Tables natives
Vos données. Ses propositions.
Les tables sont la maison d’Aghata pour vos données d’exploitation — prospects, fournisseurs, stocks, pipelines. L’agent les interroge à l’exact, les cite ligne par ligne, et quand il veut modifier quelque chose, il demande. Chaque enregistrement sait d’où il vient.
La proposition
L’agent demande avant d’écrire. À chaque fois.
Aucun chemin de code ne permet à une IA de modifier un enregistrement directement. Écrire, c’est proposer : les opérations, les lignes et les champs touchés, et le raisonnement — en attente jusqu’à ce que vous appliquiez.
Lignes et champs, nommés
Une proposition montre exactement quels enregistrements et quels champs bougent, valeur par valeur. Vous relisez un diff, pas un paragraphe affirmant que des choses ont été mises à jour.
Le raisonnement joint
Chaque proposition porte le raisonnement écrit de l’agent et un lien vers la session qui l’a produite. Une mauvaise proposition est une erreur repérable, pas un mystère.
Une proposition périmée refuse de s’appliquer
Si les données ont bougé après le dépôt, la proposition passe en périmé et ne s’applique plus tant qu’elle n’est pas relue. Votre table n’est jamais écrasée par un avis dépassé.
Exact, attribué
Un compte est un compte. Et chaque cellule est signée.
Les tables sont typées et indexées en dessous, et c’est ce qui rend les réponses de l’agent exactes plutôt qu’impressionnistes — chaque enregistrement portant son origine.
Pas d’« à peu près » tiré d’un survol de fichier
Les champs sont typés et indexés : filtres, comptages et sommes s’exécutent sur les données elles-mêmes. Quand un rapport annonce 6 exceptions, c’est le résultat d’une requête — pas l’impression d’un modèle de langage.
Qui a créé cette ligne
Chaque enregistrement est marqué de son auteur — vous, un import ou une session d’IA — et garde le lien. Deux mois plus tard, une valeur étrange a toujours une origine repérable.
Un historique au champ près
Chaque modification est journalisée avec l’acteur, l’avant et l’après, jusqu’au champ. Répondre à « qui a changé ça, et depuis quelle valeur » est une recherche, pas une enquête.
Les tables sont des sources
Une table peut étayer un livrable avec des citations à la ligne près — le rapport renvoie aux lignes exactes qu’il a utilisées, et les lignes savent quels rapports les ont utilisées.
Un vrai produit
Un produit où l’on travaille, pas un export qu’on s’envoie par mail.
La table que l’agent interroge est celle que vous modifiez à la main — avec les vues et la structure qu’on attend d’un vrai produit de données.
10 types de champ
- Texte, nombre, date, case à cocher
- Liste et liste multiple
- URL et e-mail
- Fichiers sur les enregistrements
- Enregistrements liés entre tables
Trois vues
- Grille avec navigation clavier et filtres
- Tableaux kanban sur n’importe quelle liste
- Calendrier depuis n’importe quel champ date
Trois entrées
- CSV avec aperçu et progression en direct
- Instantanés de bases Airtable, liens préservés
- Sorties de tâches converties en tables
Les tables liées se regroupent en collections ; les imports signalent les lignes en échec avec leur motif au lieu de tronquer en silence. Et une routine planifiée peut interroger une table chaque matin et laisser une proposition prête à relire — de vraies lignes en entrée, des propositions en sortie.
Questions
Ce qu’on nous demande en premier.
En quoi est-ce différent de donner un tableur à un chatbot ?+
Un chatbot survole votre fichier et approxime. Les tables sont indexées et interrogées à l’exact — un compte est un compte, une somme est une somme — et quand l’IA veut modifier quelque chose, elle dépose une proposition pour votre relecture au lieu de toucher vos données en silence.
L’IA peut-elle écrire directement dans ma table ?+
Non. Toute écriture de l’IA arrive sous forme de proposition : les opérations, les lignes et champs touchés, et un raisonnement écrit. Vous appliquez ou vous rejetez. Si les données ont changé entre-temps sous la proposition, elle est marquée périmée et rien ne s’applique avant une nouvelle relecture.
Puis-je modifier les cellules moi-même ?+
Bien sûr. Les tables sont un produit complet — vues grille, kanban et calendrier, navigation clavier, filtres. Vous et l’agent travaillez sur les mêmes données ; seul l’agent passe par la relecture.
Un import Airtable reste-t-il synchronisé ?+
Non, et c’est voulu. Un import Airtable est un instantané unique et durable : Aghata importe dans une collection les tables de base que vous choisissez, préserve les enregistrements liés entre elles, et crée un nouvel instantané daté si vous réimportez. Vos données de travail vivent ici, pas dans un tuyau de synchronisation.
Que se passe-t-il pendant un import ?+
Vous le regardez : lignes totales, traitées, en échec — en direct. Les lignes illisibles sont listées avec leur motif. Aucune troncature silencieuse, aucun trou inexpliqué.
Le travail planifié peut-il utiliser une table ?+
Oui. Une routine ou un planning peut interroger une table et déposer des mises à jour proposées à chaque exécution — une revue de pipeline du lundi matin qui lit de vraies lignes et vous laisse une proposition en attente, pas un e-mail de suppositions.
Chapitres d’un système
Mémoire
Ce qu’Aghata apprend reçoit le même traitement que vos données : relu, attribué, auditable.
Routines
Mettez une table derrière un planning et recevez des mises à jour relues plutôt que des suppositions matinales.
Mode ordinateur
Les sessions qui lisent vos tables, calculent sur de vraies lignes et déposent les propositions.
Donnez l’objectif. Gardez le contrôle.
Commencez gratuitement dans le produit, ou parlons de l’usage qu’en ferait votre équipe.