# Uber a mis en production QueryGPT, un outil de langage naturel vers SQL, pour ses équipes d'exploitation et de support, rapportant un temps de rédaction de requête passé d'environ 10 à environ 3 minutes (environ 300 utilisateurs quotidiens)

Page: https://flyvolo.ai/fr/changes/ev-20240919-data-analyst-1
Date: 2024-09-19 · Étape: Déploiement réel
Ce relevé peut-il faire évoluer un jugement sur une tâche ? oui
Métier: https://flyvolo.ai/fr/careers/data-analyst

## Périmètre

Une entreprise, diffusion restreinte ; la plateforme d'Uber traite environ 1,2 million de requêtes interactives par mois, donc il s'agit d'une part minime. Le billet signale lui-même les tables et colonnes inventées et la qualité des consignes comme des problèmes ouverts.

## Source

- Uber — engineering blog — https://www.uber.com/en-US/blog/query-gpt/ (source primaire)

## Ce que cela veut dire

Un enregistrement de déploiement sur la tâche d'écriture de requêtes, depuis l'intérieur du flux de travail : l'outil de langage naturel vers SQL d'Uber est en production pour les équipes d'exploitation et de support, avec un temps de rédaction rapporté en baisse d'environ 10 à environ 3 minutes pour quelque 300 utilisateurs quotidiens. Cela soutient le mécanisme de la page de la tâche sur la couche du déploiement — et le billet lui-même cite comme problèmes ouverts les tables et colonnes hallucinées et la qualité des instructions.

## Ce qu’il ne montre pas encore

300 utilisateurs face à environ 1,2 million de requêtes interactives par mois, c'est un coin minuscule d'une entreprise, et ces utilisateurs sont des équipes d'exploitation et de support, non des analystes ; le chiffre de temps est auto-déclaré. Le billet d'Uber lui-même liste les tables et colonnes inventées comme problèmes ouverts, donc ce n'est pas une preuve de fiabilité sur un entrepôt non préparé, et rien dedans ne concerne les effectifs d'analystes.

## Comment le vérifier vous-même

Prenez les cinq requêtes que vous avez écrites le plus récemment et essayez chacune comme une question en langue courante dans l'assistant SQL que propose votre outil de BI ou votre entrepôt, en notant lesquelles ont tourné correctement sans retouche ; les échecs porteront presque tous sur des tables sans définitions documentées, et cette liste est la couche sémantique qui manque à votre équipe.


Plus : https://flyvolo.ai/llms.txt