---
title: "Les pipelines de prévision arrivent dans Datarelix"
description: "La prévision Datarelix est en bêta : décrivez une mesure métier, examinez les données et les modèles, puis publiez et actualisez votre prévision."
summary: "Transformez une question sur l’avenir en un plan de prévision enregistré, des tests historiques et une décision de publication."
canonical: https://datarelix.ai/fr/resources/guides/forecasting-pipelines-beta/
publishDate: 2026-10-14
lastVerified: 2026-10-14
---
# Les pipelines de prévision arrivent dans Datarelix
Transformez une question sur l’avenir en un plan de prévision enregistré, des tests historiques et une décision de publication.
Les **pipelines de prévision** sont disponibles dans la rubrique **Data science (Beta)** de Datarelix. Décrivez une mesure et l’horizon voulu ; Datarelix prépare une requête et un plan de prévision, vérifie l’historique et évalue les modèles admissibles face à une référence saisonnière. Vous examinez le premier résultat avant sa publication dans le pipeline, puis choisissez comment valider et actualiser les résultats suivants.
## Partir d’une question métier
« À quoi pourraient ressembler les ventes nettes mensuelles du prochain trimestre ? » nécessite une définition des ventes, une période convenue et un historique exploitable. Le nouveau parcours conserve ces décisions avec la prévision. Il s’adresse aux utilisateurs métier responsables de la mesure et aux analystes qui doivent examiner la requête et la validation.
Ouvrez **Data science → New forecast** (science des données → nouvelle prévision), choisissez une source SQL connectée et décrivez la tâche :
> Prévoir les ventes nettes mensuelles d’Acme en EUR pour les trois prochains mois. Exclure les commandes annulées et utiliser uniquement les mois terminés.
Précisez le traitement des taxes, des remboursements, du fuseau horaire et des périodes manquantes. Le [contexte du schéma et les définitions métier](/fr/resources/guides/why-semantic-context-matters/) qui aident à choisir les bonnes colonnes comptent aussi pour la prévision. Si l’accès reste à organiser, transmettez au responsable de la base la [documentation des connexions](https://docs.datarelix.ai/fr/guides/connections/).
## Voir ce que les données permettent avant l’entraînement
Le plan proposé indique la mesure, les unités, la période, l’horizon, le regroupement et les exclusions. La **vérification des données** indique l’historique disponible, sa date de fin, le nombre de fenêtres de validation possibles et les modèles admissibles. Des périodes manquantes ou dupliquées, un résultat source tronqué ou un historique insuffisant peuvent bloquer l’entraînement.
Le plan Acme utilise les mois terminés, l’EUR et UTC. La source s’arrête en septembre avant la prévision d’octobre à décembre.
L’analyste peut développer **Inspect and customize** (examiner et personnaliser) pour relire le SQL, les correspondances, les variables et les paramètres. Modifier le plan impose une nouvelle vérification. Appliquez la même rigueur que pour [vérifier le SQL et les résultats générés par IA](/fr/resources/guides/verify-ai-data-answers/) : un modèle adapté ne corrige pas une définition qui compte les mauvaises transactions.
## Comparer à une référence saisonnière
Les modèles sont évalués par **validation sur fenêtres successives** : apprendre sur l’historique antérieur, prévoir une période ultérieure et comparer aux valeurs réelles. Les familles admissibles comprennent Seasonal baseline, Prophet, Chronos-2, Random forest et LightGBM. La disponibilité, l’historique et l’allocation de calcul déterminent les expériences exécutées.
La revue affiche l’erreur du candidat, la référence saisonnière, la régularité entre tests, les segments faibles et la couverture de l’intervalle. La référence peut gagner. Les tests renseignent sur l’historique choisi ; ils ne garantissent pas la précision future et ne capturent pas un événement absent des données.
Ce parcours étend les [fonctions de requête et d’analyse de Datarelix](/fr/features/) avec une définition enregistrée et une décision explicite sur la prévision courante. Pour la mesure sous-jacente, conservez un [rapport de ventes avec des définitions précises des revenus et remboursements](/fr/resources/guides/weekly-sales-report/) que l’équipe peut rapprocher de ses comptes.
## Choisir les étapes à valider
Avec **Let it run** (laisser fonctionner), vous examinez la prévision initiale et les changements de modèle ; les actualisations courantes de la configuration acceptée peuvent être publiées automatiquement. **Review every result** (examiner chaque résultat) demande votre accord à chaque publication. **Review everything** (tout examiner) demande l’approbation des plans d’exécution et des résultats.
Les modifications importantes de la définition nécessitent toujours une validation. L’approbation d’exécution porte sur le lot proposé et son allocation ; publier un autre modèle ou une autre configuration reste une décision séparée. Fermer le navigateur laisse la revue en attente.
« Publier » sélectionne le résultat courant dans votre compte. Cela ne rend pas la prévision publique et ne la partage pas au sein d’une équipe.
## Maintenir la prévision à jour
**Refresh** (actualiser) réentraîne la configuration acceptée avec les données actuelles. **Improve** (améliorer) explore d’autres configurations dans le périmètre autorisé. Après publication, vous pouvez actualiser à la demande ou chaque jour, semaine ou mois ; vos règles de validation continuent de s’appliquer.
La bêta utilise actuellement les connexions SQL ; Kusto, Elasticsearch et les méthodes d’authentification déléguée exclues du sélecteur ne sont pas utilisables pour la prévision. Les lectures peuvent entraîner des frais auprès de votre fournisseur de base ou de cloud. Le [guide de prévision](https://docs.datarelix.ai/fr/guides/forecasting/) détaille les prérequis, les commandes de validation et la résolution des problèmes de données.
Pour commencer avec une mesure connue de l’équipe, suivez [prévoir les ventes mensuelles depuis votre base](/fr/resources/guides/forecast-monthly-sales/) jusqu’à la première décision de publication.
