Interroger son ERP en langage naturel : ce qui marche vraiment

On décrit une fois, avec les key users, les objets métier (commande client, ordre de fabrication, article, fournisseur) et les définitions (« en retard » signifie date de besoin dépassée et statut non terminé). Cette couche sémantique, sous forme de vues, de descriptions de champs et d'exemples de requêtes validées, guide le modèle bien mieux que le schéma brut.

C'est le travail le plus rentable du projet. Il est aussi réutilisable : le même glossaire sert au tableau de bord, à l'assistant et à la formation des nouveaux arrivants.

Envoyer à une API publique des extraits de votre carnet de commandes, de vos prix et de vos données clients pose des questions de confidentialité et, dès qu'il y a des données personnelles, de conformité RGPD. Un modèle open-weight (Llama, Qwen, Mistral, Gemma) servi avec vLLM ou Ollama sur vos GPU, ou dans un cloud qualifié de votre choix, évite ce transfert.

Pour les secteurs exigeants, on peut viser un fonctionnement isolé du réseau public. Netray décrit l'architecture ; c'est à vous, selon vos obligations, de qualifier l'hébergement retenu, par exemple au regard de SecNumCloud si vous l'exigez.

Si les questions sont toujours les mêmes, un tableau de bord classique est plus simple et moins coûteux. Si votre éditeur propose déjà un assistant intégré qui répond à vos besoins et dont l'hébergement vous convient, commencez par là.

Le langage naturel prend tout son sens quand les questions changent, quand elles croisent plusieurs sources (ERP, MES, documents) ou quand la confidentialité interdit les services publics.