Release 2026.06 : intégrer la Data Observability au cœur de votre code

Le travail sur la qualité des données s'est discrètement éloigné de l'interface utilisateur. Les pipelines sont définis dans le code, les déploiements sont conteneurisés, et les environnements sont promus via CI/CD. Avec la Release 2026.06, digna va à la rencontre des équipes là où ce travail se déroule déjà.

Cette release introduit le Python SDK digna, le support officiel de Docker, un nouveau paramètre QueryMode pour l'exécution SQL, un modèle de prédiction configurable pour la détection des anomalies, un tableau de bord repensé, et des fonctionnalités d'import et d'export étendues pour les règles de validation.

Regardez la présentation de la release : digna Release 2026.06 sur YouTube

Python SDK digna : automatisez tout à partir du code

La fonctionnalité phare de la version 2026.06 est le nouveau Python SDK. Il suffit d'une seule installation :

À partir de là, la majeure partie de ce que vous configureriez normalement dans l'interface de digna peut être exprimée en Python :

• Créer et configurer des projets de données de manière programmatique

• Déclencher des inspections et des exécutions de surveillance

• Gérer les ensembles de données, les règles de validation et les configurations dans le code

• Profiler les tables et extraire des informations sur les métadonnées

• Exporter les résultats de profilage et de qualité des données vers des systèmes et dépôts externes

• Intégrer digna avec des notebooks, des outils d'orchestration et des pipelines CI/CD

Pour les ingénieurs de données, cela transforme la configuration de la qualité des données en infrastructure-as-code. Les définitions de projet vivent dans le contrôle de version, la révision se fait dans les pull requests, et un nouvel environnement peut être provisionné à partir du même script que celui qui a servi à construire le précédent.

Pour les data scientists, le SDK ouvre une autre porte. Les résultats de la détection d'anomalies et du profilage de digna deviennent des entrées pour vos propres analyses. Importez l'historique de profilage dans un notebook, associez-le à des données commerciales, ou alimentez un workflow d'apprentissage automatique en aval avec des signaux de qualité. L'Observability cesse d'être un tableau de bord distinct pour faire partie de la chaîne d'outils analytiques.

Et parce que digna s'exécute entièrement au sein de votre environnement, rien de tout cela ne modifie le modèle de souveraineté des données. Le SDK communique avec votre installation, pas avec la nôtre.

Support Docker : déployez digna là où cela fait sens

La Release 2026.06 ajoute le support officiel des images Docker. L'installation, les tests, la mise à l'échelle et la gestion des environnements deviennent plus simples, et les déploiements deviennent reproductibles entre le développement, les tests et la production.

Conséquences pratiques :

• Configuration cohérente dans chaque environnement, sans étapes d'installation manuelles

• Intégration simple avec Kubernetes et d'autres plateformes de conteneurs

• Intégration plus rapide pour les nouveaux environnements et les installations de preuve de concept

• La même plateforme sur site, sur cloud privé et sur infrastructure hybride

Cela est particulièrement important dans les secteurs réglementés, où le contrôle du déploiement, la sécurité et la governance ne sont pas négociables. La conteneurisation offre aux équipes de plateforme un moyen propre et auditable d'exécuter digna à l'intérieur de leur propre périmètre.

QueryMode : choisissez comment votre SQL est exécuté

digna exécute ses vérifications au sein de votre moteur de base de données. La Release 2026.06 vous donne le contrôle sur la structure de ces requêtes, grâce à un nouveau paramètre QueryMode avec deux options.

Le mode Single calcule chaque statistique avec sa propre requête SQL dédiée. Cela produit un nombre de requêtes plus élevé, mais une empreinte mémoire par requête beaucoup plus faible. C'est le bon choix pour les très grandes sources de données, ou pour les systèmes où les requêtes combinées risquent de dépasser les limites de spool ou de manquer de mémoire.

Le mode Combined calcule toutes les statistiques au sein d'une seule requête SQL. Moins de requêtes, moins de surcharge réseau, et un meilleur débit lorsque la source de données tient confortablement en mémoire. Cela convient aux exécutions fréquentes et parallèles sur des volumes de données gérables.

Il n'y a pas de réponse universelle ici, ce qui explique précisément pourquoi il s'agit désormais d'un paramètre. QueryMode vous permet d'ajuster l'équilibre entre performances, utilisation des ressources et sécurité mémoire par source de données, au lieu d'accepter une seule stratégie d'exécution partout.

Modèle de prédiction configurable

La détection d'anomalies dans digna est pilotée par un modèle qui apprend le comportement normal de chaque série temporelle et signale les écarts par rapport à celui-ci. Dans la version 2026.06, ce modèle lui-même devient configurable à travers sept paramètres :

• Sensibilité aux ruptures (Break Sensitivity)

• Sensibilité aux valeurs aberrantes (Outlier Sensitivity)

• Mémoire (Memory)

• Force de régression Ridge (Ridge Strength)

• Tolérance aux écarts (Gap Tolerance)

• Correction des valeurs aberrantes (Outlier Correction)

• Rigueur de la plage plausible (Plausible Range Tightness)

Ceux-ci s'ajoutent aux paramètres existants de sensibilité et de mémoire sur la bande de tolérance, et ils répondent à une autre catégorie de problème. Là où la bande de tolérance contrôle la largeur de la plage acceptable, ces paramètres contrôlent la manière dont la prédiction sous-jacente est ajustée en premier lieu : la rapidité avec laquelle elle s'adapte aux ruptures structurelles, le poids qu'elle accorde à l'historique, et la manière dont elle traite les écarts et les valeurs aberrantes.

Les valeurs par défaut conviennent parfaitement pour la grande majorité des séries, et chaque paramètre peut être restauré à sa valeur par défaut à tout moment. Pour les séries au comportement inhabituel, les séries saisonnières, celles présentant des changements de niveau connus, ou celles ayant un historique restreint, vous disposez désormais d'un moyen de faire en sorte que le modèle reflète la réalité plutôt que de devoir la contourner. Si vous ne savez pas quel paramètre choisir, contactez-nous ; nous préférons vous aider à le régler correctement plutôt que de vous laisser deviner.

Un tableau de bord repensé

Le tableau de bord a été reconstruit avec une interface utilisateur modernisée et une structure plus claire. La navigation est plus directe, les résultats de surveillance et les indicateurs de qualité sont plus faciles à analyser, et les alertes, les statistiques et les graphiques sont plus lisibles.

L'objectif est simple : moins de temps passé à chercher les informations pertinentes, plus de temps passé à agir. Les équipes qui consultent digna chaque matin devraient immédiatement remarquer la différence.

Extension de l'import et de l'export des règles de validation

Les règles de validation représentent un véritable savoir institutionnel. La Release 2026.06 les rend beaucoup plus transportables.

Les fonctionnalités d'importation et d'exportation ont été étendues pour que les ensembles de règles puissent être transférés de manière fluide entre différents environnements et projets. Vous pouvez créer et tester un ensemble de règles standardisé en développement, le promouvoir en production, et le réutiliser entre différentes équipes sans avoir à le reconstruire manuellement. Combiné avec le SDK, cela offre aux équipes de gouvernance un véritable cycle de vie pour la logique de validation : écrite une seule fois, versionnée, révisée et déployée de manière cohérente.

Mises à jour de la CLI

L'interface en ligne de commande a été mise à jour parallèlement à la version :

• Prise en charge de l'intégration du SDK

• Amélioration des flux de travail d'importation et d'exportation

• Améliorations générales de la stabilité et des performances

Qui bénéficie de cette release

• Les ingénieurs de données bénéficient de l'automatisation, de l'accès au SDK et de l'intégration aux pipelines

• Les équipes de plateforme bénéficient d'un déploiement conteneurisé simplifié

• Les équipes de gouvernance des données disposent d'une gestion des règles de validation portable et réutilisable

• Les équipes d'analystes bénéficient d'une meilleure ergonomie et d'une visibilité plus claire des résultats

• Les data scientists obtiennent un accès programmatique aux résultats du profilage et de la détection d'anomalies

Prise en main

La Release 2026.06 poursuit la stratégie de digna visant à étendre l'Observability au-delà de la surveillance traditionnelle pour l'intégrer aux flux de travail d'ingénierie et d'analyse plus larges. L'architecture modulaire de la plateforme englobe désormais digna Data Anomalies, digna Data Analytics, digna Data Validation, digna Timeliness et digna Schema Tracker, qui s'exécutent tous au sein de votre propre infrastructure.

Les clients existants peuvent effectuer la mise à niveau via le processus habituel ; les mises à niveau prennent généralement moins d'une heure. Tous les détails sont disponibles dans le journal des modifications de la Release 2026.06, et le Python SDK est disponible dès maintenant via 

pip install digna-sdk.

Pour un tour d'horizon complet de cette version, regardez la vidéo :

digna Release 2026.06 sur YouTube

Des questions sur le SDK, le déploiement Docker ou le réglage du modèle de prédiction ? Contactez-nous et nous vous guiderons à travers tout cela.

Questions fréquentes

Que contient la Release 2026.06 de digna ?

Six nouveautés : le SDK Python de digna, la prise en charge officielle de Docker, un nouveau réglage QueryMode pour l'exécution SQL, un modèle de prédiction configurable pour la détection d'anomalies, un tableau de bord repensé et l'import-export étendu des règles de validation. La CLI a été mise à jour en parallèle.

Que permet le SDK Python de digna ?

Après pip install digna-sdk, l'essentiel de ce que vous configureriez dans l'interface s'exprime en Python : créer et configurer des projets de données, déclencher des inspections, gérer jeux de données et règles de validation dans le code, profiler des tables, exporter des résultats et intégrer digna aux notebooks, à l'orchestration et aux pipelines CI/CD.

Que change le réglage QueryMode ?

La façon dont digna façonne le SQL exécuté dans votre moteur de base de données. Le mode Single calcule chaque statistique avec sa propre requête, le mode Combined calcule toutes les statistiques dans une seule. Il n'existe pas de réponse universellement correcte, d'où le passage en réglage.

Quels paramètres de détection d'anomalies sont configurables ?

Sept : Break Sensitivity, Outlier Sensitivity, Memory, Ridge Strength, Gap Tolerance, Outlier Correction et Plausible Range Tightness. Ils complètent les réglages existants Sensitivity et Memory de la bande de tolérance, et chaque paramètre peut être remis à sa valeur par défaut à tout moment.

Le déploiement Docker change-t-il l'emplacement des données ?

Non. digna s'exécute toujours entièrement dans votre environnement, le modèle de souveraineté des données reste inchangé. Docker apporte une installation cohérente sur tous les environnements, une intégration directe à Kubernetes et un démarrage plus rapide, et les clients existants bouclent en général une montée de version en moins d'une heure.