digna Release 2026.11 : Agentic, Data Reconciliation et l'Engine

Les questions qui demandent le plus de temps à une équipe data sont rarement les plus difficiles. Le data mart correspond-il toujours aux tables à partir desquelles il a été construit ? Chaque clé existe-t-elle encore dans l'autre base de données à laquelle elle fait référence ? Quel produit a le plus évolué le mois dernier ? Chacune implique généralement une requête que quelqu'un doit écrire.

Release 2026.11 apporte à digna, la plateforme de Data Quality & Observability, trois nouveautés pensées pour ces questions : digna Agentic, digna Data Reconciliation et le digna Engine. La présentation de 75 secondes parcourt les trois dans les projets de démonstration de digna (données fictives, produit réel), et les notes de version détaillent chaque point.

digna Agentic : interrogez digna depuis votre assistant

Avec digna Agentic, Claude et d'autres agents IA travaillent avec digna via le digna MCP Server, qui utilise le Model Context Protocol. Un agent peut gérer les projets, les sources de données, les règles, les plannings d'inspection et les abonnements, lire les statuts d'inspection jusqu'au contrôle individuel et suivre une alerte depuis la source de données jusqu'au segment et à la valeur exacte qui la déclenche.

Vous décrivez aussi en langage courant ce que contient chaque source de données et chaque attribut, afin que l'agent sache ce qu'il lit ; il peut alors répondre à des questions métier à partir de ce que digna surveille déjà. Dans la démo pharma, un fabricant fictif de génériques, la question "quel produit a le plus évolué ?" renvoie l'amlodipine 5 mg en Tchéquie, dont les ventes sur 28 jours sont passées de 1 376 boîtes à 411, soit une baisse de 70 % en quatre semaines, à partir du 1er juin et uniquement en Tchéquie. Si la configuration ne permet pas encore de répondre, l'agent peut proposer une modification, comme l'ajout d'un dataset. La vidéo digna Agentic montre l'échange.

digna Data Reconciliation : la cible correspond-elle toujours à ses sources ?

Ce nouveau module compare une source de données cible aux sources à partir desquelles elle a été construite et vous alerte dès qu'elles ne correspondent plus. Vous configurez les règles dans l'onglet Data Reconciliation de la cible, et toute source de données du projet pour laquelle la réconciliation est activée peut servir de source.

Une règle exacte fonctionne comme une règle de qualité des données pour une source et une cible : vous associez des contrôles par statistique et par attribut, comme le nombre de lignes ou la somme des montants, et définissez une tolérance absolue ou relative ; sa chronologie affiche l'écart de chaque jour par rapport à celle-ci. Dans la démo retail, un agrégat quotidien des ventes affichait 51 747 € de chiffre d'affaires brut le 26 août, alors que ses propres lignes de vente totalisaient 66 205 € : 21,8 % de moins, pour une tolérance de ± 0,01 %.

Une règle IA combine des contrôles issus de plusieurs sources avec une cible, sans jointures, filtres ni agrégations à définir. Un modèle apprend à partir de l'historique comment la cible suit ses sources et alerte lorsque la cible sort de la bande des erreurs passées de la règle ; chaque règle dispose des paramètres Sensitivity, Memory et Model Complexity. Dans la démo, un data mart de commandes construit à partir de dix tables sources contenait 1 742 commandes le 6 octobre, là où ses sources en prévoyaient environ 2 771. Chaque contrôle de réconciliation apparaît dans le Dashboard, compte dans le statut d'inspection et déclenche des notifications. La vidéo digna Data Reconciliation présente les deux types de règles.

Le digna Engine : choisissez où s'exécute le profilage

Chaque connexion à une base de données dispose désormais d'un emplacement de profilage, Source Database par défaut ou le digna Engine, pour chaque technologie source prise en charge. La version apporte aussi à digna Data Validation des contrôles d'intégrité référentielle entre connexions : un même contrôle peut couvrir deux connexions et technologies, par exemple Oracle et PostgreSQL, Teradata et Snowflake, ou Databricks et SQL Server. Lorsque le profilage reste dans la base source, seules les colonnes clés sont exportées vers l'Engine, et le Dashboard indique quand un contrôle s'exécute sur deux connexions. La vidéo digna Engine montre ce paramètre.

Petites nouveautés du profilage

Les attributs de requête permettent de définir une colonne comme une expression SQL et de la profiler comme n'importe quelle autre, une nouvelle catégorie de colonne Date fait son apparition, et vous pouvez profiler un seul attribut à la demande sur l'instantané d'une date.

À qui cela profite

Les data engineers peuvent valider les résultats ETL, les équipes finance et contrôle de gestion peuvent exécuter leurs réconciliations standard sous forme de règles exactes, les équipes de gouvernance peuvent vérifier l'intégrité référentielle entre technologies, et les utilisateurs métier peuvent interroger digna via un agent. Le tout fonctionne on-premises ou dans votre cloud privé, de sorte que vos données ne quittent jamais votre infrastructure. Pour les voir en contexte, suivez la visite guidée du produit digna.

Pour un examen plus détaillé du nouveau module, avec les deux types de règles et les exemples retail et data mart de commandes, consultez comment digna Data Reconciliation vérifie que les cibles correspondent toujours à leurs sources.

Questions fréquentes

Quelles sont les nouveautés de digna Release 2026.11 ?

digna Agentic, qui permet aux agents IA de travailler avec digna via le digna MCP Server, le nouveau module digna Data Reconciliation, et le digna Engine, avec un emplacement de profilage par connexion et des contrôles d'intégrité référentielle entre connexions. Le profilage gagne aussi les attributs de requête, une catégorie de colonne Date et le profilage à la demande.

Quels agents IA peuvent travailler avec digna ?

Claude et d'autres agents IA, via le digna MCP Server et le Model Context Protocol. Ils peuvent gérer la configuration, lire les résultats jusqu'au contrôle individuel, analyser les alertes et répondre à des questions métier.

Quelle est la différence entre les règles exactes et les règles IA dans digna Data Reconciliation ?

Une règle exacte associe un contrôle sur une source à un contrôle sur une cible et les compare selon une tolérance absolue ou relative. Une règle IA combine des contrôles issus de plusieurs sources, apprend comment la cible les suit et alerte lorsqu'elle sort de la bande des erreurs passées de la règle.

digna peut-il vérifier l'intégrité référentielle entre deux bases de données différentes ?

Oui. Les contrôles d'intégrité référentielle de digna Data Validation peuvent couvrir deux connexions et technologies, comme Teradata et Snowflake.