Changelog – Release 2026.06¶

Avec la Release 2026.06, digna franchit une étape majeure en matière d'automatisation, d'extensibilité et d'ergonomie de la plateforme.
Cette version introduit le nouveau digna Python SDK, le support officiel Docker, une expérience de tableau de bord rafraîchie et une portabilité améliorée pour la gestion des règles de validation.

Voir la présentation de la version¶

What's New in digna | The Major Release of 2026 — une présentation de cette version sur la chaîne YouTube de digna.

Nouvelles fonctionnalités¶

digna Python SDK – Automatisez tout avec Python¶

Installation via :
```
pip install digna-sdk
```
Gérer et automatiser digna de manière programmatique avec Python
Créer et configurer des projets via du code
Déclencher des inspections et des exécutions de monitoring
Gérer datasets, rules et configurations par programmation
Profiler des tables et extraire des insights de métadonnées
Exporter les résultats de profilage et de qualité des données vers des référentiels et systèmes externes
Intégrer avec des notebooks, des outils d'orchestration et des pipelines CI/CD

Impact : Permet une approche infrastructure-as-code complète et une automatisation avancée des workflows de qualité et d'observabilité des données via Python.

Support Docker – Déploiement et exploitation simplifiés¶

Image Docker officielle pour digna
Installation rapide et cohérente entre environnements
Onboarding simplifié pour les environnements de développement, de test et de production
Intégration aisée avec Kubernetes et les plateformes de conteneurs
Portabilité et reproductibilité améliorées des déploiements

Impact : Facilite le déploiement et l'exploitation de digna dans des architectures cloud-native modernes.

QueryMode – Stratégie d'exécution SQL flexible¶

Configurez la stratégie d'exécution des requêtes : mode Single ou Combined

Single Mode : Chaque statistique est calculée par une requête SQL dédiée

Idéal pour les sources de données volumineuses où la mémoire est limitée
Évite l'épuisement des ressources lors de requêtes combinées (out of memory, limites de spool)
Nombre de requêtes plus élevé mais empreinte mémoire par requête réduite

Combined Mode : Toutes les statistiques sont calculées dans une seule requête SQL

Réduit le nombre total de requêtes et la surcharge réseau
Optimise les performances lorsque les sources de données tiennent en mémoire
Plus efficace pour des exécutions fréquentes et parallèles

Impact : Offre aux utilisateurs un contrôle précis sur l'exécution des requêtes afin d'équilibrer performances, consommation de ressources et sécurité mémoire selon les caractéristiques de leurs sources de données.

Modèle de prédiction configurable¶

Le modèle qui sous-tend la détection d'anomalies met désormais en balance des explications concurrentes de chaque série – un motif combiné à une lecture des observations les plus récentes – et mélange leurs prévisions selon le degré de soutien de chacune. Une valeur extrême isolée ne peut plus contaminer les prédictions suivantes.

Deux réglages du nouvel onglet Model de la source de données le pilotent, chacun de 0.0 à 1.0, avec 0.5 par défaut :

Break Sensitivity – la rapidité avec laquelle un saut vers un nouveau niveau ou un retournement de tendance est considéré comme réel plutôt que traité comme des valeurs aberrantes
Model Complexity – la quantité de structure que le modèle recherche, des effets calendaires et d'un simple changement de niveau jusqu'aux cycles inconnus, aux effets de jour du mois et aux réinitialisations mensuelles

Les deux peuvent être rétablis à leur valeur par défaut à tout moment. Consultez Paramètres du modèle pour savoir comment agit chacun d'eux.

Impact : Donne aux utilisateurs la maîtrise du modèle de prédiction lui-même, en complément des réglages Sensitivity et Memory existants sur la bande de tolérance, désormais dans l'onglet Thresholds.

Contrôle des notifications d'anomalies¶

Nouvel onglet Notifications dans les paramètres d'anomalies de la source de données :
Minimum Alerts – le nombre de contrôles en échec (et non incertains) qu'une inspection doit compter avant l'envoi d'une notification (par défaut 1)
Pause After Notification (Days) – la durée pendant laquelle un abonnement reste silencieux après avoir notifié au sujet de la source de données (par défaut 0, aucune pause)

Expérience de tableau de bord repensée¶

UI/UX modernisée et améliorée
Navigation et structure plus claires
Meilleure visibilité des résultats de monitoring et des insights de qualité des données
Lecture améliorée des alertes, statistiques et tableaux de bord
Accès plus rapide aux informations opérationnelles clés

Impact : Améliore l'utilisabilité et la productivité quotidienne pour tous les utilisateurs.

Import & Export étendus pour les règles de validation¶

Fonctionnalité d'import/export des règles de validation enrichie
Migration facilitée entre environnements et projets
Réutilisation simplifiée de jeux de règles standardisés
Meilleure gouvernance et gestion du cycle de vie des règles
Collaboration simplifiée entre équipes

Impact : Permet une gouvernance de la qualité des données évolutive et cohérente à l'échelle de l'organisation.

Améliorations de la plateforme¶

Intégration complète du SDK Python pour l'automatisation
Déploiement conteneurisé via Docker
UX améliorée grâce à un tableau de bord repensé
Portabilité étendue de la logique de validation

Qui bénéficie de cette version¶

Data Engineers : automatisation, utilisation du SDK, intégration aux pipelines
Platform Teams : déploiement simplifié via Docker
Data Governance Teams : gestion réutilisable des règles de validation
Analytics Teams : meilleure utilisabilité et visibilité des insights

Mises à jour de la CLI¶

Ajout du support d'intégration du SDK
Flux d'import/export améliorés
Améliorations générales de stabilité et de performance