Requête en langage naturel sur des données SAP — schémas et limites du texte-vers-SQL
À jour au
Compare les trois systèmes réels de conversion langage naturel vers requête qu'un consultant rencontre dans un paysage SAP — Just Ask de SAP Analytics Cloud (utilisateur métier, 2024 Q1 QRC, modèles SAC + Datasphere, remplace search-to-insight), la génération SQL de Joule dans l'outillage développeur de SAP HANA Cloud (un assistant de codage produisant du SQL qu'un humain doit relire, pas une requête d'utilisateur métier), et Databricks Genie au sein de SAP Business Data Cloud (gouverné par Unity Catalog, avec des couches de configuration documentées : descriptions comme « déclarations de mission », synonymes/vocabulaire, dictionnaires de valeurs, fonctions de confiance). S'appuie sur les propres bonnes pratiques publiées par Databricks pour nommer les modes de défaillance partagés — périmètre ambigu, double comptage lié à la cardinalité des jointures, absence de banc de test — et donne un carnet de bord inter-plateformes en quatre règles : connaître le public, faire un banc de test avant de configurer, corriger la dérive de logique avec des fonctions de confiance, et toujours traiter le SQL généré capable d'écrire comme un brouillon relu. Trois exercices classent des questions réelles, construisent un jeu de banc de test et diagnostiquent un échec de jointure. S'appuie sur « Données prêtes pour l'IA — qualité, sémantique et traçabilité » et « La couche sémantique comme contexte pour un LLM » ; alimente « Embeddings et recherche vectorielle sur HANA Cloud à partir de données analytiques ».
Ce que vous apprendrez
- Aiguiller trois vraies questions client vers Just Ask, la génération SQL de Joule dans HANA Cloud ou un Genie Agent, et dire si le demandeur voit jamais du SQL
- Créer un Genie Agent avec le parcours Genie Agents → New → Configure → Data / Settings → Share, dans ses limites de 50 objets et 100 instructions
- Déclarer une jointure un-à-plusieurs et une expression SQL de confiance pour qu'une question sur la valeur d'en-tête renvoie 2 300 EUR au lieu de 5 100 EUR
- Rédiger la définition d'outil en six points pour un outil de requête appelable par un agent : public, rôle en lecture seule, schéma figé, SQL renvoyé, journal d'audit, benchmark joint
- Construire un benchmark de 20 questions avec vérité terrain et l'exécuter comme seuil de mise en production après chaque changement de configuration
- Distinguer les éléments de TechEd 2026 en GA par phases de ceux prévus au T1 2027 avant de les promettre dans un document de conception
Aperçu du module
À qui s'adresse ce module. Un client a vu une démo où quelqu'un tape une question et un graphique apparaît, et attend désormais que vous lui expliquiez précisément ce qui s'est passé entre les deux. Ce module compare les systèmes de requête en langage naturel que vous rencontrerez dans un paysage SAP — Just Ask de SAP Analytics Cloud, la génération SQL de Joule dans SAP HANA Cloud, et Databricks Genie dans SAP Business Data Cloud — et vous donne un parcours de clics Genie en six étapes, une méthode de benchmark à 20 questions et une liste de contrôle de définition d'outil en six points, utilisables dès lundi. Il prolonge « Données prêtes pour l'IA — qualité, sémantique et traçabilité » et « La couche sémantique comme contexte pour un LLM » ; les faits sur Genie proviennent de la documentation Databricks Genie consultée le 28 oct. 2026.
Prérequis
- La couche sémantique comme contexte pour un LLM ou connaissance pratique des modèles analytiques et de la conception de couche métier
- Données prêtes pour l'IA ou compréhension des métadonnées de catalogue, des termes de glossaire et du périmètre d'habilitation
- Familiarité avec SAP Analytics Cloud et, idéalement, une exposition à un environnement Databricks ou SAP Business Data Cloud
Acquis
- Orienter correctement le besoin de requête en langage naturel d'un client vers Just Ask, la génération SQL Joule ou Databricks Genie selon le public et le risque.
- Configurer (ou spécifier pour l'équipe d'un client) les couches de métadonnées qu'un système texte-vers-SQL lit réellement, pas le libellé du prompt.
- Construire et défendre un jeu de questions de banc de test comme base pour juger tout changement de configuration.
- Énoncer et faire appliquer la règle de relecture humaine pour tout SQL généré capable d'écrire des données.
Module complet avec le palier Consultant — 19,90 €/mois. Le module complet ajoute : le cadre de décision · le cas guidé de bout en bout · la grille de KPI · les anti-patterns · les blocs de code · le contrôle de connaissances · les schémas.
Missions ouvertes
offres d'emploi et missions SAP analytics · missions freelance SAP.