Tous les projets

La Caisse (CDPQ) · 2026 · En production

Agent conversationnel hybride sur un lakehouse Databricks

[Résumé en une phrase : ce que c'est, pour qui, et le résultat principal.]

Rôle
[Votre rôle]
Période
[Dates de début et de fin]
Équipe
[Taille de l'équipe, ou seul]
Statut
[En production, en cours, terminé]
[00][Ce que mesure ce chiffre]
[00][Ce que mesure ce chiffre]
[00][Ce que mesure ce chiffre]
[Image principale : capture, schéma ou photo. 1600 × 900 px]

Contexte

[Où et pourquoi le projet a démarré : employeur, cours ou compétition, et les personnes impliquées.]

[Les contraintes : délai, données disponibles, outils imposés, confidentialité.]

Problème

Les équipes d'investissement dépendaient de requêtes SQL manuelles pour répondre à des questions récurrentes sur les données financières.

Approche

Un moteur SQL déterministe pour les familles de questions connues, avec un repli automatique sur Databricks Genie pour le reste. Chaque réponse est traçable jusqu'à sa requête. Évaluation dans MLflow avec des scorers déterministes et des juges LLM.

  • [Choix de conception 1, et pourquoi il l'emporte sur l'alternative]
  • [Choix de conception 2, et pourquoi]
  • [Choix de conception 3, et pourquoi]
[Schéma d'architecture ou du pipeline]

Résultats

Environ 80 % des requêtes traitées en 1 s environ, contre 30 à 45 s auparavant.

[Comment c'est évalué : données, référence, protocole, et qui a validé.]

[Tableau ou graphique de résultats]

Limites et suite

  • [Ce qui ne marche pas encore, ou les limites connues du résultat]
  • [Ce que vous feriez autrement]
  • [La prochaine étape, si le projet continue]

Stack

  • Databricks
  • LangGraph
  • MLflow
  • SQL
  • Azure DevOps
  • [Ajouter un outil]

Liens

Galerie

Projet suivant Pipeline de recherche actions systématique