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.]
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]
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.]
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]