Analyste de données IA
Aucun signal quand
le chiffre est faux.
Un analyste conversationnel produit toujours quelque chose de plausible — juste ou faux, ça se lit pareil. SQAI est l'analyste de données IA conçu à l'inverse : un moteur déterministe calcule chaque chiffre, et chaque chiffre porte le hash permettant de le rejouer.
Le plausible n'est pas le prouvable.
IILe registre analyste
Ce qu'il répond. Ce qu'il peut prouver.
Même question, mêmes chiffres, deux objets très différents. La colonne de gauche est une réponse. La colonne de droite est un enregistrement — hachages de plan, d'invocation et de calcul qui reproduisent les mêmes octets à chaque exécution.
le registre analystechaque ligne embarque ses hachages
№ 01region = "east" · sum(revenue)Chiffre d'affaires total, région est
Cinq lignes sur douze correspondaient. Réexécutez en TypeScript ou Python — le même hachage revient.
№ 02finance.npv(0.1, [-1000, 300, 420, 560, 680])Valeur actuelle nette à 10 %
Les quinze chiffres, octet pour octet, identiques entre TypeScript et Python.
№ 03finance.npv(rate, revenue)Le même module, lié à une colonne en direct
Calculé dans le moteur, jamais dans le chat — chaud en 0,83 ms.
Chiffres identiques. Une seule colonne survit à un audit.
IIILe même modèle, deux fois
0 sur 16, puis 16 sur 16.
Seize questions quantitatives, un modèle, deux exécutions. À gauche : le modèle fait lui-même l'arithmétique. À droite : le moteur de SQAI calcule et le modèle restitue. Mêmes invites, mêmes données — seul change le propriétaire du chiffre.
Le modèle excelle à lire la question. Il n'a jamais été conçu pour être la calculatrice. Pourquoi le moteur rejoue exactement →
IVLe bureau
445 modules à disposition.
Un analyste ne vaut que par le bureau qui le soutient. Le plan typé nomme une capacité — finance, risque, statistiques, séries temporelles — et le moteur la calcule sur le runtime épinglé : float64, mono-thread, les mêmes octets à chaque exécution.
445modules de calcul dans le contrat
- calcul chaud en 0,83–0,93 ms
- agrégations sous la ms, en processus
- ~110 s de provisionnement initial
- finance.npv
- valeur actuelle nette d'une série de flux de trésorerie
- finance.irr
- taux de rendement interne
- risk.beta
- sensibilité d'une série de rendements par rapport à son indice de référence
- stat_tests.pearson_r
- corrélation, avec la statistique de test
- regression.ols_multiple
- facteurs explicatifs multiples en une passe
- timeseries_stats.holt_linear
- prévision de tendance sur une série temporelle
VDeux types d'analyste
L'accessible n'est pas le vérifiable.
Les analystes grand public optimisent la face visible de la réponse — chat en entrée, graphique en sortie, collé dans la présentation. SQAI optimise ce qui se tient derrière : une surface en lecture seule, une politique que votre code définit, une provenance sur chaque chiffre.
En lecture seule par construction. Le modèle ne peut que demander ; votre liste d'autorisation décide. Comment la politique se resserre →
VIQuestions
Questions. Réponses.
Qu'est-ce qu'un analyste de données IA ?
Un logiciel qui traduit des questions en langage naturel en réponses calculées sur vos données. La plupart privilégient le chat : un modèle lit votre fichier et improvise l'analyse. SQAI privilégie l'outil : le modèle traduit la question en un plan typé, un moteur déterministe le calcule, et la réponse revient avec les hachages permettant de la rejouer à l'identique.
Puis-je utiliser SQAI à la place d'un analyste de données ChatGPT ?
Si vous avez besoin de chiffres défendables, oui. Un analyste par chat est conçu pour l'accessibilité — déposez un fichier, obtenez un chiffre plausible. SQAI est conçu pour la vérifiabilité : le modèle ne fait jamais l'arithmétique. Sur seize questions quantitatives, le même modèle a obtenu 0 sur 16 seul, et 16 sur 16 avec le moteur pour calculer.
Comment savoir si le chiffre est exact ?
Chaque réponse porte les hachages du plan, de l'invocation et du calcul sur l'entrée canonique et le résultat. Rejouez la requête et les octets correspondent — en TypeScript comme en Python. Si le schéma des données change en dessous, l'exécution échoue avec schema_revision_mismatch plutôt que de retourner silencieusement un chiffre différent.
Est-ce assez rapide pour une analyse interactive ?
Les agrégations répondent en sous-milliseconde, en processus. Les 445 modules de calcul répondent en 0,83–0,93 ms à chaud ; l'initialisation du moteur est une opération unique de ~110 s.
Le modèle lit-il l'intégralité de mon jeu de données ?
Non. Le moteur lit les données ; le modèle voit au plus 25 lignes, 250 cellules et 32 000 octets par réponse — et toute troncature est déclarée, jamais silencieuse. L'ensemble de la surface est en lecture seule par construction.