Prompt ChatGPT pour générer un schéma de base de données
La conception d'un schéma de base de données est une étape fondamentale dans tout projet logiciel. Un schéma bien pensé garantit la cohérence des données, optimise les performances des requêtes et facilite la maintenance à long terme. Pourtant, cette tâche exige une expertise en modélisation relationnelle, en normalisation et en choix de types de données adaptés. ChatGPT peut considérablement accélérer ce processus en générant un schéma structuré à partir d'une description fonctionnelle de votre projet. En lui fournissant le contexte métier, les entités principales et les relations attendues, vous obtenez en quelques secondes un schéma SQL complet avec clés primaires, clés étrangères, index et contraintes. L'IA peut également proposer des optimisations comme la dénormalisation ciblée pour les cas de lecture intensive, ou suggérer des patterns éprouvés comme le soft delete ou le polymorphisme de tables. Que vous travailliez sur une application SaaS, un e-commerce ou un système de gestion interne, ChatGPT adapte le schéma au SGBD de votre choix — PostgreSQL, MySQL, SQLite ou SQL Server — en respectant les conventions et types natifs de chaque moteur.
Coller dans votre IA
Collez ce prompt dans ChatGPT, Claude ou Gemini et personnalisez les variables entre crochets.
Tu es un architecte de bases de données senior avec 15 ans d'expérience en modélisation relationnelle. Je développe une application de [DESCRIPTION DU PROJET]. Voici les entités métier principales : [LISTE DES ENTITÉS]. Les règles métier sont : [RÈGLES MÉTIER]. Le SGBD cible est [PostgreSQL/MySQL/SQLite]. Génère un schéma de base de données complet en SQL avec : 1) Toutes les tables avec leurs colonnes, types de données appropriés et commentaires, 2) Les clés primaires (UUID ou auto-increment selon le contexte), 3) Les clés étrangères avec les contraintes ON DELETE et ON UPDATE appropriées, 4) Les index sur les colonnes fréquemment recherchées ou filtrées, 5) Les contraintes CHECK et UNIQUE pertinentes, 6) Les colonnes d'audit (created_at, updated_at, deleted_at si soft delete), 7) Les tables de jointure pour les relations many-to-many. Après le SQL, fournis un diagramme des relations au format texte et une liste des décisions de conception avec leur justification.
Personnaliser ce prompt avec Léa
Léa réécrit ce prompt pour ton métier et ton objectif précis — 3 questions suffisent.
Pourquoi ce prompt fonctionne
Ce prompt fonctionne parce qu'il attribue un rôle d'expert précis à l'IA, ce qui oriente la qualité des réponses vers un niveau professionnel. La liste numérotée des livrables attendus force une réponse exhaustive et structurée, évitant les oublis courants comme les index ou les contraintes. Enfin, demander la justification des choix de conception pousse l'IA à raisonner sur chaque décision plutôt qu'à appliquer des patterns génériques.
Cas d'usage
Variantes
Résultat attendu
Vous obtiendrez un script SQL complet et exécutable contenant toutes les instructions CREATE TABLE avec types de données natifs au SGBD choisi, les contraintes relationnelles, les index et les colonnes d'audit. Le résultat inclura également un diagramme textuel des relations entre entités et un document de décisions architecturales expliquant les choix de normalisation, de typage et d'indexation.
Questions fréquentes
ChatGPT peut-il générer un schéma pour n'importe quel SGBD ?
Oui, ChatGPT maîtrise les syntaxes SQL de PostgreSQL, MySQL, SQLite, SQL Server et Oracle. Il adapte les types de données (par exemple SERIAL en PostgreSQL vs AUTO_INCREMENT en MySQL), les fonctions natives et les extensions spécifiques à chaque moteur. Précisez toujours le SGBD cible dans votre prompt pour obtenir un script directement exécutable sans modifications.
Le schéma généré respecte-t-il les formes normales ?
Par défaut, ChatGPT génère des schémas en troisième forme normale (3NF), ce qui élimine les redondances et les dépendances transitives. Si votre cas d'usage nécessite une dénormalisation pour des raisons de performance (tableaux de bord, rapports), précisez-le dans le prompt. L'IA pourra alors proposer un schéma hybride avec des colonnes dénormalisées ou des vues matérialisées pour les requêtes de lecture intensive.
Comment intégrer le schéma généré dans un projet existant avec un ORM ?
Vous pouvez demander à ChatGPT de générer le schéma directement dans le format de votre ORM : modèles Prisma, entités TypeORM, modèles Django, schémas Drizzle ou migrations Alembic. Ajoutez simplement dans le prompt : « Génère le schéma au format [NOM DE L'ORM] » et l'IA produira le code correspondant avec les décorateurs, annotations et configurations propres à l'outil choisi.
Améliorez ce prompt
Passez ce prompt dans l'Optimiseur pour renforcer le contexte, les contraintes et le format attendu.
Améliore ce prompt avec l'OptimiseurCommentaires
- LéaIA
Pour un résultat plus fiable, décrivez dans les règles métier les cardinalités exactes et les contraintes temporelles (ex: une commande ne peut être modifiée après 24h). Cela affine les clés étrangères et les CHECK. Si vous utilisez PostgreSQL, précisez la version pour activer des types comme `UUID` natif ou `GENERATED ALWAYS AS`.
Termes du glossaire
📬 Recevez de nouveaux prompts chaque semaine
Rejoignez notre newsletter et ne manquez aucun prompt.
Pour aller plus loin
Prompts similaires
Mise en œuvre de la CSP avec des nonces
Prévenir les XSS avec une CSP stricte
Planifier une migration d’un monolithe vers des microservices
Migrer des monolithes de façon incrémentielle
Créer un système de cache Redis performant et scalable
Un prompt complet pour concevoir et implémenter un système de cache Redis avec stratégies d'invalidation, gestion des erreurs et monitoring.
Prompt pour créer des Serverless Functions optimisées
Prompt complet pour concevoir des serverless functions production-ready sur Vercel ou AWS Lambda, couvrant le code, la sécurité, les performances et le déploiement.