> For the complete documentation index, see [llms.txt](https://cleyrop.gitbook.io/docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://cleyrop.gitbook.io/docs/v-4.5/le-druide/interroger-des-datasets.md).

# Interroger des datasets

L'outil Cleyrop Recherche Dataset traduit automatiquement vos questions en requêtes SQL et les exécute sur les datasets auxquels vous avez accès.

***

## Prérequis

Avant d'utiliser l'outil Recherche Dataset depuis Le Druide :

1. **Disposer d'un dataset accessible** : le dataset doit être disponible dans votre projet ou dans le catalogue et vos droits utilisateurs doivent vous permettre d'y accéder.
2. **Configurer le token** : l'outil Recherche Dataset nécessite un token d'accès. Générez-le depuis votre **Espace personnel → Profil & Tokens**, puis renseignez-le dans la configuration du tool via le bouton ⚙️ dans Le Druide.

## Datasets accessibles

Vous pouvez interroger **tout dataset auquel votre compte utilisateur a accès** sur la plateforme. L'outil respecte vos droits d'accès : il ne peut pas interroger des datasets pour lesquels vous n'avez pas les permissions de lecture.

Vous pouvez demander à l'outil de lister vos datasets disponibles avant de commencer.

{% hint style="warning" %}
Plus vous avez accès à de datasets, plus la liste peut prendre du temps à s'afficher.
{% endhint %}

## Fonctionnalités disponibles

L'outil Recherche Dataset vous permet d'interagir avec vos données de plusieurs façons :

| Capacité                      | Ce que l'outil fait                                                     | Exemple de question                                                 |
| ----------------------------- | ----------------------------------------------------------------------- | ------------------------------------------------------------------- |
| **Exploration du schéma**     | Décrit la structure d'un dataset (colonnes, types, exemples de valeurs) | Décris-moi le schéma du dataset sales\_results.                     |
| **Récupération de données**   | Génère une requête `SELECT` sur vos données                             | "Montre-moi les 10 dernières ventes."                               |
| **Filtrage**                  | Construit une clause `WHERE` pour filtrer les résultats                 | "Liste les ventes avec un revenue supérieur à 5 000 €."             |
| **Agrégations**               | Utilise `GROUP BY` et `SUM`, `AVG`, `COUNT`...                          | "Quel est le revenue total par région pour 2024 ?"                  |
| **Jointures**                 | Joint plusieurs tables et agrège les résultats                          | "Donne-moi les catégories de produits et leur revenue total."       |
| **Requêtes temporelles**      | Utilise des fonctions de date pour grouper par période                  | "Combien de ventes par mois en 2023 ?"                              |
| **Statistiques**              | Calcule `AVG`, `STDDEV` et autres indicateurs                           | "Quelle est la valeur moyenne et l'écart-type du revenue ?"         |
| **Top-N / Bottom-N**          | Utilise `ORDER BY ... DESC LIMIT N`                                     | "Quelles sont les 5 meilleures ventes ?"                            |
| **Logique conditionnelle**    | Ajoute des conditions `CASE` ou `WHERE` sur des critères complexes      | "Quelles ventes ont été réalisées un vendredi ?"                    |
| **Comparaisons multi-tables** | Lance plusieurs requêtes et compare les résultats                       | "Compare le revenue de l'année dernière avec celui de cette année." |

{% hint style="info" %}
**À noter :**

* Lecture seule : l'outil ne peut que lire les données, il ne peut pas les modifier ni les supprimer.
* SQL simplifié : les requêtes très complexes (CTEs récursives, sous-requêtes imbriquées) peuvent être tronquées ou simplifiées.
  {% endhint %}

***

### Bonnes pratiques

* **Mentionnez le nom du dataset** : si vous le connaissez, précisez-le dans votre question (ex : `sales_results`). Sinon, demandez à l'outil de lister les datasets disponibles ou de décrire le schéma d'un dataset.
* **Nommez les colonnes** : si vous avez besoin d'une métrique précise, citez son nom exact (ex : "Montre-moi `customer_id` et `revenue_usd` pour les clients ayant plus de 5 achats").
* **Posez des questions naturelles** : inutile d'écrire du SQL, formulez votre question comme vous le feriez à un collègue (ex : "Quels produits se sont le mieux vendus au Q2 2024 ?").
* **Ajoutez des limites** : pour les grands volumes de données, précisez une limite dans votre question (ex : "les 20 premières lignes") pour obtenir une réponse plus rapide.