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
ServiceNow prépare AI Passport pour contrôler les droits d’accès des agents IA
SServiceNow annonce AI Passport, un justificatif d’autorisation signé cryptographiquement destiné à encadrer les agents IA et les serveurs MCP pendant l’exécution des workflows. Sa disponibilité est prévue au quatrième trimestre 2026.[1] L’image du badge numérique...
SAP veut acquérir TechWolf pour relier tâches, compétences et transformation des métiers
SSAP annonce un accord pour acquérir TechWolf, une plateforme d’IA qui relie les tâches, les compétences et les évolutions du marché du travail. La clôture est attendue au quatrième trimestre 2026, sous réserve notamment des autorisations réglementaires.[1]...
ServiceNow veut faire de l’amélioration des processus une boucle continue pilotée par l’IA
AAvec AI Workflow Factory, ServiceNow propose de relier l’identification des processus inefficaces à la construction et à l’exploitation de leurs améliorations. L’annonce associe notamment Autonomous Engineer, un outil destiné à automatiser davantage le travail...
Mistral Large 4 : ce que son modèle de 1 000 milliards de paramètres peut changer pour les entreprises
MMistral ouvre la préversion publique de Mistral Large 4, surnommé « Le Chonk », et prévoit de publier ses poids d’ici la fin du mois.[1] Ce modèle européen vise notamment les usages agentiques, la cybersécurité, la finance et l’industrie. Pour les entreprises,...
IBM Bob : développer avec l’IA sans faire sortir son code de l’entreprise
IIBM annonce une version auto-hébergée de Bob, sa plateforme de développement agentique, pour les infrastructures internes, les clouds privés ou souverains et les environnements isolés d’Internet.[1] Cette possibilité répond à un obstacle concret : certaines...
OpenShift change de socle : ce que les entreprises doivent vérifier avant RHCOS 10
RRed Hat prévoit de faire de RHEL CoreOS 10 (RHCOS 10) le système par défaut des nouvelles installations OpenShift au quatrième trimestre 2026. RHCOS 9 restera disponible pour les versions récentes au moins jusqu’à mi-2027.[1] Pour les entreprises, cette transition...
HPE prépare un réseau qui anticipe les incidents et automatise certaines interventions
HPE prévoit de déployer un Self-Driving Network pour la Ryder Cup 2027, avec du Wi-Fi 7 et un centre opérationnel réunissant données et outils d’IA.[1] L’objectif annoncé est de surveiller les usages, d’adapter le réseau et de progresser vers des interventions...
Votre agent IA sait-il vraiment défendre votre entreprise ? Hack The Box met ses compétences à l’épreuve
Hack The Box lance AI Range Enterprise Edition pour permettre aux équipes de sécurité d’évaluer leurs propres agents IA sur les rôles qui leur sont confiés.[1] Pour les entreprises, l’enjeu est concret : disposer de preuves avant de déléguer une mission, puis vérifier...
Ericsson permet aux entreprises de reprendre la main sur la gestion de leurs réseaux 5G
Ericsson annonce NetCloud Private, une offre qui permet d’héberger la gestion de ses équipements Wireless WAN dans un environnement contrôlé par le client. Sa disponibilité générale mondiale est prévue pour octobre 2026.[1] Pour les entreprises, l’enjeu est de choisir...
VAST Data veut permettre à l’IA d’exploiter les données sensibles dans un environnement protégé
VAST Data présente DataEnclave, une capacité d’exécution confidentielle destinée à rapprocher les modèles d’intelligence artificielle des données sensibles des entreprises. Présentée en avant-première, elle doit être commercialisée au premier trimestre 2027.[1]...
