnels.
Notez dans vos agendas : la prochaine FabCon Europe est annoncee a Barcelone, du 28 septembre au 1er octobre 2026. Apres Atlanta, on peut s'attendre a une nouvelle vague d'annonces majeures.
03. Data Agents GA — l'IA generative au coeur de Fabric
Les Data Agents passent en disponibilite generale. C'est l'aboutissement d'un an de Preview, et le signal que Microsoft considere l'IA generative comme un composant natif de la plateforme — pas un gadget ajoute apres coup.
Data Agents GA — Qu'est-ce que c'est ?
Un Data Agent est un agent IA qui peut interroger vos donnees Fabric en langage naturel. Il se connecte a vos Lakehouses, Warehouses, modeles semantiques, Eventhouses, SQL databases et mirrored databases pour repondre aux questions des utilisateurs metier sans qu'ils aient besoin de connaitre le SQL ou le DAX.
Ce qui change avec la GA
En Preview, les Data Agents etaient limites a quelques sources et manquaient de securite entreprise. La version GA apporte :
- Support de toutes les sources Fabric — Lakehouse, Warehouse, modeles semantiques, Eventhouse, SQL databases, mirrored databases
- Integration Purview (Preview) — securite avancee, lineage et classification automatique des requetes des agents
- Multimodal AI functions GA — les agents peuvent analyser des PDFs, des images et du texte non structure
- Controle d'acces granulaire — les agents respectent les permissions RLS et OLS de vos datasets
AutoML GA — le Machine Learning accessible a tous
AutoML passe egalement en GA. Il genere automatiquement des modeles de Machine Learning (classification, regression, prevision) a partir de vos donnees Fabric, sans ecrire une seule ligne de code. Combine avec les Data Agents, ca ouvre la porte a des workflows IA end-to-end entierement integres dans Fabric.
Commencez par deployer un Data Agent sur un Lakehouse ou Warehouse existant avec un perimetre restreint. Testez la qualite des reponses, ajustez les instructions systeme, puis elargissez progressivement les sources. L'integration Purview en Preview merite aussi d'etre activee pour tracer les usages.
04. Fabric Runtime 2.0 — Spark 4.0, Delta Lake 4.0, Python 3.12
Fabric Runtime 2.0 arrive en Preview, et c'est un saut generationnel. Ce n'est pas une mise a jour incrementale — c'est une refonte complete du moteur d'execution.
Fabric Runtime 2.0 embarque Apache Spark 4.0, Java 21, Python 3.12 et Delta Lake 4.0. C'est la premiere plateforme cloud a proposer Spark 4.0 en managed service. Attendez-vous a des gains de performance significatifs, notamment grace aux optimisations du moteur Spark et aux nouvelles fonctionnalites de Delta Lake 4.0.
Pourquoi c'est un big deal
Chaque composant du Runtime 2.0 apporte des avancees majeures :
- Spark 4.0 — ANSI mode par defaut, API DataFrame enrichie, ameliorations du Catalyst optimizer, support natif des types de donnees etendus
- Java 21 — virtual threads, pattern matching, performances GC ameliorees — impact direct sur la stabilite des jobs longs
- Python 3.12 — performances interpreteur +10-15%, meilleure gestion memoire, f-strings ameliorees, compatibilite avec les dernieres versions de pandas, scikit-learn, etc.
- Delta Lake 4.0 — liquid clustering natif, deletion vectors V2, row tracking ameliore, Uniform v2 pour l'interoperabilite Iceberg/Hudi
En pratique, si vous travaillez avec des notebooks PySpark sur de gros volumes, le Runtime 2.0 devrait offrir des gains de performance mesurables des l'activation. Le passage a Delta Lake 4.0 est particulierement strategique pour les equipes qui utilisent liquid clustering et les deletion vectors.
Le Runtime 2.0 est en Preview. Testez-le sur des workspaces de dev avant tout. Le passage de Python 3.11 a 3.12 et de Spark 3.5 a 4.0 peut casser des dependances — verifiez vos librairies externes et vos scripts existants avant de migrer.
05. Extensibility Kit GA — Fabric devient une plateforme ouverte
L'Extensibility Kit passe en GA. C'est une annonce sous-estimee mais potentiellement transformatrice : Fabric devient officiellement une plateforme ouverte sur laquelle les ISV et les entreprises peuvent construire et deployer des workloads personnalises.
Extensibility Kit Core GA
Les ISV (Independent Software Vendors) peuvent desormais construire des workloads personnalises pour Fabric et les deployer en production. Ce n'est plus un prototype : le framework est stable, documente et supporte par Microsoft. Les workloads custom s'integrent nativement dans l'experience Fabric — meme barre laterale, memes mecanismes de securite, meme facturation.
Les composants cles
- Admin portal centralise GA — les admins Fabric gerent tous les workloads custom depuis un seul endroit
- Self-service publishing GA — les ISV peuvent publier leurs workloads aupres de 20 tenants maximum sans passer par le Marketplace
- CI/CD support (Preview) — les workloads custom peuvent etre deployes via des pipelines de deploiement
- Fabric Scheduler / Remote Jobs (Preview) — planification native des jobs dans les workloads custom
Pourquoi c'est strategique
L'Extensibility Kit transforme Fabric d'un produit monolithique en une plateforme. Pensez a l'ecosysteme d'apps Salesforce ou de plugins VS Code. A terme, les ISV data (dbt, Fivetran, Great Expectations...) pourraient proposer des experiences nativement integrees dans Fabric. C'est un moat competitif considerable face a Snowflake et Databricks.
Si vous etes ISV ou si votre equipe a des besoins tres specifiques (workload custom de data quality, orchestration metier, monitoring avance), c'est le moment de regarder serieusement l'Extensibility Kit. Le framework est GA, la documentation est complete, et le self-service publishing rend le deploiement accessible.
06. Data Factory : Mirroring Oracle/SAP GA et CDC avance
Avec 41 features, Data Factory est le workload le plus garni de cette release. Et les annonces sont lourdes — les deux mirrorings les plus attendus par l'entreprise passent enfin en GA.
Mirroring : le point complet
| Source | Statut | Commentaire |
|---|---|---|
| Oracle | GA | Replication temps reel depuis Oracle DB vers OneLake |
| SAP | GA | SAP Hana, SAP BW, SAP ECC via SLT |
| Azure MySQL | PREVIEW | Nouveau — MySQL flexible server |
| SharePoint List | PREVIEW | Nouveau — sync des listes SharePoint |
| Cosmos DB | GA | NoSQL vers Delta tables dans OneLake |
| 1000 tables | GA | Limite relevee a 1000 tables par mirrored database |
Le passage en GA d'Oracle et SAP est enorme pour les grandes entreprises. Ce sont les deux sources de donnees les plus demandees en entreprise, et jusqu'a present il fallait des solutions tierces (Fivetran, Qlik Replicate, etc.) pour les repliquer. Desormais, c'est natif dans Fabric, avec zero infrastructure a gerer.
CDC avance et optimisations
- CDC SCD Type 2 GA — gestion native des dimensions a evolution lente avec historique complet. Plus besoin de le coder manuellement dans vos notebooks
- AutoPartitioning GA — Fabric partitionne automatiquement vos tables mirrorees pour optimiser les performances de lecture
- Zero CU cost when no data changes GA — quand la source ne change pas, vous ne payez rien. C'est le modele de facturation ideal pour le mirroring
- Google BigQuery connector GA — copie native depuis BigQuery vers Fabric
- SSIS Pipeline Activity (Preview) — executez vos packages SSIS existants directement depuis un pipeline Fabric
- Upgrade from ADF/Synapse pipelines (Preview) — migration assistee depuis Azure Data Factory et Synapse vers Fabric pipelines
Si vous avez des sources Oracle ou SAP en production, c'est le moment de tester le mirroring natif. Le modele "zero CU cost when idle" rend l'experimentation quasiment gratuite. Combinez avec le CDC SCD2 pour automatiser vos dimensions historisees.
07. Data Engineering : Custom Live Pools, Copilot GA, Notebooks evolues
27 features pour le Data Engineering. Les deux GA les plus impactantes sont les Custom Live Pools et Copilot pour Data Engineering & Data Science.
Custom Live Pools GA
Les Custom Live Pools vous permettent de configurer des pools Spark toujours actifs avec des specs personnalisees (nombre de noeuds, taille memoire, librairies pre-installees). Fini les cold starts de 2-3 minutes a chaque ouverture de notebook — votre pool est pret instantanement. En combinaison avec les Resource Profiles GA, vous avez un controle total sur l'allocation des ressources Spark.
Copilot pour DE & DS GA
Copilot passe en GA pour les workloads Data Engineering et Data Science. Il genere du code PySpark, explique les erreurs, suggere des optimisations et documente vos notebooks. Avec le Notebook custom agent in VS Code GA, vous pouvez meme creer vos propres agents specialises pour vos cas d'usage.
Notebooks et moteur Spark
- Job concurrency monitoring GA — visualisez en temps reel combien de jobs Spark tournent dans votre workspace et leur utilisation des ressources
- Session sharing up to 50 GA — jusqu'a 50 utilisateurs peuvent partager une meme session Spark active. Ideal pour les ateliers et le pair programming
- Z-Order + Liquid Clustering in NEE GA — le Native Execution Engine supporte desormais Z-Order et Liquid Clustering, pour des performances de lecture optimales sur les grosses tables
- PySpark for MLVs (Preview) — les Materialized Lake Views supportent enfin PySpark, pas seulement Spark SQL
- Copy job in Lakehouse GA — copiez des donnees vers votre Lakehouse depuis l'interface en quelques clics
- Notebook Git improvements — auto-binding des notebooks au repo, support du Resources folder dans Git
Les Custom Live Pools GA changent fondamentalement l'experience notebook. Si vous avez une equipe de 5+ Data Engineers qui ouvrent des notebooks quotidiennement, le gain de temps sur les cold starts justifie largement le cout. Combinez avec le session sharing pour maximiser l'utilisation des ressources.
08. Data Warehouse, Real-Time Intelligence et Governance
Les autres workloads ne sont pas en reste. Voici un tour d'horizon rapide des features les plus notables :
Data Warehouse (11 features)
| Feature | Statut | Impact |
|---|---|---|
| Recovery | PREVIEW | Restauration point-in-time pour les Warehouses |
| T-SQL AI functions | PREVIEW | Appels de modeles IA directement en T-SQL |
| Custom SQL Pools | PREVIEW | Pools SQL dedies avec specs personnalisees |
| Alerts & Actions | GA | Alertes automatisees sur metriques Warehouse |
| SQL Audit Logs | GA | Audit complet des requetes et acces |
Real-Time Intelligence (13 features)
| Feature | Statut | Impact |
|---|---|---|
| Deltaflow | PREVIEW | Streaming ETL natif entre Eventstream et Delta tables |
| Anomaly Detector | GA | Detection d'anomalies temps reel sur vos flux |
| SQL Operator | GA | Transformations SQL dans les flux Eventstream |
| Live update dashboards | GA | Tableaux de bord temps reel avec rafraichissement auto |
| Copilot for RT dashboards | PREVIEW | Generation de dashboards real-time par IA |
Governance et Developer Tools (30 features)
| Feature | Statut | Impact |
|---|---|---|
| OneLake Catalog | GA | Catalogue de donnees centralise, recherche et lineage |
| Workspace tags | GA | Organisation et filtrage des workspaces par tags |
| DLP on OneLake | PREVIEW | Politiques de prevention de fuite de donnees sur OneLake |
| Purview DSPM for AI | PREVIEW | Data Security Posture Management pour les workloads IA |
| Fabric CLI 1.5 | GA | CLI enrichie avec gestion des items, deploiements et monitoring |
| Fabric Remote MCP Server | PREVIEW | Serveur MCP pour connecter des agents IA externes a Fabric |
| MCP AI code assistants | GA | Assistants IA connectes a Fabric via le protocole MCP |
Le Fabric Remote MCP Server merite qu'on s'y attarde. Le Model Context Protocol (MCP) est en train de devenir le standard de facto pour connecter les agents IA aux sources de donnees. Avec ce serveur MCP, n'importe quel agent IA compatible (Claude, GPT, etc.) peut interroger vos donnees Fabric de maniere securisee. C'est un pont entre l'ecosysteme IA ouvert et la plateforme Fabric.
Le Fabric CLI 1.5 GA est un must pour les equipes qui font du CI/CD. Integrez-le dans vos pipelines GitHub Actions ou Azure DevOps pour automatiser le deploiement d'items Fabric. Et si vous explorez les agents IA, le MCP Server est la piece manquante pour connecter vos LLMs a vos donnees Fabric.
Σ Recapitulatif complet
Cette release de mars 2026 est historique. 130+ features, des GA majeures dans chaque workload, et une vision claire : Fabric comme plateforme unifiee pour les donnees, l'IA et les databases. Voici le recap des features les plus impactantes :
| Feature | Workload | Statut | Impact |
|---|---|---|---|
| Data Agents | Data Science / AI | GA | Agents IA sur toutes les sources Fabric |
| AutoML | Data Science / AI | GA | ML automatise sans code |
| Mirroring Oracle | Data Factory | GA | Replication Oracle temps reel |
| Mirroring SAP | Data Factory | GA | Replication SAP temps reel |
| Extensibility Kit | Platform | GA | Workloads custom pour ISV |
| Custom Live Pools | Data Engineering | GA | Pools Spark toujours actifs |
| Copilot DE & DS | Data Engineering | GA | IA dans les notebooks |
| Fabric Runtime 2.0 | Data Engineering | PREVIEW | Spark 4.0 + Delta Lake 4.0 |
| Database Hub | Databases | GA | Hub centralise pour toutes les databases |
| OneLake Catalog | Governance | GA | Catalogue de donnees centralise |
| CDC SCD Type 2 | Data Factory | GA | Dimensions historisees natives |
| Fabric MCP Server | Developer Tools | PREVIEW | Connexion agents IA externes |
Voici mes 5 recommandations pour cette semaine :
1) Data Agents — deployez un agent sur un Warehouse existant et testez la qualite des reponses.
2) AutoML — lancez un entrainement automatique sur un dataset de classification et comparez avec vos modeles manuels.
3) Mirroring Oracle/SAP — si vous avez ces sources, configurez un mirroring et mesurez la latence de replication.
4) Extensibility Kit — explorez la documentation et identifiez un use case pour un workload custom dans votre organisation.
5) Custom Live Pools — configurez un pool dedie pour votre equipe et observez l'impact sur les temps de demarrage des notebooks.
La FabCon Atlanta 2026 marque un tournant pour Fabric. La plateforme n'est plus seulement un outil d'analytique — c'est un ecosysteme complet qui unifie donnees, IA, databases et extensibilite. L'echelle de cette release (130+ features) montre que Microsoft met les moyens pour faire de Fabric LA plateforme de donnees de reference.
Mon conseil general : ne vous noyez pas dans les 130 features. Concentrez-vous sur les 5 GA listees ci-dessus, testez-les methodiquement, et formez vos equipes. Les previews (Runtime 2.0, MCP Server, Recovery) meritent un suivi attentif — elles deviendront les GA des prochains mois.
Rendez-vous bientot pour un deep dive sur les Data Agents et le MCP Server. En attendant, retrouvez-moi sur LinkedIn pour en discuter.