Hugo991/SQLBuilder

Modèle Text-to-SQL – Version Strict + Fine-Tuning Personnalisé

Ce modèle est une version améliorée de Ellbendls/Qwen-3-4b-Text_to_SQL (Apache-2.0).
Il inclut :

✔ un pré-prompt intégré “Discipline SQL”,

✔ un léger fine-tuning sur un dataset interne spécialisé,

✔ un packaging propre pour un usage en production.

L’objectif est de fournir une génération SQL fiable, stricte, reproductible et mieux alignée sur les besoins métier spécifiques du cas d’usage ciblé.

---

🧠 Description du modèle

Ce modèle transforme des instructions en langage naturel en requêtes SQL standardisées.
La version originale a été améliorée sur deux axes :

1) Discipline SQL intégrée dans le generation_config.json

Elle impose :

• sortie UNIQUEMENT SQL
• format propre et cohérent
• alias systématiques dans les jointures
• liste explicite des colonnes
• sélection de toutes les colonnes seulement si l’utilisateur le demande explicitement
• pas d’invention de tables ou colonnes

2) Fine-tuning léger basé sur un dataset interne

Ce fine-tuning ajoute :

• de nouveaux schémas de base de données
• des requêtes métiers typiques
• un style de SQL homogène
• de meilleures performances sur un domaine précis

Ce fine-tuning (LoRA ou QLoRA) permet d’adapter finement le comportement du modèle sans nécessiter un entraînement complet.

---

🔍 Caractéristiques clés

✔ Conversion texte → SQL fiable

Génération de requêtes SQL propres, correctes et adaptées aux schémas ciblés.

✔ Standardisation stricte, mais flexible

Le modèle évite SELECT * à moins que l’utilisateur demande explicitement “toutes les colonnes”.

✔ Aligné sur ton domaine métier

Grâce au fine-tune interne, les requêtes sont plus pertinentes et contextualisées.

✔ Multilingue

Fonctionne en français, anglais, espagnol, portugais, allemand, chinois, etc.

✔ Fenêtre de contexte étendue

Adapté aux grandes bases, requêtes complexes, longues définitions de tables.

---

🧩 Exemple de prompt interne intégré

Le pré-prompt utilisé dans cette version :

You are a strict SQL generation engine. Your only task is to convert natural language instructions into valid SQL queries. Rules: 1. Output ONLY SQL. No explanations, no comments. 2. Always generate syntactically correct SQL. 3. Never invent tables or columns. 4. Avoid SELECT * unless the user explicitly requests all columns. 5. Use explicit column lists by default. 6. Use clear table aliases when joins are present. 7. Keep formatting clean and standardized.

---

🚀 Exemple d’utilisation

from transformers import AutoTokenizer, AutoModelForCausalLM

model_name = "Hugo991/SQLBuilder"

tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name)

user_input = "Montre-moi tous les départements avec leur identifiant."

# On récupère le template intégré dans le generation_config
template = tokenizer.generation_config.prompt_template
prompt = template.replace("{input}", user_input)

inputs = tokenizer(prompt, return_tensors="pt")
outputs = model.generate(**inputs, max_new_tokens=256)

print(tokenizer.decode(outputs[0], skip_special_tokens=True))