Aller au contenu
datarelix.ai docs

Qu’est-ce que Datarelix ?

Datarelix est un client de données assisté par IA qui transforme vos questions en langage naturel en requêtes SQL/KQL validées, avec une analyse Python en option.

Bases de données prises en charge

  • PostgreSQL
  • MySQL
  • Azure SQL / Synapse
  • Databricks SQL
  • Kusto (Azure Data Explorer, KQL)
  • BigQuery
  • Amazon Athena
  • Elasticsearch (ES|QL, 8.11+)
  • Snowflake
  • Files & Object Storage (DuckDB — Parquet, CSV, JSON, Excel, Delta)

Principales fonctionnalités

  • Questions en langage naturel : posez des questions comme « Quels ont été nos meilleurs clients le mois dernier ? »
  • Exécution validée : chaque requête générée est analysée et validée avant son exécution.
  • Analyse Python en bac à sable : graphiques, statistiques et transformations complexes dans un environnement d’exécution isolé — trafic sortant bloqué au niveau réseau, limites de ressources strictes.
  • Multi-dialecte : une seule interface pour vos bases de données, vos entrepôts, vos clusters de recherche et vos fichiers dans le cloud.
  • Connexion : e-mail et mot de passe pour démarrer ; le SSO et l’identité de base de données par utilisateur (On-Behalf-Of) sont disponibles pour les espaces de travail — voir Authentification.
  • API-first : chaque action de l’interface est un point de terminaison REST. Les clés programmatiques sont délivrées sur demande.
  • Entièrement géré : Datarelix exploite la couche d’exécution, les services de requêtes et le bac à sable — rien à installer ni à administrer.

Comment ça marche

  1. Connecter — ajoutez les identifiants de votre base de données (chiffrés au repos).
  2. Demander — posez une question en langage naturel.
  3. Planifier — le modèle renvoie un plan structuré, pas des appels d’outils directs.
  4. Exécuter — la couche d’exécution valide puis exécute chaque étape, sur votre base de données via un service de requêtes isolé, ou dans le bac à sable pour Python.
  5. Répondre — vous obtenez un résultat orienté artefacts : tableaux, graphiques et une courte explication, avec la provenance complète.

L’architecture en bref

Datarelix repose sur une frontière d’exécution stricte : le LLM n’exécute jamais d’outils directement.

User question
    ↓
Execution layer
    ↓
The model produces a structured plan
    ↓
The execution layer validates and runs each step
    ├─→ Isolated query services (one per engine, read-only)
    └─→ Sandbox (isolated Python runtime)
    ↓
Artifact-first result

Cette séparation implique que :

  • Les identifiants de connexion ne sont jamais placés dans le contexte du modèle : ils sont déchiffrés au moment de l’exécution uniquement, par un service de requêtes isolé.
  • Chaque requête générée est validée avant son exécution : les dialectes SQL sont analysés en arbre syntaxique complet ; KQL et ES|QL passent par des validateurs dédiés en lecture seule.
  • Le code d’analyse généré s’exécute dans un bac à sable isolé, sans accès réseau : le trafic sortant est bloqué au niveau réseau — un pare-feu, pas une vérification dans le code — sous des plafonds stricts de CPU et de mémoire.
  • Chaque exécution est entièrement inspectable, sous forme de trace étape par étape.

Pour en savoir plus, voir Concepts clés.

Pour commencer

Prêt à vous lancer ? Suivez le guide de démarrage rapide pour mettre Datarelix en place en quelques minutes.

Confidentialité