PromptQL
Hasura · Programmation
PromptQL est un agent IA multijoueur conçu par Hasura qui se connecte aux données et aux systèmes de votre entreprise et répond à de vraies questions en écrivant du code. Au lieu qu'une seule personne dialogue avec un bot dans son coin, les équipes partagent des fils, un cerveau de contexte partagé et des automatisations qui s'améliorent à mesure que davantage de personnes corrigent et affinent le travail. Il vise les organisations qui ont besoin de réponses ancrées et traçables plutôt que de suppositions assurées.
À propos de PromptQL
Qu'est-ce que PromptQL
PromptQL est une plateforme d'agents de données de Hasura, l'entreprise derrière Hasura GraphQL Engine et Data Delivery Network. L'idée centrale est que l'IA n'est précise que dans la mesure du contexte qu'on lui donne, et le contexte qui compte vit généralement dans la tête des gens, pas dans un schéma. PromptQL se connecte aux entrepôts de données, aux bases de données, aux applications SaaS et aux API tels qu'ils existent déjà, puis laisse les équipes capturer ce savoir tacite au fil du travail.
Le produit s'articule autour de deux problèmes sur lesquels Hasura a travaillé pendant des années. Les deux sont difficiles. Le premier est le contexte partagé : plutôt que d'extraire le contexte une fois pour le confier à l'IA, PromptQL entretient un cercle vertueux où les personnes et l'IA travaillent ensemble et se corrigent mutuellement. Vous corrigez l'agent une fois, et la correction reste pour tout le monde. Le second est la sécurité. PromptQL applique les permissions de manière déterministe au niveau des données, si bien que l'agent de chaque personne travaille exactement avec les accès dont elle dispose, et rien de plus. C'est le verrou. Sans lui, les équipes ne peuvent pas déléguer un travail qui compte.
La principale limite est le périmètre. PromptQL est un outil orienté entreprise, pas un chatbot grand public. C'est d'abord un outil d'analyse IA, et le forfait Team démarre à 40 dollars par utilisateur et par mois. Des fonctions comme le déploiement à locataire unique ou les configurations avec votre propre modèle relèvent des contrats Enterprise et Custom. Si vous voulez juste un assistant gratuit pour des tâches personnelles, ce n'est pas fait pour ça.
Pour commencer
- Créez un espace de travail sur prompt.ql.app et connectez-vous au Playground, qui est gratuit.
- Connectez une source de données. PromptQL inspecte les schémas de votre entrepôt, base de données ou application SaaS pour construire un graphe de données unifié sans déplacer vos données.
- Invitez quelques collègues pour que les fils et le contexte soient partagés dès le départ.
- Posez une vraie question métier dans un fil partagé et laissez l'agent écrire du code pour y répondre.
- Corrigez à la source tout ce qu'il rate, pour que la correction persiste pour toute l'équipe.
Informations sur le produit
Aperçu des tarifs, des plateformes compatibles et des performances de PromptQL.
Idéal pour
Les utilisateurs, tâches et cas d'usage où cet outil convient le mieux.
Utilisateurs
- Équipes data et analytics
- Responsables des opérations
- Responsables IT et sécurité en entreprise
Tâches
- Enquêter sur des pics de métriques
- Réparer les exports de fin de mois
- Répondre à des questions métier récurrentes
Cas d'usage
- Une équipe growth qui cherche à expliquer pourquoi une métrique a bondi un après-midi précis
- La finance qui réconcilie des chiffres régionaux arrivant dans des systèmes différents
- Une organisation sensible à la sécurité qui déploie l'IA en interne
Fonctionnalités clés
Fils partagés multijoueur
PromptQL fonctionne avec des fils partagés plutôt que des discussions privées, si bien qu'une conversation sur une métrique se trouve là où toute l'équipe peut la voir et l'enrichir. Quand quelqu'un corrige l'agent, cette correction s'applique à tous ceux qui utilisent le même fil. C'est la fonction qui distingue PromptQL des assistants IA mono-utilisateur. Voilà tout l'argument.
Cerveau de contexte partagé
La couche de contexte partagé contient les définitions, les exceptions et le savoir tacite qui n'arrivent jamais dans un schéma. Elle couvre les connaissances, les compétences et une couche sémantique dans laquelle l'agent puise pour répondre. Comme le contexte est capturé juste à temps pendant le travail réel, il reste à jour au lieu de se dégrader dès qu'il est écrit.
Connectez n'importe quelle donnée sans préparation
PromptQL se connecte à votre entrepôt, à vos bases de données, à vos applications SaaS et à vos API tels qu'ils existent aujourd'hui. Il inspecte les schémas pour construire un graphe de données unifié sans déplacer ni remodeler vos données. Concrètement, vous passez des données aux questions en quelques minutes au lieu d'un long projet de migration.
Des réponses en code, pas des rapports figés.
Plutôt que de récupérer des rapports figés, l'agent écrit du code pour répondre à la question posée. Dans les exemples du produit lui-même, il se connecte à plusieurs systèmes, teste chaque hypothèse face à un pic et ajoute un panneau avec la réponse. Cette approche lui permet de traiter des questions que personne n'avait anticipées.
Garde-fous de sécurité déterministes
Les permissions sont appliquées au niveau des données, pour chaque utilisateur, chaque source et chaque requête. L'agent de chaque personne travaille exactement avec les accès dont elle dispose, et rien de plus, ce qui compte quand une même organisation gère des données sur de nombreux systèmes aux politiques différentes. Les garde-fous ne sont pas ajoutés après coup. Ils sont intégrés.
Choix du modèle par bot
PromptQL mesure l'usage en unités normalisées appelées OLU et vous laisse choisir différents modèles pour différents bots, ou même en cours de fil. Des options à poids ouverts comme DeepSeek, Qwen et GLM coûtent une fraction des modèles de pointe, si bien que les équipes peuvent arbitrer coût et capacité selon la tâche.
Avantages et inconvénients
Avantages
- Les fils partagés et un cerveau de contexte partagé font que les corrections restent pour toute l'équipe, pas seulement pour un utilisateur.
- Se connecte aux entrepôts, bases de données, applications SaaS et API existants sans déplacer ni remodeler les données.
- Les permissions sont appliquées de manière déterministe au niveau des données, ce qui convient aux entreprises soucieuses de la sécurité.
- Soutenu par Hasura, dont le GraphQL Engine et le Data Delivery Network tournent dans de grandes entreprises.
- Les équipes peuvent changer de modèle par bot ou en cours de fil pour arbitrer coût et précision.
Inconvénients
- Le Playground gratuit ne couvre que la création de bots multijoueur, donc un usage réel en production exige un forfait payant.
- Le forfait Team démarre à 40 dollars par utilisateur et par mois, facturé par semaine par tranches, ce qui s'accumule pour les groupes plus grands.
- Le déploiement à locataire unique et les configurations avec votre propre modèle nécessitent un contrat Enterprise ou Custom, donc les petites équipes ne peuvent pas les obtenir facilement.
- La disponibilité de l'API n'est pas documentée publiquement, ce qui complique la planification d'intégrations automatisées en amont.
Questions fréquentes
Il se connecte aux données et aux systèmes de votre entreprise et répond à de vraies questions en écrivant du code, puis s'améliore au fil des corrections de votre équipe. L'accent porte sur une analyse et une automatisation ancrées et traçables, pas sur une discussion générique.
Contenus associés
Découvrez des outils, des compétences et des articles liés à PromptQL.
Alternatives à PromptQL
Forefront
Forefront · ProgrammationForefront est une plateforme web pour construire avec de l'IA open source. Elle vous laisse affiner les principaux modèles de langage open source sur vos propres données, évaluer leurs performances et les exécuter via une API ou les exporter pour les héberger vous-même. Les développeurs qui veulent le confort d'une plateforme fermée mais tiennent à rester propriétaires de leurs modèles et de leurs données sont le public visé ici.
Startkit
StartKit.AI · ProgrammationStartkit est un boilerplate pour créer des produits SaaS d'IA et des wrappers d'IA. Voyez-le comme un boilerplate de startup IA avec les parties ennuyeuses déjà branchées : authentification, paiements Stripe et Lemon Squeezy, limites d'usage, e-mail transactionnel et un kit de démarrage d'API IA qui parle à OpenAI, Anthropic, Groq ou Llama. Vous clonez le dépôt, fixez votre prix et attaquez la partie du produit pour laquelle les gens paient vraiment. Il repose sur Next.js au-dessus de React et Tailwind, donc une bonne partie du code boilerplate vous semble déjà familière.
Testim
Tricentis · ProgrammationTestim est une plateforme d'automatisation des tests dopée à l'IA, qui sert à créer et exécuter des tests de bout en bout sur des applications web, mobiles et Salesforce. Elle s'appuie sur l'apprentissage automatique pour garder les tests stables quand une interface change, alors les équipes passent moins de temps à réparer des sélecteurs cassés. Pas mal pour un outil de tests automatisés que vous pouvez utiliser dès aujourd'hui. Vous créez des tests en enregistrant des actions dans un navigateur, puis vous ajoutez du JavaScript quand vous avez besoin de plus de contrôle. C'est un choix solide pour une équipe QA bien occupée.