Changelog – Release 2026.11¶

La Release 2026.11 s'articule autour de trois ajouts majeurs :

digna Data Reconciliation (Beta) : vérifie que les données restent cohérentes lorsqu'elles circulent entre les systèmes
digna Agentic (Beta) : ouvre digna aux agents IA via le digna MCP Server
digna Engine : profile, en option, les données au sein de digna et permet des contrôles d'intégrité référentielle entre différentes technologies de bases de données

Nouvelles fonctionnalités¶

digna Data Reconciliation (Beta) – Cohérence de la source à la cible¶

Les données transitent souvent par plusieurs systèmes avant d'arriver dans un rapport. digna Data Reconciliation (Beta) compare une source de données cible avec les sources à partir desquelles elle a été construite, et alerte lorsqu'elles ne concordent plus.

Configurée sous forme de règles nommées dans le nouvel onglet Data Reconciliation de la source de données cible
Toute source de données du projet pour laquelle Data Reconciliation est activé peut servir de source
Les cas d'usage incluent les procédures de rapprochement standard et la validation des résultats des processus ETL
Deux types de règles : Exact et AI

Règles Exact – Le rapprochement comme règle de qualité des données : vous définissez précisément ce qui doit correspondre entre une source et une cible, comme pour une règle de qualité des données.

Comparer une source de données d'origine avec une source de données cible
Associer un contrôle cible à un contrôle source par statistique et par attribut, par ex. le nombre de lignes ou la somme d'une colonne de montants
Autoriser un écart avec une tolérance Absolute (par ex. ± 10) ou Relative (par ex. ± 0,5 % de la source)
La chronologie affiche l'écart de chaque jour par rapport à la tolérance

Règles AI – Le rapprochement comme observabilité des données : digna apprend comment une cible suit ses sources, de la même manière que digna observe les données dans les autres modules, et alerte lorsque cette relation se rompt.

Combiner les contrôles de plusieurs sources de données d'origine avec les contrôles d'une cible
Inutile de connaître ou de formaliser la logique qui les relie (jointures, filtres, agrégations)
Un modèle apprend à partir de l'historique comment la cible suit ses sources le même jour
Chaque contrôle cible est prédit à partir des valeurs sources du jour, et digna alerte lorsque la cible sort de la bande formée par les erreurs passées propres à la règle
Chaque règle dispose de ses propres Model settings : Sensitivity, Memory et Model Complexity

Les contrôles de rapprochement apparaissent sur le Dashboard avec une chronologie par règle. Ils comptent dans le statut global de l'inspection et déclenchent des notifications.

Impact : Couvre les deux facettes du rapprochement. Les règles Exact imposent des contrôles connus entre source et cible, et les règles AI surveillent des flux complexes comme les processus ETL : les données perdues ou modifiées en cours de route sont ainsi détectées sans SQL de rapprochement écrit à la main.

digna Agentic (Beta) – digna pour les agents IA¶

Première version de digna Agentic (Beta). Les agents IA peuvent désormais travailler avec digna, répondre à des questions métier sur vos données et vous aider à améliorer votre configuration.

digna MCP Server : permet à Claude et à d'autres agents IA de travailler avec digna via le Model Context Protocol.

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, pour analyser les alertes

Descriptions des sources de données et des attributs : décrivez en langage courant ce que contient une source de données ou un attribut.

Les agents IA utilisent ces descriptions pour interpréter vos données
Posez des questions métier sur vos données : les agents IA y répondent à partir de ce que digna surveille
Si la configuration actuelle de digna ne permet pas de répondre à une question, l'agent IA propose, si possible, des modifications de la source de données et de ses attributs, par ex. l'ajout d'un nouveau dataset

Impact : Permet de poser des questions métier sur vos données en langage courant, et permet aux agents IA d'aider à configurer digna et à analyser les problèmes de qualité des données.

digna Engine – Profilez là où vous le souhaitez¶

Par défaut, digna profile les données là où elles se trouvent, dans la base de données source. Le digna Engine ajoute une option : digna exporte les données depuis la source et les profile au sein du digna Engine.

Facultatif, non obligatoire : le profilage dans la base de données source reste disponible
Choisi pour chaque connexion de base de données comme emplacement de profilage (Profiling Location) : Source Database ou digna Engine
Disponible pour toutes les technologies source prises en charge

Intégrité référentielle entre connexions : certains contrôles nécessitent l'export des données. Le digna Engine étend digna Data Validation à ces cas.

Contrôles d'intégrité référentielle entre sources de données situées sur des connexions de base de données différentes, y compris avec des technologies de bases de données différentes (par ex. Oracle et PostgreSQL)
Fonctionne avec les deux emplacements de profilage : avec Source Database, seules les colonnes clés sont exportées vers le digna Engine
Le tableau de bord indique lorsqu'un contrôle s'exécute sur deux connexions

Impact : Permet de choisir où les données sont profilées, et d'imposer des relations entre des systèmes reposant sur des technologies de bases de données différentes.

Améliorations du profilage¶

Cette version donne également aux utilisateurs davantage de contrôle sur ce qui est profilé et sur la manière de le faire.

Attributs de requête – Colonnes définies par l'utilisateur¶

Définir des colonnes artificielles : une expression SQL portant sur une ou plusieurs colonnes de la source de données
Chaque attribut de requête possède son propre nom
Profilé et contrôlé comme n'importe quel autre attribut

Catégorie de colonne DATE¶

Nouvelle catégorie Date pour les attributs
Métriques relatives à la date inspectée

Profilage à la demande¶

Profiler n'importe quel attribut sur l'instantané complet d'une date, sans lancer d'inspection
Aide à définir le type de colonne de l'attribut : Numerical, Categorical, Date ou Unspecified

Qui bénéficie de cette version¶

Data Engineers : validation des résultats ETL avec digna Data Reconciliation (Beta)
Équipes Finance, Risques et Contrôle de gestion : procédures de rapprochement standard sous forme de règles Exact dans digna Data Reconciliation (Beta)
Équipes Qualité des données et Gouvernance : intégrité référentielle entre technologies de bases de données avec le digna Engine
Utilisateurs métier : réponses des agents IA aux questions métier sur les données avec digna Agentic (Beta)
Équipes IA et Automatisation : agents IA travaillant avec digna via digna Agentic (Beta)

Mises à jour de la CLI¶

Aucun changement