Vanna.AI vs Avanty

Vanna.AI permet aux utilisateurs professionnels d'interroger des bases de données en anglais simple et d'obtenir des réponses basées sur SQL sans écrire eux-mêmes les requêtes. Le framework open source se connecte à PostgreSQL, MySQL, Snowflake, BigQuery, SQLite et d'autres bases, puis s'associe aux modèles Anthropic, OpenAI, Gemini ou Ollama. Vanna 2.0 ajoute des agents multi-tours avec contrôles d'accès afin que chaque utilisateur ne voie que les données autorisées.

La plupart des outils de conversion texte-SQL s'arrêtent à une seule question. Vanna est livré comme un framework d'agents avec des fonctionnalités d'administration hébergées pour l'observabilité, les journaux d'audit, la mémoire des agents et le stockage de fichiers. Vous pouvez l'auto-héberger avec pip install vanna ou utiliser Vanna Cloud lorsque vous souhaitez un contrôle d'accès géré et un support le jour même.

Vanna.AI convient aux équipes de données, aux chefs de produit et aux analystes qui ont besoin d'un accès en langage naturel gouverné aux données d'entrepôt. Explorer coûte 50 $ par mois avec 20 questions par jour, Team est à 500 $ par mois avec 300 questions quotidiennes, et Enterprise offre une échelle illimitée avec SAML SSO et déploiement sur site.

Avanty s'intègre à Metabase en tant qu'extension Chrome et génère du SQL à partir d'instructions en anglais simple. Il lit votre schéma connecté, rédige des requêtes dans l'éditeur et explique le SQL existant étape par étape pour que les analystes passent moins de temps à gérer la syntaxe.

Les copilotes SQL génériques fonctionnent dans un éditeur vierge. Avanty est conçu pour Metabase : il connaît vos tables, respecte les noms de schéma personnalisés comme datawarehouse.users, et s'ouvre depuis un panneau de commande avec Cmd Shift point sur macOS ou Ctrl Shift point sur Windows. Un visualiseur de différences en ligne montre les modifications proposées avant que vous ne les acceptiez.

Les analystes de données et les ingénieurs en analytique qui utilisent Metabase tirent le meilleur parti d'Avanty. Les questions métier qui nécessitaient auparavant un message Slack et une requête à moitié écrite peuvent commencer par une instruction en langage naturel, apparaître dans Metabase comme une question brouillon, et avancer plus rapidement dans le processus de révision. Une intégration de prévisualisation Slack affiche même les questions Metabase correspondantes à partir des messages du canal.