Cet article explore les tendances récentes en matière d'intégration de modèles de langage à grande échelle (LLM) dans les requêtes SQL afin d'optimiser l'analyse des données. Malgré les avantages des requêtes SQL basées sur les LLM proposées par des entreprises comme Amazon, Databricks, Google et Snowflake, les solutions open source manquent souvent de fonctionnalités et de performances. Cette étude utilise deux systèmes open source et une plateforme d'entreprise pour analyser cinq requêtes représentatives et expose les limites fonctionnelles, de performances et d'évolutivité des intégrations LLM actuelles basées sur SQL. Nous identifions trois défis majeurs : la mise en œuvre de résultats structurés, l'optimisation de l'utilisation des ressources et l'amélioration des plans de requêtes, et proposons des solutions initiales pour les relever, démontrant des améliorations de performances. Nous suggérons qu'une intégration étroite entre les LLM et les SGBD est essentielle pour améliorer l'évolutivité et l'efficacité des requêtes SQL basées sur les LLM.
