Comment utiliser l'IA quand on est ai data engineer ?
Prompts et workflows 2026

En tant que ai data engineer, tu dois ecrire une requete SQL d'analyse exploratoire performante pour PostgreSQL. La base s'appelle [NOM_BASE], la table principale est [NOM_TABLE], et la periode d'analyse est du [DATE_DEBUT] au [DATE_FIN].

La requete doit faire un COUNT(*) global, puis disagreger par [DIMENSION_1] et [DIMENSION_2] avec un GROUP BY. Inclus un CASE WHEN pour segmenter les valeurs nulles. Ajoute un HAVING COUNT(*) > [SEUIL_MIN] pour eliminer les segments negligeables. Utilise des alias de tables explicites (t1, t2). 

Ajoute en commentaire SQL les decisions de conception: pourquoi ces JOINs, quels indexes sont necessaires, et quelle volumetrie estimative cette requete traitera. La requete doit s'executer en moins de 30 secondes sur un dataset de 10 millions de lignes.

Format de sortie: SQL brut dans un bloc code, suivi d'un tableau d'estimation de performance.

Tu es ai data engineer specialise en documentation technique. Ta mission est de produire une documentation complete pour le pipeline [NOM_PIPELINE] qui ingere des donnees depuis [SOURCE] vers [DESTINATION].

Structure le document en 5 sections: 1) Overview fonctionnel (but business, frequence d'execution, SLA), 2) Schema technique (etapes de transformation avec noms des jobs [JOB_1], [JOB_2], [JOB_3]), 3) Data lineage (provenance, transformations, destination finale), 4) Monitoring et alertes (KPI a surveiller, seuils [SEUIL_ALERTE], destinataires), 5) Procedures de reprise sur incident.

Pour chaque job, documente: l'input, la transformation, l'output, et les cas d'echec possibles. Utilise un format Markdown avec des diagrammes en texte (mermaid si possible). Indique les [VARIABLES_ENVIRONNEMENT] necessaires et leurs valeurs par defaut.

Cette documentation devra etre comprehensible par un data engineer junior et par un analyste metier. Longueur minimum: 500 mots.

En tant que ai data engineer charge de la qualite des donnees, tu dois generer un rapport hebdomadaire synthetique. Utilise les metriques suivantes recoltees: score qualite global [SCORE_QUALITE]%, nombre d'anomalies detectees [NB_ANOMALIES], volume de donnees traitees [VOLUME_TB] To, taux d'erreur en ingestion [TAUX_ERREUR]%.

Le rapport doit contenir: 1) Un resume executive de 3 lignes destine au COMEX, 2) Un tableau des 5 anomalies principales avec severite (bloquante/majeure/mineure), impact metier, et statut (ouvert/en cours/resolu), 3) Un comparatif avec la semaine precedente ([EVOLUTION]), 4) Les 3 actions correctives prioritaires pour la semaine avec responsable [RESPONSABLE] et deadline [DATE_DEADLINE], 5) Un indicateur de tendance (fleche haut/bas/neutre) pour chaque metrique.

Adapte le ton: technique pour l'equipe data, plus fonctionnel pour les utilisateurs metier. Longueur: 400 mots minimum, format Markdown.

Tu es ai data engineer. Genere un script Python complet pour nettoyer et transformer des donnees en vue d'un chargement en data warehouse. Le script doit traiter un fichier CSV d'entree [FICHIER_ENTREE].csv situe dans [CHEMIN_ENTREE] et produire un fichier [FICHIER_SORTIE].csv dans [CHEMIN_SORTIE].

Le script doit implementer les transformations suivantes: suppression des lignes avec des valeurs nulles dans [COLONNE_CRITIQUE], normalisation des dates au format YYYY-MM-DD avec la bibliotheque pandas, deduplication sur [COLONNE_ID] en conservant la ligne la plus recente, standardisation de la colonne [COLONNE_TEXTUELLE] en lowercase sans caracteres speciaux.

Inclus: gestion des erreurs avec try/except, logging dans un fichier [NOM_LOG].log, generation d'un rapport de statistiques post-transformation (nb lignes avant, nb lignes apres, nb lignes rejetees), et documentation inline. Utilise uniquement des bibliotheques standard ou pandas. Le script doit etre executable en ligne de commande avec arguments.

Format: code Python complet avec fonctions separees pour chaque etape de transformation.