Cet article propose des contraintes d'intégrité sémantique (SIC) pour répondre aux défis de fiabilité des systèmes de traitement de données augmentés par l'IA (DPS), qui intègrent des modèles de langage à grande échelle (LLM) dans des pipelines de requêtes afin de permettre des opérations sémantiques puissantes sur des données structurées et non structurées. Les SIC généralisent les contraintes d'intégrité des bases de données existantes dans des contextes sémantiques, prenant en charge des types courants de contraintes telles que l'ancrage, la validité et l'exclusion, ainsi que des stratégies d'application réactives et proactives. Nous soutenons que les SIC constituent une base pour la construction de systèmes de données augmentés par l'IA fiables et auditables. Nous présentons une conception système pour l'intégration des SIC à la planification des requêtes et à l'exécution, et examinons leur mise en œuvre dans un DPS augmenté par l'IA. Nous présentons également plusieurs objectifs de conception, notamment l'expressivité, la sémantique d'exécution, l'intégration, les performances et l'applicabilité à l'échelle de l'entreprise, et expliquons comment le cadre proposé répond à chaque objectif et aux défis de recherche restants.
