Des guides pour une analytique IA vérifiable
Des guides concrets pour laisser une équipe interroger votre base de données sans risque : comment une question devient du SQL, ce qu’exige réellement une lecture seule appliquée, comment tenir les identifiants à l’écart du modèle, et comment contrôler un chiffre produit par IA avant d’agir dessus.
Vous débutez ? Commencez par ce que veut dire discuter avec sa base de données en langage courant, puis suivez le guide vers lequel cette page vous oriente.
Tous les guides
- Guide technique
Poser des questions à MySQL en langage naturel
Interroger MySQL en langage naturel : utilisateur en lecture seule, TLS pour MySQL 8, les réglages serveur qui changent le SQL généré, la lecture sur réplica.
- Guide technique
Interroger BigQuery en langage naturel
Interroger BigQuery en langage naturel : deux projets, deux rôles IAM, des garde-fous de coût en octets lus et les filtres de partition gérés automatiquement.
- Guide
Analytique IA et BI traditionnelle : quand utiliser chacune
Un cadre de décision pour l’informatique décisionnelle en langage naturel et la BI traditionnelle : forces de chacune, recouvrements et partage du travail.
- Guide technique
Poser des questions à PostgreSQL en langage naturel
Interroger PostgreSQL en langage naturel : le rôle en lecture seule, la validation du SQL généré avant exécution, les pièges des poolers et des schémas, et les limites.
- Guide technique
Poser des questions à Snowflake en langage naturel
Interroger Snowflake en langage naturel : les quatre privilèges du rôle, les garde-fous de coût en crédits, le SQL propre au dialecte et les clés étrangères déclaratives.
- Guide
Construire une analytique en libre-service sans remplacer votre pile
L’analytique en libre-service gouvernée en surcouche de l’entrepôt et de la BI déjà en place : le principe de lecture seule, ce qui garde son autorité, et les limites.
- Guide
Pourquoi votre outil d’IA choisit la mauvaise colonne
Un outil qui répond avec assurance et se trompe manque souvent de contexte sémantique. Comment descriptions de colonnes, tables clés et jointures changent le SQL généré.
- Sécurité et confiance
Checklist sécurité de l’analytique IA : 10 questions aux éditeurs
Checklist sécurité indépendante pour l’analytique IA et conversationnelle : dix questions décisives, des questions par domaine, les preuves à exiger, les signaux d’alerte.
- Sécurité et confiance
Comment Datarelix garde les identifiants hors du modèle IA
Où vit le mot de passe de votre base quand une IA interroge vos données : le flux, ce que le modèle reçoit, qui exécute la requête et ce que la frontière ne couvre pas.
- Sécurité et confiance
Analytique IA en lecture seule : architecture, contrôles et menaces
Ce qu’exige réellement l’analytique IA en lecture seule : le modèle de menace, les couches de contrôle qui l’appliquent et les risques résiduels à examiner.
- Guide
Le text-to-SQL expliqué : du langage naturel à la requête SQL
Ce qu’exige un text-to-SQL fiable : la requête est construite à partir du contexte de schéma, vérifiée par un validateur en lecture seule, puis livrée avec ses preuves.
- Guide
Vérifier une réponse générée par IA avant de la présenter au conseil
Un processus en huit étapes pour vérifier une métrique générée par IA avant le conseil : interprétation, définitions, périmètre, jointures et preuves à contrôler.
- Guide
Qu’est-ce que l’analytique conversationnelle vérifiable ?
L’analytique conversationnelle vérifiable répond par des requêtes réelles et livre la requête, les sources et le temps d’exécution : vérifiez chaque réponse.
Au-delà des guides
La page sécurité documente les frontières appliquées que ces guides décrivent, et la documentation couvre la configuration de la connexion pour chaque moteur pris en charge.