Inconvo | Créez des agents de données fiables

Quoi

Inconvo est une plateforme open source conçue pour créer des agents « chat-with-data » orientés client au sein d’un produit. Elle est pensée pour les équipes qui veulent permettre aux utilisateurs finaux de poser des questions en langage naturel sur leurs propres données et d’obtenir des réponses sous forme de texte, de tableaux ou de graphiques via un workflow API/SDK.

Le produit semble se positionner comme une infrastructure orientée développeurs pour des agents de données fiables, plutôt que comme un remplacement autonome de la BI. Son workflow principal est le suivant : connecter des données SQL avec une couche sémantique, intégrer via le SDK/API Node ou un déploiement serveur MCP, puis lancer des agents dans l’application ou via des outils comme ChatGPT, Claude ou Microsoft Copilot.

Fonctionnalités

• Contrôles de données via couche sémantique : prend en charge les activations/désactivations de tables/colonnes, les colonnes calculées, les unités, les prompts de table, le contrôle des jointures et le périmètre par tenant afin de définir ce à quoi l’agent peut accéder et la manière dont il interprète les données.
• Prise en charge des bases orientées SQL : prend actuellement en charge PostgreSQL, MySQL, MS SQL et Redshift, offrant une adéquation claire pour les équipes disposant de stacks de données relationnelles.
• Options de déploiement API, SDK et MCP : les agents peuvent être intégrés via le SDK/API NodeJS ou exposés comme serveurs MCP sur un domaine personnalisé avec prise en charge d’OAuth.
• État conversationnel pour l’analyse multi-tour : conserve le contexte entre les questions de suivi afin que les utilisateurs puissent poser naturellement des questions analytiques comparatives ou séquentielles.
• Observabilité et traçabilité : fournit des traces d’agent, des journaux de conversation et des analyses d’usage pour aider les équipes à déboguer les comportements et à améliorer les performances des agents.
• Parcours de validation sécurisé des requêtes : valide l’intention de la requête avant la conversion SQL, avec des affirmations d’exécution plus sûre et de contrôle d’accès géré par la configuration de la plateforme.

Conseils utiles

• Validez tôt votre couche sémantique : la qualité des résultats d’Inconvo dépend de la qualité du schéma et de la sémantique ; définissez donc les champs calculés, le nommage et les périmètres tenant avant un déploiement large.
• Considérez-le comme un complément à la BI : le produit est optimal pour un accès conversationnel ad hoc, tandis que le reporting exécutif fixe reste mieux pris en charge par des tableaux de bord traditionnels.
• Pilotez sur un jeu de données restreint à forte valeur : commencez avec quelques tables et les questions utilisateur les plus courantes, puis étendez la couverture une fois que les traces montrent un comportement de requête stable.
• Planifiez la gouvernance avec les équipes produit et data : le masquage/activation des colonnes, les contrôles de jointure et le périmètre tenant doivent être examinés conjointement pour éviter toute surexposition accidentelle.
• Modélisez les coûts selon la croissance des messages et des tables : la tarification évolue selon les agents, les tables actives et les messages ; surveillez donc les analyses d’usage pour éviter des coûts d’extension inattendus.

Compétences OpenClaw

Dans un écosystème OpenClaw, Inconvo pourrait vraisemblablement servir de couche structurée de récupération de données et d’exécution analytique pour des agents orientés client. Une conception de compétence pratique inclurait : classification d’intention (recherche de KPI vs analyse de tendance), génération de requêtes cadrées via Inconvo, puis post-traitement des réponses en narratifs, graphiques ou alertes spécifiques au produit.

Un workflow probable est une chaîne multi-agents où OpenClaw gère l’orchestration, les garde-fous et la logique d’escalade, tandis qu’Inconvo gère l’interrogation des données de manière sûre et cadrée. Pour les produits SaaS, fintech et e-commerce, cela pourrait faire évoluer les équipes support et customer success d’un reporting manuel vers des analyses guidées en self-service pour les utilisateurs finaux — toutefois, une intégration native OpenClaw n’est pas explicitement indiquée sur la page source, ce qui doit être considéré comme un schéma d’implémentation plutôt qu’un connecteur intégré confirmé.