SQL sans analystes : comment ecom.tech a forcé les LLM locaux à écrire les requêtes

Chaque fois qu'un manager a besoin des données de ventes du jeudi dernier, quelque part dans le monde un analyste se désole. Chez ecom.tech, ils ont décidé d'en finir. Au lieu de submerger le département d'analyse de tickets identiques, l'équipe a construit un système où les requêtes SQL sont écrites par un réseau de neurones local. C'est une histoire classique sur la façon dont l'automatisation sauve les gens du burnout et les entreprises des pertes de temps inutiles.

Soyons honnêtes : SQL est le latin des affaires modernes. Tout le monde sait qu'il existe, mais rares sont ceux qui le parlent. Autrefois, le chemin allant de la question « combien avons-nous vendu ? » à l'obtention d'une réponse prenait des heures, voire des jours. Un analyste devait interrompre ses recherches approfondies et sa quête d'insights pour écrire une énième requête basique. Ce n'est pas juste inefficace—cela tue la motivation professionnelle, transformant les gens en interfaces vivantes aux bases de données. L'équipe d'ecom.tech a réalisé que ce processus était un candidat idéal pour l'optimisation avec LLM.

Pourquoi spécifiquement des modèles locaux ? On pourrait croire qu'il suffit de connecter l'API d'OpenAI ou d'Anthropic et c'est réglé. Mais aucun département de sécurité compétent chez un grand détaillant ne permettrait d'envoyer la structure de la base de données, les noms de tables et les métriques métier sensibles vers des serveurs externes. C'est pourquoi ecom.tech a emprunté le chemin complexe mais juste des solutions auto-hébergées. Cela exige plus de ressources informatiques au départ, mais le département juridique dort tranquille et les données ne quittent jamais le périmètre de l'entreprise.

Techniquement, c'est un pont intelligent entre le langage humain et la syntaxe rigide des bases de données. Le modèle reçoit une description du schéma de données et la question de l'utilisateur, et génère du code prêt à l'emploi. Bien sûr, ce n'est pas de la magie, et les réseaux de neurones se trompent parfois.

Cependant, même si l'IA produit un code correct dans la plupart des cas, c'est déjà une économie massive de ressources. ecom.tech a mis en place un système qui permet de vérifier les requêtes et d'affiner le modèle sur les scénarios spécifiques de l'entreprise.

Les autres cas complexes qui nécessitent une compréhension approfondie de la logique métier restent à la charge des humains, mais leur nombre a été drastiquement réduit.

Qu'est-ce que cela change pour l'industrie dans son ensemble ? Nous assistons à une véritable tendance vers la démocratisation des données. Auparavant, l'accès aux chiffres était un privilège réservé à ceux qui savaient coder ; maintenant, le seuil d'entrée baisse au niveau de la capacité à articuler clairement ses pensées. Cela libère les analystes du rôle de « chercheurs de données » et les ramène au rôle de stratèges. Maintenant, ils configurent des systèmes et surveillent la qualité des données au lieu de passer 80% de leur temps à écrire des sélections basiques.

Le point clé : l'analyste en tant que « traducteur de l'humain à l'ordinateur » devient progressivement obsolète. L'avenir appartient à ceux qui savent construire de tels systèmes en libre-service. Les modèles locaux parviendront-ils à évincer complètement le SQL manuel dans les prochaines années ?