PromptQL

À propos de PromptQL

PromptQL est une solution d’intelligence artificielle développée par Hasura, conçue pour offrir une expérience de type « assistant de données » aux équipes qui travaillent avec des bases de données, des entrepôts de données et des applications SaaS. Plutôt que de se présenter comme un chatbot généraliste, PromptQL se positionne comme un outil orienté données et collaboration d’équipe. Il se branque directement aux sources de données existantes, sans exiger de déplacement ou de duplication préalable, puis permet de poser des questions en langage naturel afin d’obtenir des réponses, des rapports, des tableaux de bord et même des workflows automatisés.

L’approche de PromptQL repose sur une « dimension multiplayer » : les utilisateurs peuvent interagir avec les données, partager des fils de discussion, taguer des collègues et bâtir collectivement un contexte commun. Selon les informations disponibles, une couche de wiki partagé est prévue pour 2026, afin d’enrichir les réponses avec des connaissances issues d’outils comme Slack, Google Drive, GitHub, PostHog ou Salesforce. L’objectif est de faire de PromptQL une véritable source unique de vérité pour les équipes qui doivent analyser, interpréter et agir sur des données, sans nécessairement écrire du SQL.

Fonctionnalités principales

PromptQL se distingue par plusieurs fonctionnalités structurantes.

Connexion aux sources de données sans ingestion. L’outil se connecte directement aux bases de données SQL, aux entrepôts de données, à des services SaaS et à des API, sans copier ni restructurer les données au préalable. Il effectue une introspection des schémas afin de construire un graphe de données unifié qui sert de base aux requêtes en langage naturel.

Génération de dashboards et de rapports. En réponse aux questions posées, PromptQL produit des visualisations et des rapports « board-ready », c’est-à-dire présentables tels quels à la direction. Cette fonctionnalité vise à réduire le temps consacré à la confection manuelle de présentations et de suivis d’indicateurs.

Collaboration native. Les fils de discussion peuvent être partagés entre collègues, avec la possibilité de taguer des personnes, d’ajouter des commentaires et de corriger les réponses. Ces corrections sont persistantes et aident à améliorer la précision future de l’outil. Le futur wiki d’équipe devrait centraliser les contextes métier, les définitions et les règles de gestion provenant de divers outils internes.

Création de workflows. Il est possible de transformer une conversation en un processus réutilisable. Les workflows validés dans le Playground peuvent être exposés sous forme d’endpoints HTTP et être appelés depuis Zapier, Slack, des tâches programmées ou des applications maison. Cela permet d’automatiser des analyses récurrentes ou des vérifications périodiques.

Compatibilité avec plusieurs modèles de langage. PromptQL est présenté comme compatible avec différents LLM, allant de Claude et GPT à des modèles open-weight comme DeepSeek, Kimi K2 ou GLM. Pour les offres enterprise, une option « apportez votre propre modèle » (BYO LLM) est proposée, ce qui peut intéresser les organisations ayant des exigences de confidentialité ou des préférences techniques particulières.

Tarification

Le modèle tarifaire de PromptQL est entièrement basé sur la consommation, sans frais par siège. L’unité de mesure normalisée est l’OLU (Operational Language Unit), qui agrège les tokens d’entrée, de sortie, de cache et de création de cache pour tous les modèles supportés. Cette approche vise à simplifier la comparaison des coûts entre les différents LLM.

Le tableau suivant résume les plans disponibles selon les sources publiques. Les montants sont convertis approximativement en dollars canadiens, avec mention de la devise de facturation d’origine qui est le dollar américain.

Quelques analyses secondaires estiment qu’un simple cas d’usage coûte moins de 0,28 $ US (≈ 0,38 $ CA), qu’un rapport complexe tourne autour de 1,40 $ US (≈ 1,90 $ CA) et qu’une investigation approfondie peut atteindre environ 5,60 $ US (≈ 7,60 $ CA). Ces montants sont toutefois des estimations de commentaires et ne constituent pas un barème officiel. Il est recommandé de valider ces ordres de grandeur lors d’un essai.

En raison de la structure à l’usage, la facture mensuelle peut varier considérablement d’une équipe à l’autre. Pour les organisations dont la consommation est irrégulière, cette formule peut être avantageuse, car elle évite des licences fixes par utilisateur. En revanche, la prévisibilité budgétaire est plus difficile à assurer, surtout au démarrage.

Cas d’utilisation

PromptQL s’adresse principalement aux équipes qui ont besoin de répondre à des questions d’affaires à partir de données réparties dans plusieurs systèmes. Voici des exemples concrets de scénarios où l’outil est utile.

Analyses ad hoc. Un analyste marketing peut demander : « Combien de nouveaux clients ont été acquis par canal au cours du dernier trimestre ? » et obtenir une réponse accompagnée d’un graphique, sans avoir à écrire de requête SQL.

Suivi de churn. L’équipe produit peut interroger les données d’utilisation et de facturation pour identifier les segments à risque, puis partager un fil de discussion avec les intervenants concernés afin de décider des actions à prendre.

Reporting récurrent. Les workflows permettent de programmer des extractions automatiques de rapports, par exemple un état hebdomadaire des ventes, et de les livrer dans Slack ou sur un endpoint HTTP.

Dashboard de direction. En connectant les données financières, opérationnelles et RH, PromptQL peut générer des tableaux de bord consolidés et « prêts à présenter », ce qui réduit le temps de préparation des comités de direction.

Collaboration autour d’une même source de vérité. Grâce aux fils partagés et aux corrections persistantes, les équipes de données, d’analytics, de finance et de produit peuvent converger vers des définitions communes, tout en évitant les interprétations divergentes.

Le public cible inclut donc les équipes data et analytics, mais aussi les équipes opérations, produit, finance ou toute autre fonction qui souhaite interroger ses données sans écrire systématiquement du SQL. L’outil est particulièrement pertinent dans les organisations où plusieurs personnes doivent valider et enrichir les analyses, car la collaboration est intégrée dès la conception.

Notre avis

PromptQL apporte une réponse intéressante à un besoin réel : permettre aux équipes de poser des questions sur leurs données de manière conversationnelle, sans perdre de temps en extraction et manipulation manuelles. La connexion directe aux sources existantes, sans ingestion massive, est un avantage notable, tout comme la dimension collaborative qui facilite le partage de contexte et la validation des résultats.

Avantages principaux

• Connexion directe aux données existantes, sans restructuration lourde.
• Collaboration native avec threads partagés, contextes persistants et corrections.
• Tarification à l’usage, sans frais par siège, potentiellement intéressante pour des équipes irrégulières en consommation.
• Possibilité d’automatiser des workflows et de les brancher à des outils externes.
• Compatibilité large avec plusieurs LLM et options enterprise avancées.

Points de vigilance

• Le coût réel peut devenir difficile à prévoir, car il dépend de la consommation en OLU et du type de requêtes effectuées.
• L’outil est très centré sur les données d’entreprise et la collaboration; il ne remplace pas un assistant généraliste de type ChatGPT pour des tâches variées.
• Les fonctionnalités enterprise les plus sensibles sont proposées sur devis, ce qui limite la transparence tarifaire.
• Les informations publiques disponibles proviennent essentiellement de pages marketing et de commentaires d’utilisateurs; certaines promesses devraient être vérifiées lors d’un projet pilote.

En termes de positionnement, PromptQL se distingue des solutions plus généralistes comme ChatGPT Enterprise, Claude for Teams ou Perplexity Enterprise, car son approche est résolument orientée « espace de travail de données ». Pour les organisations qui utilisent déjà Microsoft 365, Copilot pourrait être une option plus intégrée, mais elle offre moins de connecteurs de données métiers. Des outils comme Hex, Domo, Tableau AI ou ThoughtSpot se rapprochent de l’analytique augmentée par l’IA, mais PromptQL mise davantage sur la collaboration et l’orchestration des données à travers un graphe unifié. Enfin, pour celles qui ont surtout besoin d’orchestration de données et d’API, l’offre Hasura GraphQL pourrait être plus adaptée.

En résumé, PromptQL est une solution prometteuse pour les équipes qui veulent rendre leurs données accessibles et actionnables via une interface conversationnelle, tout en favorisant la collaboration. Son modèle de tarification à l’usage est moderne, mais il exige une bonne compréhension de sa consommation pour éviter les surprises. Nous recommandons de réaliser un pilote sur un périmètre restreint avant d’envisager un déploiement généralisé, afin de valider la précision des réponses, la pertinence des connecteurs et l’ampleur des coûts réels.