Qu'est-ce que l'intelligence schématique dans Nova AI ?

Schema Intelligence est le système d'apprentissage automatique des bases de données de Nova AI. Il exécute un pipeline en cinq phases qui analyse le catalogue de votre base de données, profile les valeurs des données, découvre les relations entre les tables, génère des descriptions basées sur l'IA pour chaque table et colonne, et stocke les résultats sous forme de connaissances persistantes. Cette compréhension pré-acquise permet à Nova de générer des requêtes SQL précises et validées, directement applicables à votre schéma réel.

Schema Intelligence fonctionne-t-il avec tous les types de bases de données ?

Schema Intelligence prend en charge 9 dialectes SQL : PostgreSQL, MySQL, SQL Server, MariaDB, SQLite, Oracle, Snowflake, BigQuery et DuckDB. Il est également compatible avec les connecteurs d’API (Stripe, Shopify, HubSpot, Google Analytics 4, Google Search Console, ShipStation) grâce à l’analyse des tables DuckDB qui stockent les données d’API synchronisées.

Combien de temps dure le processus d'apprentissage des schémas ?

La capture du catalogue de schémas (phase 1) s'effectue généralement en moins de 3 secondes pour les bases de données contenant jusqu'à 200 tables. Le pipeline complet en 5 phases, incluant l'échantillonnage des données et l'enrichissement LLM, prend de 1 à 5 minutes selon la taille de la base de données. Nova traite jusqu'à 10 tables simultanément pour une vitesse optimale.

Mes données sont-elles en sécurité pendant l'analyse de schéma ?

Oui. L'agent Query Streams s'exécute sur votre réseau et gère l'échantillonnage des données en local. Seules les métadonnées de schéma agrégées (noms des tables, types de colonnes, distributions des valeurs et mappages des relations) sont transmises à l'IA. Les données brutes ne quittent jamais votre infrastructure. L'agent utilise des connexions chiffrées sortantes uniquement, sans nécessiter de modifications de ports entrants ni de pare-feu.

Quels sont les modes d'apprentissage de Nova ?

Nova propose quatre modes d'apprentissage configurables par base de données : Automatique (exécute automatiquement le pipeline complet dès la connexion), Assisté (demande une confirmation avant l'analyse), Manuel (déclenché table par table via les boutons d'analyse) et Désactivé (désactive complètement l'intelligence du schéma). La plupart des utilisateurs commencent par le mode Automatique.

Schema Intelligence peut-il détecter les relations qui ne sont pas déclarées comme clés étrangères ?

Oui. La phase 3 du pipeline cible spécifiquement la détection des clés étrangères implicites. Elle analyse les noms de colonnes, les types de données et les chevauchements de valeurs afin d'identifier les relations non déclarées entre les tables. Ceci est crucial car de nombreuses bases de données en production présentent des relations qui existent en pratique mais qui ne sont pas formellement déclarées comme des contraintes de clé étrangère.

Comment Schema Intelligence améliore-t-elle la précision des requêtes SQL ?

Schema Intelligence empêche les noms de colonnes erronés en vérifiant chaque référence par rapport à votre schéma réel. Il garantit l'exactitude des valeurs de filtre grâce au profilage des données, établit des chemins de jointure précis via la découverte des relations, génère une syntaxe adaptée au dialecte de votre moteur de base de données et valide chaque requête par vérification syntaxique SQLGlot avant son exécution.

Schema Intelligence fonctionne-t-il avec les sources de données API ?

Oui. Lorsque vous connectez un connecteur API comme Stripe, Shopify ou HubSpot via Query Streams, les données sont synchronisées dans des tables DuckDB locales. Schema Intelligence analyse ces tables DuckDB comme n'importe quelle autre base de données, en apprenant la structure des tables, les types de colonnes et les modèles de valeurs afin que Nova puisse générer des requêtes SQL précises à partir de vos données API.