Gemini-SQL2 : Google domine le benchmark text-to-SQL
D'après Source : the-decoder.com, relayé par The Decoder
Rédigé à partir de la source originale; chaque fait est vérifié contre le texte source.
À retenir
- Gemini-SQL2, une capacité de recherche de Google bâtie sur Gemini 3.1 Pro, traduit une question posée en langage courant en requête SQL prête à être exécutée sur une base de données.
- Elle obtient 80,04 % de précision d'exécution sur le classement single-model du benchmark BIRD, devenant le premier système à franchir la barre des 80 %.
- Elle dépasse son prédécesseur Gemini-SQL (environ 77,2 %) et, selon les comparatifs rapportés, des systèmes basés sur GPT-5.5-xhigh (environ 72,8 %) et Claude Opus 4.6 (environ 70,9 %).
- L'annonce du 12 juin 2026 a été faite uniquement via un fil sur le compte X officiel de Google Research - aucun billet de blogue officiel ni article scientifique publié à ce jour, ni API publique.
- Google prévoit intégrer cette capacité dans ses produits de données infonuagiques : BigQuery Studio, AlloyDB AI et Cloud SQL Studio.
Pourquoi ça compte
Le text-to-SQL (traduire une question posée en langage courant en requête de base de données) est l'un des ponts les plus recherchés entre les équipes d'affaires et leurs données. Un score record sur BIRD - un benchmark reconnu pour ses données volontairement imparfaites et ses questions ambiguës tirées de 95 bases réelles - signale un progrès mesurable, mais un taux de 80 % laisse encore près d'une requête générée sur cinq incorrecte, ce qui garde la validation humaine nécessaire en production.
Chiffre-clé
80,04 % de précision d'exécution sur le classement single-model du benchmark BIRD - 12 juin 2026, Google Research (rapporté par the-decoder.com)
Citation
« Introducing Gemini-SQL2, our breakthrough text-to-SQL capability powered by Gemini 3.1 Pro! We've achieved state-of-the-art results on the highly competitive BIRD benchmark, translating natural language into execution-ready SQL queries. » Google Research (compte X officiel @GoogleResearch, 12 juin 2026)
Action concrète
Avant d'adopter un outil text-to-SQL en production : garder des identifiants de base de données en lecture seule, appliquer les politiques de tenant et de sécurité au niveau des lignes en dehors de la requête générée, ajouter une validation ou un flux d'approbation pour les rapports à conséquence, et journaliser/tester sur le schéma réel plutôt que de traiter un score de benchmark comme une garantie d'exactitude.
Sources originale et média
