Potential — Moteur de Recherche IA pour l'Open Data d'Abu Dhabi
Une couche de recherche conversationnelle construite sur la plateforme Open Data d’Abu Dhabi. Posez vos questions en langage courant, obtenez les jeux de données correspondants et explorez-les — sans vocabulaire technique requis.
Voir la démo
Cette démonstration illustre comment une question en langage naturel devient un jeu de données récupéré et un graphique — en un seul échange.
Le pipeline Potential
Comment ça marche
Un pipeline de récupération augmentée en trois étapes, construit sur Azure
Requête → Mots-clés
L’utilisateur saisit une demande en langage courant. Un premier appel GPT en extrait une chaîne de recherche lisible par la machine, gérant abréviations, ambiguïtés et terminologie trans-domaines.
Mots-clés → Jeux de données
Azure AI Search effectue une recherche en texte intégral dans le catalogue Open Data d’Abu Dhabi et renvoie les 5 enregistrements les plus pertinents avec leurs métadonnées.
Jeux de données → Réponse
Un second appel GPT synthétise les métadonnées récupérées en une réponse lisible, en mettant en évidence les identifiants de jeux de données prêts pour la visualisation ou le téléchargement.
Ce qu’il sait faire
Découverte en langage naturel
Inutile de connaître les noms ou étiquettes exacts des jeux de données. Le système fait correspondre les questions naturelles aux jeux de données du catalogue.
Indexation sans stockage
Les données restent sur la plateforme Abu Dhabi Open Data. Le système les interroge en temps réel via l’API publique — rien n’est copié ni mis en cache localement.
Visualisation dans le navigateur
Une fois un jeu de données trouvé, il peut être affiché sous forme de tableau, histogramme ou courbe directement dans l’interface, sans export vers un autre outil.
Requêtes guidées par document
Déposez un PDF ou une image. Azure Form Recognizer en extrait le texte pour l’utiliser comme contexte de recherche — idéal pour des documents de politique ou des rapports.
Contexte multi-tours
Jusqu’à six tours de conversation sont conservés, permettant d’affiner les résultats naturellement sans repartir de zéro.
Architecture API-first scalable
L’architecture n’est pas spécifique à Abu Dhabi. Toute plateforme de données ouvertes disposant d’une API publique peut être indexée avec un minimum de reconfiguration.
Stack technique
Frontend
IA & NLP
Couche données
Graphiques
Construit sous pression
Potential a été conçu et livré en 48 heures lors du Hackathon Abu Dhabi Spark AI — une compétition organisée en partenariat avec des entités gouvernementales. L’équipe de quatre personnes s’est classée dans le top 10 parmi plus de 26 équipes participantes. Le défi : rendre les données gouvernementales ouvertes réellement accessibles aux utilisateurs non techniques. Le pari était qu’une fine couche IA au-dessus des API publiques existantes pouvait éliminer la courbe d’apprentissage abrupte de la recherche de données structurées.