Présentation

Nvidia Auto Ontology est une bibliothèque open‑source sous licence Apache 2.0 qui génère une couche de contexte sémantique à partir des métadonnées d’entreprise. Elle agrège les définitions de métriques, d’entités et de relations provenant de bases de données relationnelles (Postgres, Snowflake, Databricks, DuckDB) et les expose aux agents IA via MCP, CLI ou API. Le projet ne reçoit pas de contributions externes, ce qui garantit une base de code contrôlée par Nvidia.

Architecture technique

Le catalogue sémantique est stocké dans une instance PostgreSQL collocée avec le catalogue décrit. Les requêtes en langage naturel sont traduites en SQL grâce aux points d’inférence NIM de Nvidia : le modèle LLM nvidia/nemotron-3-nano-30b-a3b pour le raisonnement, nvidia/nemotron-3-embed-1b pour les embeddings et nvidia/llama-nemotron-rerank-vl-1b-v2 pour le reranking. Les variables d’environnement DEFAULT_MODELS_ENDPOINT, DEFAULT_MODELS_MODEL, EMBED_ENDPOINT et EMBED_MODEL permettent de configurer ces points d’accès, avec un fallback sur les variables DEFAULT_MODELS_API_KEY ou l’ancien NVIDIA_API_KEY. Le déploiement s’effectue via un chart Helm pour Kubernetes ou un docker compose local, incluant les services backend, frontend, PostgreSQL et pgAdmin.

Sécurité et gestion des secrets

L’authentification repose sur Better Auth avec support RBAC et SSO. Les jetons d’API sont stockés uniquement sous forme de hash SHA‑256, affichés une fois lors de la création. Les informations de connexion aux bases sources peuvent être conservées en clair dans PostgreSQL ou, si les variables VAULT_ADDR, VAULT_NAMESPACE, VAULT_ROLE_ID et VAULT_SECRET_ID sont définies, être externalisées dans HashiCorp Vault. En l’absence de configuration complète, le système revient à un stockage en texte clair, accompagné d’un avertissement.

Utilisation et limites

Les développeurs peuvent découvrir des ontologies en analysant les métadonnées, les connecter à des modèles sémantiques existants et créer des graphes de connaissances prêts pour l’IA. Le module de validation compare les requêtes générées aux définitions certifiées et renvoie la provenance de chaque réponse. Toutefois, le projet ne propose pas de mécanisme d’apprentissage continu automatisé ; les corrections certifiées doivent être réintégrées manuellement. De plus, la dépendance aux modèles NIM hébergés implique la nécessité d’une clé API Nvidia (nvapi-…) et d’une connexion Internet fiable, ce qui peut limiter les déploiements strictement on‑premise.

curl -H "x-api-key: $AUTO_ONTOLOGY_API_TOKEN" https://auto_ontology.example.com/api/terms