Qu’est-ce que l’analytique conversationnelle vérifiable ?
L’analytique conversationnelle permet de poser des questions sur ses données en langage courant. Une réponse vérifiable montre aussi la requête et les sources utilisées pour contrôler ce que mesure le chiffre.
Par l'équipe Datarelix · Publié le · Mis à jour le · Vérifié le
L’analytique conversationnelle vérifiable consiste à poser une question à une base de données en langage courant et à recevoir la réponse accompagnée des éléments qui l’expliquent : la requête exécutée, les tables sources, le nombre de lignes renvoyées et le temps d’exécution. Ces éléments permettent à l’utilisateur métier de confirmer la période et la définition, et à l’analyste de vérifier jointures et filtres, avant de réutiliser un chiffre. Ce guide explique quoi chercher dans ces éléments, déroule un exemple de chiffre d’affaires mensuel et liste les questions à poser à un fournisseur avant de choisir un outil.
Partir d’une question concrète
Vous cherchez les clients qui ont le plus acheté au trimestre dernier. Un outil d’analytique conversationnelle peut traduire cette question en requête et afficher un tableau ou un graphique. Il reste à définir « le plus acheté » : nombre de commandes, ventes brutes ou ventes après remboursements.
L’analytique conversationnelle vérifiable rend cette interprétation consultable. Elle sert à préparer un rapport, examiner une variation ou contrôler un chiffre avant de le transmettre. Vous pouvez vérifier dates et définitions sans écrire de SQL. La vérification des jointures peut nécessiter une personne qui sait le lire.
Quelles informations accompagnent la réponse ?
Datarelix affiche quatre éléments :
| Information | Ce qu’elle aide à vérifier | Ce qu’elle ne démontre pas |
|---|---|---|
| Requête exécutée | Filtres, calculs et bornes de dates | Que la définition métier est la bonne |
| Tables sources | Que le jeu de données prévu est utilisé | Que les données sont complètes et à jour |
| Lignes renvoyées | La taille et la forme du résultat | Le nombre de lignes lues ou l’absence de doublons dans un total |
| Temps d’exécution | La durée de cette exécution | L’exactitude, le volume lu ou le coût total |
Dix lignes de résultat peuvent provenir de bien plus de dix enregistrements. Un total sur une seule ligne peut inclure des montants comptés plusieurs fois. Vérifiez limites et avertissements de troncature : le nombre de lignes ne prouve pas que tous les résultats ont été renvoyés.
Exemple : deux définitions du chiffre d’affaires
Prenons deux clients :
| Client | Ventes finalisées | Remboursements | Ventes après remboursements |
|---|---|---|---|
| Boutique Nord | 1 200 | 200 | 1 000 |
| Boutique Rivière | 1 100 | 0 | 1 100 |
La boutique Nord arrive en tête des ventes finalisées ; la boutique Rivière arrive en tête après remboursements. Les deux classements peuvent provenir de requêtes valides. Précisez « Classe les clients par ventes finalisées moins remboursements du 1er avril au 30 juin 2026, en euros » si c’est la mesure attendue.
Vérifiez les tables et la période. Pour un chiffre important, faites confirmer que chaque remboursement est compté une fois et rattaché à la bonne période. Le guide de vérification distingue les contrôles métier et techniques.
Un exemple détaillé : le chiffre d’affaires mensuel, vérifié en quatre coups d’œil
L’exemple ci-dessous s’appuie sur les tables customers, orders et order_items d’un détaillant.
Question : « Affichez la valeur mensuelle des commandes terminées pour les six derniers mois calendaires complets, avant remboursements. »
En supposant tous les prix unitaires en EUR, voici une requête PostgreSQL :
SELECT
date_trunc('month', o.ordered_at) AS month,
SUM(oi.quantity * oi.unit_price) AS revenue
FROM orders AS o
JOIN order_items AS oi ON oi.order_id = o.order_id
WHERE o.status = 'completed'
AND o.ordered_at >= date_trunc('month', CURRENT_DATE) - INTERVAL '6 months'
AND o.ordered_at < date_trunc('month', CURRENT_DATE)
GROUP BY 1
ORDER BY 1;
Avant de conserver le graphique mensuel, examinez ces quatre choix :
- Quelles tables ? Le chiffre d’affaires a été calculé à partir de
ordersjointe àorder_items— des tables transactionnelles brutes. Si la définition du chiffre d’affaires de votre équipe vit dans un mart modélisé, cette réponse a utilisé une autre source, et la ligne des sources le dit avant que vous ne présentiez le chiffre. - Brut ou net ? La requête somme chaque ligne de commande des commandes terminées. Les remboursements ne sont pas déduits —
status = 'completed'ne dit rien des remboursements ultérieurs. C’est un chiffre brut, et seul le texte de la requête vous l’apprend. - Quelle fenêtre ? « Les 6 derniers mois » a été lu comme les six derniers mois calendaires complets, à l’exclusion du mois en cours, partiel. Défendable — mais si vous vouliez dire « en incluant le mois en cours », c’est aux deux bornes
date_truncque la différence se voit. - Quelle devise ?
unit_priceest sommé tel quel. Si le détaillant vend dans plusieurs devises, cela additionne silencieusement des euros et des dollars — un problème à résoudre par un filtre de devise ou une méthode de conversion convenue.
Les utilisateurs métier confirment définition et source ; les analystes examinent filtres, calcul et jointure. Retrouvez cette méthode dans comment vérifier les réponses d’une IA sur vos données.
Lire la requête côté métier et côté analyste
Ces deux lectures se complètent. Une responsable commerciale sait peut-être qu’une commande ne doit être comptée qu’après son expédition. L’analyste vérifie si status = 'completed' correspond à cet événement et si une commande peut être associée à plusieurs factures. Le nom du statut et la réussite de l’exécution ne suffisent pas à trancher. Consigner la définition retenue comme contexte du schéma et définitions métier permet à la question suivante d’en repartir.
Pour l’analyste qui étudie une variation, la requête exécutée permet de poursuivre l’analyse : isoler un segment, rapprocher un sous-total ou reproduire le calcul dans un éditeur SQL. Pour l’utilisateur métier qui prépare un rapport récurrent, le résultat utile est une table ou un graphique vérifié, consultable avec sa question et ses sources.
Si le chiffre diffère d’un tableau de bord existant, comparez les définitions, les dates d’actualisation et les droits d’accès. Une requête directe lit les données disponibles au moment de l’exécution ; elle ne complète pas un chargement amont et ne corrige pas une source périmée.
Les points à vérifier avant de choisir un outil
| Besoin | Ce qu’une démonstration doit montrer |
|---|---|
| Accès à la base | Une connexion avec les droits autorisés par le responsable de la base |
| Relecture SQL | La requête exécutée, ses filtres, ses limites et ses éventuelles corrections |
| Réutilisation | La réouverture d’un résultat, l’enregistrement d’un graphique et le fonctionnement de l’actualisation |
| Collaboration | Le parcours réel d’export ou de partage dans l’offre envisagée |
| Traitement des données | Ce qui est envoyé au modèle, conservé et soumis à des restrictions d’accès ; voir les contrôles de l’analytique IA en lecture seule |
| Travail des analystes | Une jointure réaliste, une limite de fuseau horaire et une métrique ambiguë du schéma |
Posez les mêmes questions aux fournisseurs évalués. Un éditeur SQL, un assistant BI et un service d’analytique conversationnelle peuvent tous proposer des requêtes en langage naturel, avec des usages différents pour le reporting et l’administration.
Comment évaluer un outil ?
Demandez une réponse à une question de votre choix, avec la requête exécutée visible. Modifiez une condition, par exemple l’exclusion des commandes annulées. Vérifiez que vous pouvez rouvrir la première réponse et retrouver sa source.
Comparez aussi les prérequis d’accès, les sources compatibles, la réutilisation des rapports et le partage. D’autres outils affichent également leur SQL. Le guide text-to-SQL explique la capacité sans supposer que tous les produits fonctionnent de la même façon.
Utiliser cette méthode dans Datarelix
Connectez une base que vous êtes autorisé à lire, posez votre question, puis ouvrez les informations de requête et de source. Enregistrez les graphiques utiles dans un tableau de bord actualisable à la demande. Résultats et historique sont conservés pour pouvoir les consulter ensuite.
Connexions, conversations et tableaux de bord restent privés au compte qui les a créés. Exportez un résultat ou un graphique pour le faire relire ; un tableau de bord enregistré n’est pas un espace partagé. Consultez les fonctionnalités et le traitement des données.
Suivez le démarrage rapide avec une question dont vous pouvez comparer la réponse à un rapport existant. Contrôlez l’interprétation avant d’utiliser le chiffre.