DGi

Qu’est-ce que DGi ?

DGi est un agent de données IA développé par Datagran, destiné aux développeurs et équipes d’entreprise qui souhaitent intégrer des capacités d’analyse de données, d’exécution de code et d’automatisation dans leurs produits. Les anciens domaines correspondent désormais aux nouveaux sites et documents API de DGi ; la position du produit est passée d’outil de programmation IA généraliste à plateforme d’agents de données.

Il peut recevoir des tâches en langage naturel, se connecter à des fichiers, des bases de données, des API ou des pages web, générer et exécuter du code, puis retourner des résultats d’analyse, des fichiers, des graphiques ou une prévisualisation de l’application. DGi n’est pas simplement un complément de code, et ne doit pas non plus être considéré comme un système de décision automatique sans validation.

Aperçu des principales compétences

Analyse de données et traitement de fichiers

Les utilisateurs peuvent télécharger des fichiers CSV au cours d’une session, puis demander à DGi, en langage naturel, de nettoyer, analyser, visualiser ces données ou de générer des rapports. L’endpoint de téléchargement de session de l’API actuelle est spécifiquement conçu pour les fichiers CSV ; bien que la page d’accueil présente des sources de données telles que CSV et Excel, les développeurs ne doivent pas en déduire que tous les formats de fichiers peuvent être téléchargés via le même endpoint.

• La session organise les questions, fichiers et tâches pertinentes dans le même contexte.
• Les tâches asynchrones peuvent retourner des messages de progression, la réponse finale, le répertoire du code et l’adresse de prévisualisation.
• Les fichiers générés peuvent être listés, téléchargés ou mis à jour dans le répertoire de session.
• Il reste à vérifier les définitions des champs, les valeurs manquantes, la plage temporelle et les méthodes statistiques.

Génération et exécution de code

DGi peut créer un répertoire de code Python en fonction de la tâche, avec un point d’entrée principal fixé à script.py. Les développeurs peuvent lire ou modifier les fichiers du répertoire, puis créer de nouvelles tâches pour exécuter le code via run_file.

1. Créer une session et soumettre des données ou des informations de connexion.
2. Décrire en langage naturel les objectifs de l’analyse et la sortie attendue.
3. Conserver le répertoire d’exécution du code retourné par la tâche.
4. Vérifier le code généré, les dépendances et l’accès aux fichiers, et modifier si nécessaire.
5. L’exécution de la tâche est initiée à partir de script.py dans le répertoire en tant que point d’entrée.
6. Vérifier les journaux en parcourant les messages ; si la tâche de code n’a pas de message, lire ensuite la sortie complète.

L’exécution de code généré par l’IA entraîne des risques de dépendances, d’accès au réseau, de consommation de ressources et de corruption des données. Un environnement de production doit utiliser des espaces d’exécution isolés, des identifiants aux privilèges minimaux, des limites de ressources et une approbation manuelle.

Bases de données et connexions externes

La page du produit liste les méthodes de connexion pour PostgreSQL, MySQL, BigQuery, Snowflake, le stockage d’objets ainsi que les fichiers ; l’API permet également de créer des connexions, de réaliser des requêtes, de mettre à jour et d’accéder de manière partagée. Les objets de connexion peuvent conserver les identifiants de la base de données ou de l’API, et l’accès peut être autorisé ou révoqué par utilisateur.

• Les comptes de base de données devraient privilégier des droits en lecture seule afin d’éviter que les agents ne modifient par erreur les données de production.
• Les environnements de développement, de test et de production doivent utiliser des identifiants et des clés API différents.
• La connexion partagée permettra à d’autres utilisateurs de voir la connexion et les identifiants ; il convient de vérifier l’organisation et les personnes avant d’accorder des autorisations.
• La rotation des identifiants, le retrait en cas de départ et les alertes d’accès anormal doivent être couverts par des processus internes.

Tâches planifiées et flux de travail

DGi peut combiner les fichiers en exécution au sein d’une session avec des expressions Cron ou des descriptions de temps en langage naturel pour créer des tâches planifiées. L’API permet de créer, de lister, d’activer, de désactiver et de déclencher manuellement ces tâches, ce qui la rend adaptée aux rapports périodiques, aux contrôles de stock et à la surveillance des données.

La fonction de planification ne doit pas omettre la conception d’idempotence, de délai d’expiration, de tentative de réessai en cas d’échec et d’alertes sur les résultats. Lorsqu’il s’agit d’opérations d’écriture externes, des mécanismes d’approbation, d’audit et de possibilité de reprise doivent également être mis en place pour chaque exécution.

Automatisation web et création d’applications

Les capacités d’automatisation du Web permettent de naviguer sur les pages, d’extraire des informations, de remplir des formulaires et d’exécuter des tâches à plusieurs étapes ; les messages relatifs à ces tâches peuvent générer un flux navigateur observable. L’accès au site, les codes de vérification, les conditions d’utilisation, les règles robots et les restrictions anti-automatisation continuent d’affecter le taux de réussite réel.

DGi peut également générer des tableaux de bord de données, des rapports ou des prévisualisations d’applications interactives. Les résultats de prévisualisation conviennent pour valider les exigences, mais avant un déploiement officiel, il est encore nécessaire de vérifier les droits d’accès, le comportement sur mobile, les versions des dépendances, la validation des entrées et les risques de fuite de données.

Compréhension : Construire le contexte du projet

Understanding peut établir un contexte à long terme à partir d’un dépôt GitHub, d’une page de documentation ou d’un fichier Markdown. Les tâches d’analyse approfondie examinent le répertoire de code et génèrent un document PDF ; le temps de traitement estimé indiqué sur la page est de 5 à 30 minutes.

1. Préparer un token GitHub dédié pour le stockage privé, et le stocker dans l’objet de connexion.
2. Créez Understanding et remplissez le dépôt, les documents ou le matériel Markdown.
3. Lancer une tâche de recherche approfondie et vérifier l’état.
4. Après achèvement de la tâche, lire le document généré, puis utiliser l’understanding_id pour les questions-réponses ultérieures.
5. Annuler le jeton en temps opportun et mettre à jour le contexte en cas de changement des droits d’accès au entrepôt ou du personnel.

L’analyse des entrepôts privés intègre le code et les documents dans des processus de traitement externes. L’entreprise doit d’abord déterminer la durée de conservation, les sous-traitants, les fins d’entraînement, les méthodes de suppression et les responsabilités contractuelles.

Processus d’intégration API v2

L’API publique actuelle utilise une clé API Bearer et fournit des spécifications OpenAPI. Le processus principal consiste à créer une session, à créer une tâche asynchrone, et à pollinger les messages selon des timestamps, jusqu’à ce que leur état devienne completed ou interrupted.

1. Inscrivez-vous et créez une clé API sur votre page de profil.
2. Appeler l’endpoint de test pour vérifier l’authentification et l’état du service.
3. Créer une session et enregistrer le session_id.
4. Créer des questions, exécuter des fichiers ou des tâches de recherche au cours d’une session, et enregistrer le task_id.
5. Utiliser le timestamp du message précédent pour effectuer des requêtes par polling, afin d’éviter de récupérer à nouveau tous les messages.
6. Utiliser des tentatives de reprise avec recul en cas d’erreur du serveur, et cesser la consultation une fois l’opération terminée ou interrompue.
7. Lire la réponse finale, générer un fichier, afficher le code ou prévisualiser l’application.

Les guides de certification contiennent encore des noms de domaines anciens et des exemples v1, tandis que la référence API actuelle utilise de nouveaux noms de domaines et des chemins v2. Lors de la mise en œuvre, il convient de se référer à la version actuelle d’OpenAPI et à la référence API, sans mélanger les exemples.

API, SDK et statut open source

Limites de prix et de quantité

Le nombre de requêtes par minute n’est que la vitesse d’interface et ne correspond pas au nombre de tâches pouvant être exécutées gratuitement, aux tokens de modèle, au temps d’exécution du code ou à la quantité de stockage disponible. Aucun montant public, prix par dépassement, durée de l’essai ni modalités de remboursement n’ont été identifiés pour le moment ; il convient de vérifier chaque élément dans l’interface de compte ou dans le contrat avant l’achat.

Précautions de sécurité et de confidentialité

La page du produit liste des fonctionnalités de sécurité telles que le chiffrement à double enveloppe, le chiffrement statique AES-256, TLS 1.3, la politique de confiance zéro, les journaux d’audit, SOC 2 et le cloud privé. Aucun rapport d’audit, aucun éventail de certificats ni aucun livre blanc complet sur la sécurité n’est actuellement disponible pour consultation publique ; lors des achats en entreprise, il convient de demander la vérification du produit applicable, de la région et de la durée de validité.

• Les clés API ne doivent pas être inscrites dans le code du navigateur, dans des dépôts publics ou dans les journaux d’activité ; elles doivent être stockées dans un système de gestion de clés et mises à jour régulièrement.
• Créer des identifiants à privilèges minimaux dédiés pour les bases de données, le stockage d’objets et GitHub.
• Supprimez les informations personnelles non pertinentes avant de télécharger les données, et vérifiez les transferts transfrontaliers ainsi que les sous-traitants.
• Il est nécessaire de définir les délais de conservation et de suppression pour les sessions, les fichiers, le code, les enregistrements d’écran du navigateur et les sauvegardes.
• L’exécution de code à haut risque, les modifications de pages web et la prise de décisions automatisées doivent faire l’objet d’une approbation humaine.
• Créer des dossiers d’audit indépendants pour les tâches, le partage de connexions et les changements de membres de l’organisation.

La page actuelle de DGi ne propose pas d’accès clair et distinct aux politiques de confidentialité et aux conditions de service ; les mises à jour des politiques pertinentes trouvables sur Datagran sont anciennes. Lorsqu’il s’agit de données sensibles ou réglementées, il convient d’obtenir avant la signature le protocole de traitement des données en vigueur pour DGi, les annexes de sécurité, les règles de remboursement et l’engagement de suppression.

Adapté aux utilisateurs et aux scénarios typiques

• Ingénieur en données : génère et exécute des scripts de traitement de données en langage naturel.
• Équipe d’analyse : Génération rapide de tendances, de graphiques et de rapports à partir de CSV ou de bases de données.
• Développeur de produits : Intégrer un proxy de données dans sa propre plateforme via une API.
• Équipe opérationnelle : génération périodique de rapports, suivi d’indicateurs ou collecte automatique de données de sites web.
• Équipe de développement : analyser le répertoire de code et créer un contexte de connaissances de projet reutilisable.
• IT d’entreprise : création d’outils de données internes en tenant compte des droits d’accès, de l’audit et des exigences de déploiement privé.

Avantages et limites des capacités

Avantages principaux

• Passant des tâches en langage naturel à du code, des connexions de données, de la planification et de la prévisualisation d’applications.
• L’API couvre les sessions, les tâches, les fichiers, les connexions, les organisations et le contexte de connaissances.
• Les tâches asynchrones fournissent des messages de progression, ce qui facilite leur intégration dans l’interface du produit.
• Prend en charge l’exécution planifiée et le partage de connexions, idéal pour les flux de travail de données en équipe.

Principales restrictions

• L’analyse et le code générés par l’IA peuvent contenir des erreurs ; une vérification manuelle et une exécution isolée sont nécessaires.
• Les prix publics, les quotas de tâches, la durée de conservation et les conditions de remboursement ne sont pas complets.
• Certains exemples de certification utilisent des noms de domaine anciens, ce qui est en désaccord avec la référence v2 actuelle.
• La déclaration de conformité en matière de sécurité ne contient pas de preuve de portée d’audit accessible au public.
• Aucun SDK officiel, code source du produit ou application mobile native n’a été confirmé.
• L’automatisation du web est influencée par les règles du site, la vérification de connexion et les changements de page.

Questions fréquentes

DGi est-il un éditeur de code ?

Non. C’est une plateforme d’agent de données qui peut générer et exécuter du code Python, mais l’accent est mis sur l’analyse de données, l’automatisation, les connexions et l’intégration d’API.

Le DGi peut-il être utilisé gratuitement ?

Le document d’authentification indique la couche gratuite ainsi que la limite de 100 requêtes API par minute. Le nombre de tâches gratuites, les ressources de traitement et la quantité de stockage ne sont pas encore entièrement divulgués ; il convient de se référer à l’interface d’administration du compte.

Combien coûte la version Pro ?

Aucun montant public n’a été trouvé pour le moment ; veuillez contacter le service des ventes ou consulter la page de règlement réelle. Ne prenez pas en compte les prix historiques de tiers comme étant les prix actuels.

Quelles sources de données sont prises en charge ?

La page liste PostgreSQL, MySQL, BigQuery, Snowflake, le stockage d’objets, CSV et Excel, etc. Les droits spécifiques des connecteurs ainsi que les régions disponibles doivent être vérifiés dans le compte.

Pourquoi les tâches API ne peuvent-elles pas retourner des résultats immédiatement ?

Les tâches DGi sont exécutées de manière asynchrone. Après création d’une tâche, il est nécessaire de conserver le task_id et de surveiller continuellement les messages jusqu’à leur achèvement ou interruption.

Peut-on exécuter du code que l’on a modifié soi-même ?

Il est possible de mettre à jour les fichiers du répertoire du code, puis de lancer l’exécution en utilisant script.py comme point d’entrée. Avant exécution, le code doit être examiné et un environnement isolé ainsi que des droits minimaux doivent être utilisés.

DGi est-il open source ?

Ce n’est pas une plateforme open source confirmée. La mise à disposition d’une API REST publique, de spécifications OpenAPI et de codes de exemple ne signifie pas que le code source du produit est accessible.

Y a-t-il un SDK officiel ?

La navigation du document mentionne le SDK et les bibliothèques client, mais les paquets téléchargeables, les langages, les versions et les licences ne sont pas encore confirmés. Les développeurs peuvent d’abord générer un client en se basant sur OpenAPI.

Une déclaration de sécurité peut-elle servir directement de preuve de conformité ?

Non. L’entreprise doit obtenir le rapport d’audit, la portée des certificats, l’accord de traitement des données et la liste des sous-traitants, et s’assurer qu’ils couvrent clairement les services DGi.

DGi utilisera-t-il les données pour l’entraînement du modèle ?

La page publique actuelle ne fournit pas d’instructions suffisamment claires et à jour. Avant l’accès aux données sensibles, il convient de confirmer par contrat l’usage de l’entraînement, la durée de conservation, le mécanisme de suppression et les limites du traitement par des tiers.

Résumé

DGi convient aux équipes de développement de produits qui souhaitent intégrer l’analyse de données, l’exécution de code, le planification et l’automatisation via une API. Son API publique est assez complète, mais les prix, la politique de données, les SDK ainsi que les certifications de conformité doivent encore être confirmés avant l’achat et le déploiement.