Prompt Perplexity pour générer un schéma de base de données
Perplexity se distingue des autres outils d'IA par sa capacité à combiner recherche web en temps réel et génération de contenu structuré. Pour la conception de schémas de bases de données, cette double compétence est particulièrement précieuse : Perplexity peut analyser les meilleures pratiques actuelles de modélisation, s'inspirer de schémas existants dans des projets open source, et produire un résultat qui respecte les conventions modernes de votre SGBD cible. Contrairement à un LLM classique qui se base uniquement sur ses données d'entraînement, Perplexity peut vérifier les types de données spécifiques à PostgreSQL 16, MySQL 8 ou SQLite, et s'assurer que la syntaxe générée est à jour. Que vous démarriez un projet from scratch ou que vous refactoriez une base existante, un prompt bien structuré vous permettra d'obtenir un schéma complet avec tables, relations, index et contraintes, prêt à être exécuté. L'approche consiste à décrire précisément votre domaine métier, vos entités et vos règles de gestion pour que Perplexity produise un schéma normalisé, performant et maintenable.
Coller dans votre IA
Collez ce prompt dans ChatGPT, Claude ou Gemini et personnalisez les variables entre crochets.
Génère un schéma de base de données complet pour une application de [décris ton domaine métier, ex : gestion de réservations pour un réseau de salles de sport]. SGBD cible : [PostgreSQL/MySQL/SQLite]. Le schéma doit inclure :
- Toutes les tables nécessaires avec leurs colonnes, types de données natifs du SGBD choisi, et contraintes (NOT NULL, UNIQUE, DEFAULT, CHECK)
- Les clés primaires (UUID ou SERIAL selon les bonnes pratiques du SGBD)
- Les relations entre tables (clés étrangères avec ON DELETE/ON UPDATE appropriés)
- Les index recommandés pour les requêtes fréquentes
- Les tables de jonction pour les relations many-to-many
- Les colonnes d'audit (created_at, updated_at) avec valeurs par défaut
Règles métier à respecter :
- [Règle 1 : ex. Un utilisateur peut avoir plusieurs réservations mais une seule par créneau]
- [Règle 2 : ex. Les tarifs varient selon le type d'abonnement]
- [Règle 3 : ex. L'historique des paiements doit être conservé même si le compte est supprimé]
Produis le résultat sous forme de code SQL exécutable avec des commentaires expliquant chaque décision de modélisation. Ajoute à la fin un diagramme des relations en notation textuelle (format Mermaid).
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 combine trois leviers essentiels : la spécification du SGBD cible force Perplexity à utiliser les types de données et syntaxes exacts, les règles métier explicites guident la normalisation et les choix de cardinalité, et la demande de commentaires et de diagramme oblige le modèle à justifier ses décisions plutôt qu'à produire du SQL générique. La structure numérotée agit comme une checklist qui réduit les oublis.
Cas d'usage
Variantes
Résultat attendu
Vous obtiendrez un script SQL complet et exécutable contenant les instructions CREATE TABLE avec tous les types, contraintes et relations, accompagné de CREATE INDEX pour l'optimisation des requêtes courantes. Le résultat inclura des commentaires SQL expliquant les choix de modélisation ainsi qu'un diagramme Mermaid des relations entre entités, directement utilisable dans votre documentation technique.
Questions fréquentes
Perplexity peut-il générer un schéma compatible avec un ORM comme Prisma ou Drizzle ?
Oui, il suffit de préciser dans votre prompt le format de sortie souhaité. Par exemple, ajoutez « Produis le schéma au format Prisma (schema.prisma) » ou « Génère les migrations Drizzle en TypeScript ». Perplexity peut rechercher la syntaxe à jour de ces outils et produire un fichier directement utilisable. Pensez à mentionner la version de l'ORM pour éviter les syntaxes dépréciées.
Comment m'assurer que le schéma généré respecte les bonnes pratiques de normalisation ?
Mentionnez explicitement le niveau de normalisation souhaité dans votre prompt (ex : « normalise en 3NF »). Vous pouvez aussi demander à Perplexity de justifier chaque décision de modélisation et de signaler les violations de forme normale intentionnelles. Pour vérifier le résultat, demandez-lui ensuite d'analyser le schéma produit et d'identifier les dépendances fonctionnelles transitives ou les redondances.
Puis-je fournir un schéma existant à Perplexity pour qu'il le refactorise ou l'optimise ?
Absolument. Collez votre schéma SQL existant dans le prompt et demandez une analyse avec recommandations. Perplexity peut identifier les index manquants, les relations implicites non formalisées par des clés étrangères, les types de données sous-optimaux, et proposer des améliorations. Précisez vos requêtes les plus fréquentes pour qu'il adapte ses recommandations d'indexation à votre usage réel.
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
Ajoutez la volumétrie prévisible (lignes, pics/jour) : l'IA surdimensionne souvent avec des UUID ou BIGINT inutiles. Demandez explicitement les triggers `updated_at` car une `DEFAULT` ne gère pas les mises à jour. Pour PostgreSQL, exigez le partitioning natif sur les tables d'historique si vous anticipez des millions de lignes.
Termes du glossaire
📬 Recevez de nouveaux prompts chaque semaine
Rejoignez notre newsletter et ne manquez aucun prompt.
Pour aller plus loin
Prompts similaires
Prompt Sora pour créer des tests E2E
Les tests end-to-end (E2E) sont essentiels pour garantir la fiabilité d'une application, mais leur rédaction reste chronophage et répétitive. Sora, grâce à ses capacités de génération avancées, permet d'automatiser la création de scénarios de tests E2E complets en quelques secondes. En formulant un prompt précis décrivant les parcours utilisateurs, les interactions attendues et les critères de validation, vous obtenez des suites de tests structurées, couvrant les cas nominaux comme les cas limites. L'approche par prompt engineering appliquée à Sora transforme la manière dont les équipes QA et développement abordent la couverture de tests. Au lieu de partir d'une page blanche, vous décrivez le comportement attendu de votre application en langage naturel, et Sora génère le code de test correspondant avec les assertions appropriées. Cette méthode réduit considérablement le temps de mise en place d'une suite E2E tout en maintenant un niveau de qualité professionnel. Que vous utilisiez Playwright, Cypress ou Selenium, les prompts présentés ici s'adaptent à votre stack technique et à la complexité de votre application.
Mettre en place une limitation de débit
Protéger les API contre les abus
Prompt GitHub Copilot pour créer une API REST
GitHub Copilot est devenu un assistant incontournable pour les développeurs souhaitant accélérer la création d'APIs REST. Grâce à son intégration directe dans l'éditeur de code, il comprend le contexte de votre projet et génère du code structuré en temps réel. Que vous travailliez avec Node.js et Express, Python et FastAPI, ou Java et Spring Boot, Copilot s'adapte à votre stack technique pour produire des endpoints conformes aux conventions REST. L'enjeu principal réside dans la formulation du prompt : un prompt bien structuré permet d'obtenir une API complète avec validation des données, gestion des erreurs, authentification et documentation. Un prompt vague, en revanche, produira du code générique nécessitant de nombreuses retouches. Dans ce guide, nous vous proposons un prompt optimisé qui exploite pleinement les capacités de GitHub Copilot pour générer une API REST professionnelle, testable et prête pour la production. Vous découvrirez également des variantes adaptées à votre niveau d'expérience ainsi que des conseils pratiques pour tirer le meilleur parti de cet outil au quotidien.
Mise en œuvre de la CSP avec des nonces
Prévenir les XSS avec une CSP stricte