Conception d'un pipeline ETL simple
Conçoit un pipeline ETL complet avec gestion des erreurs, monitoring et code Python pour l'intégration de données multi-sources.
Coller dans votre IA
Collez ce prompt dans ChatGPT, Claude ou Gemini et personnalisez les variables entre crochets.
Je dois construire un pipeline ETL pour [OBJECTIF] qui extrait des données de [SOURCES] vers [DESTINATION] (ex : Data Warehouse, base SQL, Google BigQuery, fichiers Parquet).
Sources de données :
- [SOURCE_1] : [DESCRIPTION] (ex : API REST, CSV quotidien, base MySQL)
- [SOURCE_2] : [DESCRIPTION] (ex : Google Sheets, Salesforce SFTP)
- [SOURCE_3] : [DESCRIPTION] si applicable
Transformations nécessaires :
- [TRANSFORMATION_1] (ex : dédoublonnage, jointures, agrégations)
- [TRANSFORMATION_2] (ex : standardisation formats, calcul de métriques dérivées)
Contraintes : [CONTRAINTES] (ex : traitement de [VOLUME] lignes/jour, latence max [LATENCE], conformité RGPD)
Conçois le pipeline ETL avec :
- L'architecture globale du pipeline avec schéma de flux de données
- La stratégie d'extraction : full load vs incremental avec gestion des deltas
- Les transformations avec règles de qualité et validation des données
- La gestion des erreurs, alertes et reprise sur panne
- Le monitoring : métriques clés à surveiller (latence, volume, taux d'erreur)
- Le code Python complet avec pandas/SQLAlchemy ou dbt si applicable
- La documentation technique et le calendrier d'exécution (cron)
Stack préférée : [STACK_TECH]
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 est efficace car il aborde toutes les dimensions d'un ETL professionnel : architecture, qualité des données, résilience et monitoring, produisant une solution prête pour la production.
Cas d'usage
Résultat attendu
Architecture ETL, code Python complet, règles de qualité, gestion erreurs, monitoring et documentation technique.
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 fiabiliser ton pipeline, pense à intégrer une **colonne `_validé`** après chaque transformation : un booléen qui invalide les lignes ne passant pas tes règles qualité (ex : nulls, hors plage). Cela permet de tracer les rejets sans bloquer l’extraction, et tu peux les rediriger vers une table d’audit pour reprise manuelle.
Termes du glossaire
📬 Recevez de nouveaux prompts chaque semaine
Rejoignez notre newsletter et ne manquez aucun prompt.
Pour aller plus loin
Prompts similaires
Jobs-to-be-Done analysis
Comprendre le vrai job de l'utilisateur
Prompt Stable Diffusion pour analyser un sondage
Stable Diffusion, reconnu pour sa puissance en génération d'images par intelligence artificielle, peut être détourné de manière créative pour produire des visualisations percutantes à partir de données de sondage. Plutôt que de se limiter aux graphiques traditionnels, cet outil permet de transformer des résultats statistiques en infographies visuelles, en illustrations conceptuelles ou en représentations artistiques qui captent immédiatement l'attention. En formulant des prompts précis décrivant les tendances, proportions et insights clés d'un sondage, vous obtenez des visuels uniques qui rendent vos données accessibles et mémorables. Que vous prépariez une présentation, un rapport ou un post sur les réseaux sociaux, Stable Diffusion vous aide à donner vie à vos chiffres. Cette approche est particulièrement efficace pour communiquer des résultats complexes à un public non technique, en remplaçant les camemberts classiques par des métaphores visuelles puissantes. Dans ce guide, découvrez le prompt optimal pour transformer vos données de sondage en créations visuelles impactantes, avec des variantes adaptées à chaque niveau d'expertise.
Évaluer un modèle de régression
Évaluer la performance d'un modèle de régression
Prompt Claude pour analyser des feedbacks utilisateurs
L'analyse des feedbacks utilisateurs est un levier stratégique pour toute entreprise souhaitant améliorer ses produits et services. Pourtant, traiter manuellement des centaines, voire des milliers d'avis clients est chronophage et sujet aux biais d'interprétation. Claude excelle dans cette tâche grâce à sa capacité à comprendre les nuances du langage naturel, à détecter les sentiments implicites et à catégoriser automatiquement les retours selon des axes pertinents. Qu'il s'agisse d'avis produits, de tickets support, de réponses à des enquêtes NPS ou de commentaires sur les réseaux sociaux, Claude peut extraire des insights actionnables en quelques secondes. En structurant correctement votre prompt, vous obtenez une analyse systématique qui identifie les tendances récurrentes, hiérarchise les problèmes par impact et propose des recommandations concrètes. Cette approche transforme des données qualitatives brutes en un tableau de bord décisionnel clair, permettant aux équipes produit, support et marketing d'agir rapidement sur les points de friction identifiés par vos utilisateurs.