Contrôle d’accès d’un agent IA à une base de données relationnelle [2/2]

Introduction Ceci est la seconde partie d'un article qui présente une approche permettant de contrôler la manière dont un agent IA (de type Claude ou ChatGPT) accès à une source de données d'entreprise, par exemple une base de données relationnelle. Dans la première partie, je discutais du besoin qu'ont les entreprises à s'assurer un tel … Lire la suite de Contrôle d’accès d’un agent IA à une base de données relationnelle [2/2]

Contrôle d’accès d’un agent IA à une base de données relationnelle [1/2]

Brancher un agent IA sur une base de données, c'est l'affaire d'une après-midi. Un serveur MCP, une chaîne de connexion, et le voilà qui répond à « combien de commandes cette semaine? ». Reste une question moins amusante: quel badge remet-on à ce nouvel employé? Élément de réponse avec un POC qui intègre LLM, bases de données, et politiques d'accès.

Enrichissement sémantique de données relationnelles pour du LLM

Comme toute jeune recrue brûlant de faire ses preuves, un LLM doit avant tout s'intégrer dans l'entreprise qui l'exploite. Dans le monde moderne, cela signifie avant tout de savoir accéder à la bonne information au bon moment. Et c'est là que le bas blesse: si la donnée est abondante (ça fait des années qu'on enregistre tout et n'importe quoi), si son accès tend à se standardiser (API, MCP et autres acronymes offrent un cadre d'échange presque universel), un LLM bute encore sur la sémantique nécessaire à la transformation de la donnée en information. Autrement dit, il ne suffit pas de brancher votre IA à votre base de données, encore faut-il lui expliquer le sens de ce qu'elle observe pour espérer qu'elle puisse en faire bon usage lors de vos sessions d'utilisation.