LuthorSQL tranche 68 % des requêtes SQL en 0,84 seconde
LuthorSQL est un modèle de 7 milliards de paramètrespoids du modèleNombre de valeurs apprises par un modèle. À quantification égale, plus de paramètres veut dire plus de mémoire occupée, et en général de meilleures réponses.Fiche du lexique qui remplit en un seul passage les cases d'un plan de requête, puis laisse un compilateur écrire le SQL. Sur le jeu de test caché de BIRD, il atteint 68,03 % d'exécution exacte à 0,84 seconde par question sur une seule carte graphique, et 9 Go suffisent avec des poids en 8 bits. Placé devant Claude Opus 5.5, il répond seul à près d'une question sur deux et baisse la facture de 33,3 % sur 227 questions portant sur des bases inédites.
par Gyom 16 novembre 2026 à 13:05 4 min de lecture rubrique : Code
etiquettes : Local · Coût · Sécurité
Une organisation qui interroge sa base de données par un agentIA agentiqueModèle qui boucle : il choisit une action, le plus souvent un appel d'outil, en lit le résultat, puis recommence jusqu'à l'objectif ou l'abandon. La boucle est ce qui distingue un agent d'une réponse unique.Fiche du lexique hébergé paie chaque question, et chaque question sort de la machine. Les auteurs du papier chiffrent les deux côtés : mené comme un agent à outils, Claude Opus 5.5 répond correctement à 77,26 % des 796 questions d'un découpage de BIRD, à environ 2 cents la question au tarif public, soit 200 dollars par jour et plus de 70 000 dollars par an à dix mille questions quotidiennes. LuthorSQL reprend la séparation d'un Système 1 rapide, qui tranche seul quand il est sûr, et d'un Système 2 lent appelé le reste du temps. Ibrahim Memon et Armin Karamzade, M. Hanif Jhaveri et Roy Fox, de l'université de Californie à Irvine et en indépendant, le déposent sur arXiv le 13 novembre.
Un plan typé, compilé et exécuté avant d'être choisi
Le modèle est un adaptateur de rang faible posé sur OmniSQL-7B, dont les poids restent figés. Il lit le schéma et la question une seule fois, puis remplit en parallèle toutes les cases d'une grammaire de plans bornée : projection, agrégat, filtre, tri, limite, distinct, groupement, et les tables à joindre. Un compilateur déterministe transforme chaque plan en SQL en tirant les jointures du graphe des clés étrangères, par arbre de Steiner, puis exécute la requête en lecture seule. Un second adaptateur, entraîné sur des négatifs difficiles, note chaque candidat, et le système retient le meilleur dont l'exécution aboutit. Une même passe produit jusqu'à 32 plans distincts, 29,6 en moyenne par question sur l'échantillon de mesure.
- Le schéma est encodé une fois par base, puis réutilisé pour toutes les questions qui la visent.
- Les jointures ne sont jamais écrites par le modèle : le compilateur les construit le long du chemin des clés étrangères entre les tables que le plan demande.
- Les valeurs stockées sont pointées, jamais recopiées, ce qui limite les erreurs de recopie sur les bases aux données bruitées.
- L'exécution précède le choix : le validateur arbitre entre des requêtes qui ont déjà tourné.
68,03 % sur le jeu de test caché, 0,84 seconde par question
Seul, LuthorSQL atteint 68,03 % d'exécution exacte sur le jeu de test caché de BIRD, à 0,84 seconde par question sur une seule carte graphique, lots d'une question. La mesure de latence porte sur un échantillon de 200 questions tiré avec une graine fixe. En poids 8 bits, le modèle tient dans environ 9 Go et garde la même exactitude. Sur le découpage de développement de BIRD, sa référence maison, il monte à 60,17 % en SQLite.
57,1 à 59,3 % sur cinq autres moteurs, sans réentraînement
Le plan étant compilé vers un dialecte, le même modèle se transpose sans réentraînement : 57,1 à 59,3 % sur Snowflake, BigQuery, MySQL, PostgreSQL et DuckDB, contre 60,17 % en SQLite sur BIRD dev. La traduction ne coûte donc que quelques points, et l'écart au moteur d'origine reste inférieur à 3,1 points.
La moitié des questions tranchée en local, 33,3 % de facture en moins
La cascade se règle sur une seule grandeur, la marge du validateur entre ses deux meilleurs groupes de résultats. Le seuil de 3,0 a été fixé par une règle écrite avant l'expérience : sur une grille de 0,25 entre 2,0 et 6,0, prendre celui qui maximise l'exactitude moins le coût, une bonne réponse valant 1 dollar et un appel d'agent son tarif public. Avec ce seuil, environ la moitié des questions sont répondues en local, et le coût par question baisse de 24,8 %, 32,9 % et 32,5 % sur trois exécutions de 348 questions réservées, soit 30,1 % en cumulé, puis de 19,9 % sur 693 questions de KaggleDBQA et de Spider-Realistic, à moins de 1,2 point d'exactitude d'Opus. Contre Opus appelé directement par l'API, sur 227 questions portant sur des bases inédites, l'économie est de 33,3 % à exactitude égale. Les coûts sortent des journaux d'usage des agents, valorisés aux tarifs publics, non des factures émises.
Opus recopie 48 à 92 % des requêtes de référence sans voir le schéma
Le papier apporte aussi un contrôle que les auteurs recommandent de reprendre ailleurs. Sans aucun schéma, Claude Opus 5.5 reproduit mot pour mot entre 48 et 92 % des requêtes de référence de BIRD train, de KaggleDBQA et de Spider-Realistic, selon le jeu : une partie des scores obtenus sur ces bancs mesure donc de la récitation. Deux contre-épreuves limitent la portée du reproche. Avec tous les noms des bases de test changés, l'exactitude de l'agent à outils tient. Et sur 227 questions nouvelles portant sur des bases publiées après sa date d'entraînement, Opus atteint 97,4 % seul et 94,3 % dans la cascade.
84,6 % des requêtes de BIRD tiennent dans la grammaire
La grammaire fermée couvre 84,6 % des requêtes de référence du découpage de développement de BIRD, ce qui laisse une part de questions hors de portée du Système 1 : sur les 796 questions du découpage de décision, 126 sortent de la grammaire et vont toujours à l'agent, plus 26 dont les candidats ne forment pas deux groupes de résultats comparables. Le gain tient à un partage du travail : un modèle remplit des cases et laisse un agent garder le SQL libre.