Publié le 5 novembre 2025 à 02h15. Les entreprises s’apprêtent à exploiter plus facilement les données de leurs bases grâce à de nouveaux outils d’intelligence artificielle capables de traduire le langage naturel en requêtes SQL, réduisant ainsi la dépendance aux experts en codage.
- Des géants de la technologie comme Oracle, Microsoft et Google développent des logiciels capables de transformer des questions formulées en langage courant en code SQL pour interroger les bases de données.
- Cette technologie, dite NL2SQL, promet d’accélérer l’accès à l’information pour les utilisateurs non techniques, notamment dans l’analyse des données clients, des ventes et des produits.
- Si le potentiel est immense, les entreprises devront veiller à une mise en œuvre soignée pour maîtriser les coûts et garantir la précision des résultats.
Fini le temps où l’extraction d’informations pertinentes des bases de données nécessitait l’intervention d’analystes maîtrisant le langage SQL. Une nouvelle vague d’outils logiciels, propulsés par de grands modèles de langage (LLM), promet de démocratiser l’accès aux données en traduisant les requêtes formulées en langage naturel en code SQL exécutable. Cette avancée pourrait transformer la manière dont les entreprises exploitent leurs informations, en permettant une analyse plus rapide et plus accessible.
Oracle, Microsoft, Google, IBM, Amazon Web Services, Snowflake, Databricks et Teradata sont déjà sur le coup, développant leurs propres versions de ce logiciel, baptisé NL2SQL (Natural Language to SQL). La recherche académique s’intéresse également de près à cette technologie prometteuse.
L’intelligence artificielle générative a déjà révolutionné la façon dont nous interagissons avec les données non structurées – documents, PDF, e-mails, réseaux sociaux – en les rendant plus lisibles et accessibles grâce à des recherches basées sur la compréhension du sens plutôt que sur de simples mots-clés. Elle s’apprête désormais à faire de même avec les tables de bases de données relationnelles, qui renferment des informations cruciales sur les ventes, les clients, les employés et les opérations des entreprises. Grâce aux requêtes générées par NL2SQL, les managers et leurs équipes pourraient ainsi identifier plus facilement les moteurs de croissance dans une région spécifique, cibler les consommateurs fortunés dans une zone géographique donnée ou comprendre les raisons d’une baisse d’utilisation d’une application.
« Les clients devront planifier et exécuter ces programmes avec soin. »
Richard Hiver, PDG de WinterCorp
L’adoption de cette technologie ne se fera cependant pas sans précautions. Les entreprises devront notamment surveiller les coûts liés au cloud computing, qui pourraient augmenter avec le nombre croissant de requêtes adressées aux LLM. L’intégration des différents silos de données et la nécessité de disposer de plateformes d’analyse évolutives capables de traiter des volumes massifs de transactions seront également des défis à relever.
« Cette technologie va être largement adoptée, et le nombre de personnes accédant aux données va considérablement augmenter », explique Richard Winter, PDG du cabinet de conseil WinterCorp, spécialisé dans l’évaluation des bases de données. « Il ne s’agit pas d’une solution miracle qui résoudra tous les problèmes. Les clients devront planifier et exécuter ces programmes avec soin. »
Amélioration de la précision et de l’efficacité
Les LLM peuvent être déroutés par des questions imprécises ou ambiguës. Dans les grandes entreprises disposant de milliers de tables de bases de données, ils ne sélectionnent pas toujours les tables appropriées pour répondre à une requête. Les requêtes complexes générées par l’IA, impliquant des jointures de tables volumineuses, peuvent également ralentir les performances et compromettre l’exactitude des résultats. Il est donc possible qu’un nombre croissant d’utilisateurs non techniques génèrent des requêtes complexes nécessitant la collecte de données provenant de sources diverses.
Pour améliorer la précision et l’efficacité, les fournisseurs de solutions NL2SQL et leurs clients mettent en œuvre différentes stratégies. Ils enrichissent les LLM de métadonnées plus complètes pour faciliter la compréhension des relations entre les tables de bases de données et des indicateurs clés de performance (KPI) importants pour l’entreprise. Ils ajoutent également des fonctionnalités permettant aux utilisateurs de fournir des exemples concrets de requêtes SQL correctes, afin d’aider les modèles d’IA à s’améliorer.
Oracle et d’autres fournisseurs imposent des limites à la quantité de données transmises aux LLM, afin de contrôler les coûts d’inférence (les fournisseurs de modèles facturent en fonction des données téléchargées et renvoyées). Cette année, les agents d’IA NL2SQL seront capables de réexaminer les réponses potentiellement inexactes et de générer du code pour identifier les données manquantes lors de la première requête.
De la BI à l’IA
NL2SQL représente la dernière étape d’une longue évolution visant à rendre les données d’entreprise plus accessibles aux dirigeants et aux employés. Des tableurs des années 1980 aux rapports formatés et aux tableaux de bord colorés de l’ère de la business intelligence (BI) des années 2000, les entreprises ont toujours cherché des moyens de transformer les données brutes en informations exploitables.
Aujourd’hui, les informations d’entreprise sont dispersées dans des bases de données relationnelles, des entrepôts de données et des systèmes non relationnels, notamment des data lakes dans le cloud. NL2SQL et d’autres requêtes basées sur l’IA conduiront à une explosion du nombre d’utilisateurs ayant un accès direct aux données de l’entreprise – potentiellement un facteur 10, voire plus, par rapport à l’ère de la BI, estime Winter. La pression exercée sur les équipes informatiques et les métiers ne fera qu’augmenter, à mesure que les agents d’IA basés sur les LLM récupèrent automatiquement les données des applications d’entreprise.
« Les bases de données connaissent un essor considérable, et il y en a beaucoup derrière chaque processus », déclare Carsten Binnig, professeur d’informatique à l’Université technique de Darmstadt en Allemagne, qui étudie les moyens d’améliorer la précision des systèmes de traduction texte-SQL. « Grâce aux bases de données, nous pouvons traiter des pétaoctets de données en un temps record. La traduction texte-SQL nous offre un moyen de démocratiser l’accès aux données, y compris pour les utilisateurs non techniques. » Cependant, des défis subsistent, notamment la gestion de requêtes, de données et de schémas complexes, typiques des grandes entreprises, souligne Binnig.
Un système développé par son équipe à la TU Darmstadt, appelé HLR-SQL, utilise des modèles de raisonnement – un type de LLM entraîné à planifier sa sortie par étapes logiques – pour composer des requêtes SQL de manière incrémentielle pour des bases de données comportant de nombreuses tables. Un autre système, appelé CAESURA, peut interroger non seulement des tableaux, mais également des images et du texte, ce qui est utile dans des scénarios médicaux où les requêtes couvrent des informations tabulaires sur les patients et des rapports textuels de médecins.
Le Massachusetts Institute of Technology, l’Université de Californie à Berkeley et l’Université de Stanford développent également des systèmes qui combinent des tableaux avec d’autres types de données.
Un contrôle plus précis des requêtes
Les modèles d’IA générant du SQL ne sont pas encore capables de permettre aux managers de dicter des questions sur leur téléphone et d’obtenir des mises à jour instantanées. Les systèmes d’IA peuvent se tromper sur les colonnes, les tables et les vues de données dynamiques aux noms ambigus, et ils ont tendance à renvoyer une réponse même s’ils n’ont pas trouvé la bonne, explique Brad Shimmin, analyste chez le cabinet de conseil informatique Futurum. « Le plus grand défi de ces outils est de savoir si la réponse est non seulement un code SQL valide, mais surtout, si elle est correcte. »
Le test BIRD-SQL pour le SQL généré par LLM, avec un ensemble de données couvrant une trentaine de domaines professionnels, montre que les cinq meilleurs modèles d’IA atteignent une précision de 76 % à 82 %, contre 93 % pour le code écrit par des ingénieurs et des étudiants en informatique. Les meilleurs modèles de Yale atteignent une précision de 84 % à 91 %.
Pour améliorer la précision, les entreprises utilisent des techniques qui leur permettent de contrôler plus finement les requêtes. Elles transmettent des métadonnées aux modèles pour décrire la terminologie métier absente des tables, et les aident à comprendre le schéma des grandes bases de données et à mieux joindre les tables pour répondre aux questions.
Les métadonnées peuvent également mettre en évidence les KPI qui intéressent l’entreprise, en extrayant des informations pertinentes pour la question d’un utilisateur au moment de l’inférence à l’aide de la génération augmentée par récupération (RAG). Cela permet au logiciel NL2SQL d’adapter les réponses en fonction de la nature de la question (par exemple, questions sur l’expédition ou la gestion des clients), explique Sanket Jain, architecte d’Oracle Autonomous AI Database Select AI, un outil logiciel qui permet aux clients d’Oracle Autonomous AI Database de transformer des requêtes écrites en langage courant en code SQL.
Les utilisateurs techniques peuvent ajuster les résultats des modèles d’IA à partir d’une fenêtre d’invite, en téléchargeant des descriptions sur la façon de produire de meilleures réponses, voire des exemples de SQL correct pour joindre des tables ou effectuer d’autres opérations. Ces exemples peuvent être stockés sous forme de vecteurs ou de tableaux de nombres représentant des concepts, pour être utilisés dans des requêtes futures.
Cette approche évite les coûts liés à la modification du modèle sous-jacent et permet de contrôler la quantité d’informations envoyées aux LLM, ce qui permet de maîtriser les coûts des API, explique Jain. « Le coût de l’IA est une préoccupation majeure pour la plupart des utilisateurs », souligne-t-il.
« Le coût de l’IA est une préoccupation majeure pour la plupart des utilisateurs. »
Sanket Jain, architecte Select AI, Oracle
Oracle prévoit de permettre aux clients de Select AI de limiter le nombre horaire de jetons (ou de fragments de mots) qu’un LLM traite, par profil d’employé, afin de contrôler les coûts pour les utilisateurs intensifs.
Les agents d’IA – alimentés par les LLM, assistants logiciels flexibles intégrés aux logiciels d’entreprise – améliorent également les outils NL2SQL. Par exemple, un agent pourrait détecter qu’une requête donne une réponse improbable ou inexistante en raison de données imprécises ou manquantes. Un agent d’IA pourrait alors écrire du code SQL pour interpréter les valeurs d’un tableau (par exemple, transformer les codes numériques internationaux des pays en noms de pays) afin de produire une réponse correcte en quelques secondes supplémentaires.
Les organisations informatiques peuvent créer des fonctionnalités similaires avec des frameworks d’agents, tels que LangGraph et CrewAI. Oracle a également publié Select AI Agent, un framework pour construire et gérer des agents à partir de la base de données Oracle Autonomous AI en utilisant PL/SQL et Python.
Des milliards de transactions
Alors que les entreprises envisagent d’ajouter NL2SQL à leur arsenal, ou d’étendre son utilisation des scientifiques de données aux managers, elles devront évaluer si leurs infrastructures de bases de données et leurs politiques de gouvernance sont à la hauteur.
Dans les grandes entreprises de vente au détail, de télécommunications et bancaires, comptant des dizaines de millions de clients et des milliards de transactions, l’exécution de requêtes sur le marché ou les modèles d’achat pourrait signifier que tous les enregistrements correspondants ne rentrent pas dans la mémoire cache des processeurs, obligeant le système à récupérer à plusieurs reprises les données du disque et entraînant des problèmes de performances, explique le consultant Winter. « Les requêtes impliquant de grands ensembles de données des deux côtés de la jointure posent problème », précise-t-il. « Si vous devez accéder au disque une seule fois pour répondre à une question, ce n’est pas grave. Si vous devez y accéder un million de fois, c’est un problème. »
Certaines entreprises ayant des besoins de données particulièrement importants ajoutent des couches de stockage cloud à leurs data lakes dans des formats dits de table ouverte, tels que Apache Iceberg, ce qui améliore les performances des requêtes et les capacités de gestion des données. Le stockage des données dans des tables ouvertes peut permettre aux entreprises de préparer plus facilement le terrain pour l’ajout de moteurs de requête optimisés pour les charges de travail IA et NL2SQL dans les années à venir, sans avoir à convertir leurs données existantes.
Les entreprises mettent également en place des contrôles sur les informations que les requêtes de bases de données générées par l’IA peuvent montrer aux différents utilisateurs. Par exemple, Oracle Select AI peut limiter les tables auxquelles les utilisateurs peuvent accéder en fonction de leur rôle organisationnel et de leur niveau d’ancienneté.