Automatisation des requêtes Text-to-SQL dans un WMS : choisir un LLM local sans GPU

Un développeur d'Aerosib-C a mis en œuvre une tâche d'automatisation de la facturation des services logistiques à partir des données du WMS (système de gestion d'entrepôt) et des terminaux portables. Des modèles de LLM locaux ont été choisis pour générer des requêtes SQL à partir de descriptions textuelles, afin d'éviter de transférer des données commerciales sensibles à des tiers. Les tests ont été réalisés sur un serveur Linux Debian avec 30 Go de RAM et sans accélérateur vidéo. Sur les sept modèles testés (deepseek-coder-v2:16b, gemma4:26b, qwen3-coder:30b, qwen3:14b, qwen3:30b, qwen3.5:9b), seuls trois ont produit un code SQL correct : gemma4:26b, qwen3:14b (sous-optimal) et qwen3:30b. Le vainqueur a été gemma4:26b, malgré un temps de réponse très long (plus de 21 minutes). Il a été noté que les modèles spécialisés dans le code ont obtenu de moins bons résultats que les modèles de raisonnement. L'auteur prévoit de créer un système expert classant les services en groupes afin de simplifier la sélection des descriptions textuelles pour les requêtes. L'article conclut en soulignant que l'IA est un outil qu'il faut maîtriser et appliquer de manière créative, sans générer de code incompréhensible.