La Couche sémantique
Définissez une seule fois le chiffre d'affaires, les clients et chaque métrique clé, au-dessus de vos données brutes et de votre Lakehouse — pour que les outils de BI, les analystes et les agents IA obtiennent tous la même réponse, ancrée dans votre ontologie gouvernée plutôt que dans un fichier de configuration rapporté.
Une métrique, définie une seule fois
Chiffre d'affaires, client actif, attrition — chaque métrique et chaque dimension est définie une seule fois et héritée partout où elle est interrogée.
Ancrée dans l'ontologie
Les définitions reposent sur les mêmes entités et relations que votre graphe de connaissances, de sorte que la couche sémantique évolue avec l'activité au lieu de s'en écarter.
Cohérente pour la BI & l'IA
Les tableaux de bord, les analystes et les agents IA interrogent tous les mêmes définitions gouvernées — la réponse d'un chatbot correspond donc au rapport sur la même question.
Une couche sémantique est une couche gouvernée de sens métier — métriques, dimensions et définitions d'entités — placée au-dessus des données brutes et du Lakehouse, de sorte que chaque outil et chaque personne qui l'interroge obtient la même réponse. La couche sémantique de Scrydon est ancrée dans l'ontologie plutôt que dans une configuration de métriques autonome, si bien que les définitions restent cohérentes à mesure que le graphe d'entités et de relations sous-jacent évolue.
Demandez à trois analystes ce que signifie « client actif » et vous obtiendrez souvent trois requêtes SQL différentes — et trois chiffres différents. Une couche sémantique comble cet écart en définissant les métriques, les dimensions et les entités une seule fois, de manière centralisée, de sorte que chaque tableau de bord, chaque rapport et chaque requête hérite de la même définition au lieu de la redériver. La couche sémantique de Scrydon n'est pas un fichier YAML de métriques autonome rapporté sur l'entrepôt : elle est ancrée dans l'ontologie, si bien qu'une métrique comme le « chiffre d'affaires » est définie en termes des mêmes entités et relations sur lesquelles votre graphe de connaissances et vos agents IA raisonnent déjà — et elle évolue avec le graphe au lieu de se désynchroniser de lui.
Couche sémantique dans la plateforme Scrydon
Une architecture souveraine unique et intégrée. Voici où se situe Couche sémantique — mis en évidence au sein de la pile complète avec laquelle il fonctionne.
L'AI OS pour les humains et les agents IA
Couche d'ontologie et couche sémantique : un modèle unique et connecté pour vos données, connaissances et processus
Le meilleur des data lakes, des entrepôts de données et de la recherche réuni
Agents IA, flux de travail et automatisations qui s'exécutent à travers vos systèmes
Intégrez via A2A, MCP, systèmes existants et sources de données
Fédération de domaines sécurisée, partage de données de confiance et intelligence au-delà des frontières
Fondations Souveraines
Couche sémantique en détail
Analytique
Des données qui dorment dans des entrepôts et des dashboards que personne ne lit sont des données inexploitables. La couche Analytique change cela — en donnant aux bonnes personnes la bonne information sans qu'elles aient à la demander. Chaque métrique est ancrée dans l'ontologie Cognitive Enterprise, de sorte qu'un chiffre d'affaires n'arrive jamais isolé. Des données en contexte — pas seulement dans des dashboards.
Les décideurs obtiennent une vue en direct de l'entreprise — performance financière, santé opérationnelle, statut des achats — sans attendre qu'une équipe data prépare un rapport.
- Notebooks interactifs : Environnements Python et SQL avec un accès complet aux données de votre lakehouse — sans aucun déplacement de données.
- Dashboards visuels : Reporting prêt à l'emploi, toujours à jour, actualisé automatiquement au rythme de l'activité — pas de rafraîchissement manuel, pas de chiffres obsolètes.
- Analytique agent-native : Les agents IA peuvent interroger, synthétiser et agir sur les insights de manière autonome — bouclant la boucle entre analyse et action.
Cognitive Enterprise
Couche d'ontologie et couche sémantique : un modèle unique et connecté pour vos données, connaissances et processus
La plupart des organisations ont des données qu'elles ne peuvent pas exploiter — non pas parce qu'elles n'existent pas, mais parce que rien ne les relie. La couche Cognitive Enterprise est l'intelligence déterminante de l'AI OS : un modèle sémantique vivant et interrogeable des entités, processus et règles de votre organisation. C'est la source unique de vérité qui permet à chaque agent, analyste et workflow de raisonner sur votre activité avec une compréhension cohérente.
Sans elle, les agents IA raisonnent sur du bruit. Avec elle, ils raisonnent sur l'activité.
- Graphe d'entités : Modélisez clients, comptes, commandes, produits et tout concept métier — puis reliez-les par des relations typées et parcourables.
- Intégration des processus : Reliez les workflows réels aux entités de l'ontologie afin que les agents comprennent comment les données circulent dans votre activité.
- Enrichissement continu : Les agents enrichissent automatiquement les nœuds de l'ontologie avec des données fraîches issues du lakehouse, gardant le modèle à jour sans effort manuel.
Définissez-la une fois, faites-lui confiance partout
Une couche sémantique se place entre vos données brutes et votre Lakehouse et tous ceux qui les interrogent — outils de BI, analystes, notebooks et agents IA. Au lieu que chaque équipe écrive son propre SQL pour déterminer ce que signifie le « chiffre d'affaires » ou le « client actif », la définition est fixée une seule fois, de manière centralisée, et chaque requête en hérite. Parce que Scrydon ancre ces définitions dans l'ontologie, les métriques sont définies par rapport aux mêmes entités et relations que votre graphe de connaissances modélise déjà, et non par rapport à un ensemble parallèle de tables que personne d'autre ne voit.
Métriques — Définissez une seule fois, de manière centralisée, le chiffre d'affaires, l'attrition, le client actif et chaque chiffre clé.
Dimensions — Modélisez de manière cohérente la façon dont les métriques peuvent être découpées — par région, par produit ou par segment.
Entités — Ancrez les définitions dans les mêmes clients, produits et comptes que l'ontologie.
Héritée, pas redérivée — Chaque tableau de bord, chaque rapport et chaque requête reprend la définition partagée au lieu de la reconstruire.
Pourquoi la dérive des métriques brise la confiance dans les données et l'IA
Sans couche sémantique, chaque équipe redérive sa propre version du « chiffre d'affaires » ou du « client actif », et les petites différences s'accumulent : une présentation au conseil, un tableau de bord régional et un rapport commercial affichent chacun un chiffre légèrement différent, et personne ne peut dire lequel est juste. Cette érosion de la confiance s'aggrave dès que l'IA entre en scène, car un agent qui calcule des chiffres directement à partir de tables brutes produira avec assurance encore un autre chiffre, sans aucun moyen de le réconcilier. Une couche sémantique partagée supprime entièrement la redérivation, de sorte que chaque réponse — humaine ou IA — provient de la même définition gouvernée.
La couche qui garde les agents IA et les tableaux de bord cohérents
Les agents IA qui répondent à des questions métier doivent calculer les mêmes chiffres que ceux affichés par vos tableaux de bord, et non une approximation plausible. Lorsqu'un agent interroge la couche sémantique plutôt que des tables brutes, il résout le « chiffre d'affaires » ou l'« attrition » vers la définition gouvernée exacte qu'utilisent vos analystes, si bien que sa réponse correspond au rapport sur la même question. Parce que la couche sémantique est ancrée dans l'ontologie plutôt que dans une configuration autonome, elle se met à jour à mesure que vos entités et vos relations évoluent — gardant les agents, les tableaux de bord et les analystes en accord permanent.
Source unique de vérité partagée — Les agents calculent les métriques sur la même couche sémantique que vos outils de BI — pas de définition distincte et non gouvernée du « chiffre d'affaires » pour l'IA.
Ancré, pas deviné — Les agents résolvent les termes métier vers des définitions gouvernées au lieu d'inférer le sens à partir de noms de colonnes ou de prompts.
Des chiffres explicables — Chaque chiffre renvoyé par un agent remonte à une métrique définie, de sorte que les réponses sont vérifiables et pas seulement plausibles.
Évolue avec le graphe — À mesure que les entités et les relations changent dans l'ontologie, la couche sémantique se met à jour avec elles — aucune configuration distincte à maintenir.
Questions fréquentes
Qu'est-ce qu'une couche sémantique ?+
Quelle est la différence entre une couche sémantique et une ontologie ?+
En quoi est-ce différent des couches de métriques de type dbt ou Cube ?+
Une couche sémantique remplace-t-elle mon outil de BI ?+
Comment une couche sémantique réduit-elle la dérive des métriques ?+
Pourquoi la couche sémantique compte-t-elle particulièrement pour les agents IA ?+
Explorer la plateforme
À lire aussi
Écrivez-nous
Vous préférez écrire ? Envoyez un e-mail à hello [at] scrydon.com et nous vous répondrons.
Partenaires
