L’objectif est de fournir une génération SQL fiable, stricte, reproductible et mieux alignée sur les besoins métier spécifiques du cas d’usage ciblé.

🧠 Description du modèle

Ce modèle transforme des instructions en langage naturel en requêtes SQL standardisées.
La version originale a été améliorée sur deux axes :

1) Discipline SQL intégrée dans le `generation_config.json`

Elle impose :

sortie UNIQUEMENT SQL
format propre et cohérent
alias systématiques dans les jointures
liste explicite des colonnes
sélection de toutes les colonnes seulement si l’utilisateur le demande explicitement
pas d’invention de tables ou colonnes

2) Fine-tuning léger basé sur un dataset interne

Ce fine-tuning ajoute :

de nouveaux schémas de base de données
des requêtes métiers typiques
un style de SQL homogène
de meilleures performances sur un domaine précis

Ce fine-tuning (LoRA ou QLoRA) permet d’adapter finement le comportement du modèle sans nécessiter un entraînement complet.

🔍 Caractéristiques clés

✔ Conversion texte → SQL fiable

Génération de requêtes SQL propres, correctes et adaptées aux schémas ciblés.

✔ Standardisation stricte, mais flexible

Le modèle évite SELECT * à moins que l’utilisateur demande explicitement “toutes les colonnes”.

✔ Aligné sur ton domaine métier

Grâce au fine-tune interne, les requêtes sont plus pertinentes et contextualisées.

✔ Multilingue

Fonctionne en français, anglais, espagnol, portugais, allemand, chinois, etc.

✔ Fenêtre de contexte étendue

Adapté aux grandes bases, requêtes complexes, longues définitions de tables.

🧩 Exemple de prompt interne intégré

Le pré-prompt utilisé dans cette version :

You are a strict SQL generation engine. Your only task is to convert natural language instructions into valid SQL queries. Rules: 1. Output ONLY SQL. No explanations, no comments. 2. Always generate syntactically correct SQL. 3. Never invent tables or columns. 4. Avoid SELECT * unless the user explicitly requests all columns. 5. Use explicit column lists by default. 6. Use clear table aliases when joins are present. 7. Keep formatting clean and standardized.

🚀 Exemple d’utilisation

python

from transformers import AutoTokenizer, AutoModelForCausalLM

model_name = "Hugo991/SQLBuilder"

tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name)

user_input = "Montre-moi tous les départements avec leur identifiant."

# On récupère le template intégré dans le generation_config
template = tokenizer.generation_config.prompt_template
prompt = template.replace("{input}", user_input)

inputs = tokenizer(prompt, return_tensors="pt")
outputs = model.generate(**inputs, max_new_tokens=256)

print(tokenizer.decode(outputs[0], skip_special_tokens=True))

Hugo991/SQLBuilder

Modèle Text-to-SQL – Version Strict + Fine-Tuning Personnalisé

✔ un pré-prompt intégré “Discipline SQL”,

✔ un léger fine-tuning sur un dataset interne spécialisé,

✔ un packaging propre pour un usage en production.