Oracle veut rapprocher les utilisateurs métiers de leurs données
Interroger une base de données d’entreprise nécessite traditionnellement de connaître sa structure et de maîtriser SQL, ce qui laisse souvent les équipes métiers dépendantes des analystes ou des spécialistes data pour obtenir une information précise. Oracle veut réduire cette barrière avec Enterprise AI NL2SQL, une fonctionnalité d’OCI Generative AI capable de transformer une question formulée en langage naturel en requête SQL adaptée aux données de l’organisation.¹ Début septembre 2026, Oracle a mis en avant plusieurs améliorations importantes du service : sélection du modèle d’IA, enrichissement planifié des métadonnées et génération SQL en arrière-plan.² L’objectif n’est donc plus simplement de convertir une phrase en quelques lignes de SQL, mais de construire un système capable de comprendre progressivement la structure et le vocabulaire des bases de données d’entreprise afin de générer des requêtes plus pertinentes dans des environnements complexes.
Le NL2SQL ne traduit pas seulement les mots, il doit comprendre le métier
La difficulté du NL2SQL apparaît dès qu’une question utilise le vocabulaire propre à l’entreprise. Lorsqu’un responsable demande par exemple « Quels sont nos cinq produits les plus vendus le mois dernier ? », le système doit identifier les tables pertinentes, comprendre quelles colonnes représentent les produits et les ventes, retrouver les relations entre ces objets puis construire la requête correspondante. Oracle s’appuie pour cela sur un semantic store, enrichi à partir des métadonnées de la base et capable de relier les termes métier aux tables, colonnes et jointures appropriées.¹ Les commentaires, annotations et synonymes définis dans la base peuvent également contribuer à cet enrichissement. Cette couche sémantique est fondamentale : sans elle, un LLM pourrait produire une requête SQL syntaxiquement correcte mais reposant sur une mauvaise interprétation du schéma ou du vocabulaire de l’organisation.
Oracle laisse désormais choisir le modèle qui génère le SQL
L’une des principales nouveautés est la sélection du modèle. Enterprise AI NL2SQL permet désormais de choisir un modèle Generative AI disponible à la demande dans la région OCI concernée, aussi bien pour enrichir le semantic store que pour certaines requêtes individuelles de génération SQL.¹ En l’absence de sélection, Oracle utilise OpenAI gpt-oss-120b comme modèle par défaut et précise que celui-ci a été spécifiquement benchmarké pour NL2SQL, tandis que les autres modèles disponibles doivent être évalués par l’entreprise sur ses propres schémas et workloads avant un passage en production. Cette liberté permet aux équipes de comparer plusieurs approches selon leurs priorités, qu’il s’agisse de précision, de performances ou d’autres contraintes opérationnelles, plutôt que de dépendre d’un seul LLM pour tous les environnements data.
Le semantic store peut maintenant rester synchronisé avec la base
Une architecture NL2SQL perd rapidement de son intérêt si sa compréhension de la base devient obsolète. Oracle introduit donc un enrichissement planifié permettant de rafraîchir automatiquement les métadonnées du semantic store selon un intervalle défini, avec un minimum de six heures.¹ L’API permet également d’effectuer des rafraîchissements delta afin de mettre à jour uniquement les objets de base de données qui ont changé depuis le dernier enrichissement. Cette évolution est particulièrement importante dans les environnements où de nouvelles tables apparaissent, où les schémas évoluent ou lorsque les équipes enrichissent régulièrement les métadonnées métier. Plutôt que de considérer la couche sémantique comme une photographie figée du système d’information, Oracle cherche ainsi à en faire une représentation capable d’évoluer avec les bases qu’elle décrit.
Les requêtes complexes peuvent désormais être générées en arrière-plan
Oracle améliore également le traitement des demandes qui nécessitent davantage de temps. Une requête NL2SQL susceptible de dépasser le timeout habituel du client peut être envoyée comme background job : l’application reçoit alors un identifiant permettant de suivre l’état du traitement, puis récupère le SQL lorsque la génération est terminée.¹ Ce mode est disponible via les API, SDK et CLI, mais pas directement dans la console OCI. L’évolution peut sembler technique, mais elle devient importante lorsque NL2SQL est intégré dans des applications ou des agents qui doivent travailler sur des schémas complexes et poursuivre leur workflow sans bloquer toute l’interface pendant la génération. Oracle rapproche ainsi NL2SQL d’une véritable brique applicative pouvant être orchestrée dans des processus data plus larges.
Rendre le SQL invisible ne fait pas disparaître la gouvernance
La simplicité apparente d’une question en langage naturel ne signifie cependant pas que l’utilisateur obtient automatiquement un accès illimité à la base. Oracle distingue clairement la génération et l’exécution : Enterprise AI NL2SQL produit le SQL, mais l’opération GenerateSqlFromNl ne l’exécute pas directement.¹ Lorsque l’exécution est nécessaire dans un workflow agentique, le Database Tools MCP Server intervient séparément et applique les permissions de l’utilisateur ainsi que les garde-fous définis sur la base. Oracle recommande notamment de séparer la connexion utilisée pour enrichir le semantic store de celle utilisée pour les requêtes, cette dernière pouvant être configurée avec des privilèges plus limités. Pour les DSI, cette séparation est essentielle : démocratiser l’accès à la data ne doit pas conduire à contourner les mécanismes d’identité et d’autorisation déjà présents dans le système d’information.
La Gestion des données devient aussi une question de langage métier
Cette évolution transforme directement la Gestion des données. Si davantage d’utilisateurs peuvent interroger les bases sans écrire eux-mêmes du SQL, la qualité du semantic store, des métadonnées et des définitions métier devient encore plus stratégique. Une colonne mal documentée, deux indicateurs portant des noms similaires ou une définition ambiguë du chiffre d’affaires peuvent conduire l’IA à construire une requête qui semble cohérente tout en répondant à une question différente de celle réellement posée. Les équipes data devront donc continuer à structurer les schémas, documenter les objets, contrôler les permissions et tester la précision des requêtes générées. Le NL2SQL ne supprime pas ces compétences, il augmente au contraire la valeur d’une data correctement gouvernée et compréhensible par les machines.
L’accès à la data pourrait progressivement devenir conversationnel
Les améliorations apportées par Oracle montrent finalement comment l’IA générative commence à modifier l’interface entre les collaborateurs et les systèmes de données. Demain, un responsable commercial pourrait demander directement les produits dont les ventes reculent, un responsable financier comparer plusieurs périodes ou un agent IA récupérer une information structurée avant de poursuivre automatiquement son workflow. Enterprise AI NL2SQL est d’ailleurs conçu pour les scénarios agentiques nécessitant un accès aux données structurées de l’entreprise.³ Mais cette facilité d’utilisation ne signifie pas que SQL disparaît : il devient progressivement une couche intermédiaire générée par l’IA, tandis que les professionnels de la data restent responsables de la structure, de la qualité, des permissions et de la fiabilité des informations sur lesquelles reposent les réponses.
L’Actu IT à 360° — décrypter la technologie pour comprendre les métiers de demain.
Références
1. Oracle. (2026). Model Selection, Scheduled Enrichment, and Background SQL Generation Available for Enterprise AI NL2SQL.
https://docs.oracle.com/en-us/iaas/releasenotes/generative-ai/nl2sql-model-selection-background-generation.htm
2. Oracle. (2026). What's New in Oracle AI? September 2026 Edition.
https://blogs.oracle.com/ai-and-datascience/whats-new-in-ai-september-2026-edition
3. Oracle. (2026). Enterprise AI NL2SQL Quick Start Guide.
https://docs.oracle.com/en-us/iaas/Content/generative-ai/nl2sql.htm
4. Oracle. (2026). Permissions for Using and Managing Semantic Stores for NL2SQL.
https://docs.oracle.com/en-us/iaas/Content/generative-ai/semantic-store-permissions.htm
Salesforce veut acquérir Loops pour aider Tableau à expliquer les variations des KPI
Salesforce annonce un accord définitif pour acquérir Loops, une plateforme analytique fondée sur l’IA, avec l’intention d’intégrer sa technologie à Tableau après la clôture.[1] L’objectif est de surveiller les indicateurs et de faire ressortir les facteurs associés à...
Cisco et NVIDIA préparent des connexions optiques à 400 Gb/s par voie pour les infrastructures IA
Cisco et NVIDIA annoncent un projet de format optique enfichable USFP, capable de prendre en charge 400 Gb/s par voie. Cisco présente aussi la puce de commutation Silicon One G302, à 51,2 Tb/s.[1] Ces annonces répondent à un enjeu des infrastructures IA : les...
Une nouvelle année commence chez CCCLX !
Le campus de Paris-Villejuif accueille les étudiants de CCCLX pour une nouvelle année d’apprentissages, de projets et d’expériences au cœur de l’IT à 360°.
VMware HyperArmor renforce la protection de l’hyperviseur contre les cyberattaques
Broadcom présente VMware HyperArmor, une solution destinée à protéger l’hyperviseur ESX de VMware Cloud Foundation, avec une prise en charge annoncée d’ESX 8.x et des versions ultérieures.[1] L’enjeu dépasse la sécurité d’une application : l’hyperviseur constitue un...
Microsoft Oracle et Marvell veulent intégrer un coffre-fort cryptographique aux serveurs
Marvell, Microsoft et Oracle annoncent un groupe de travail au sein de l’Open Compute Project pour définir des spécifications ouvertes de HSM intégré au serveur. Le projet vise le niveau FIPS 140-3 Level 3.[1] Derrière cette annonce matérielle se trouve un enjeu...
Workday veut rendre ses agents accessibles depuis Claude Copilot Gemini Teams et Slack
Workday annonce l’extension de Sana, son expérience agentique et moteur d’orchestration, aux outils conversationnels utilisés par les salariés.[1] L’ambition est de permettre des opérations RH et financières depuis ces points d’entrée. Pour les entreprises, la...
SolarWinds Avior les équipes IT fixent les objectifs et les agents coordonnent les actions
SSolarWinds lance Avior, un système d’IA agentique conçu pour poursuivre des objectifs opérationnels dans les environnements IT hybrides. Disponible depuis le 14 octobre dans le cadre d’un accompagnement au démarrage, il associe des agents spécialisés à des mécanismes...
GitHub renforce la détection et la correction des failles avec AI Scan et Agentic Autofix
GGitHub annonce la disponibilité générale d’AI Scan for pull requests et d’Agentic Autofix pour les alertes de code scanning.[1][2] Ces fonctions rapprochent l’assistance IA du travail de sécurisation du code. Elles interviennent toutefois sur des périmètres...
Cloudflare rend la sécurité web programmable avec Workers
CCloudflare rapproche sa passerelle web sécurisée de sa plateforme de développement Workers. Avec Forward, disponible en bêta publique, les entreprises peuvent ajouter du code au traitement de certaines requêtes HTTP autorisées.[2] Pour les équipes IT, cette...
Palo Alto Networks renforce la sécurité des agents IA autour de Claude Enterprise
PPalo Alto Networks présente plusieurs évolutions de Prisma AIRS : protection des interactions avec Claude Enterprise, analyse des composants utilisés par les agents et contrôle des échanges avec leurs outils.[1] L’enjeu est concret pour les entreprises : éviter qu’un...
