Outil de génération de données

L’outil de génération de données crée des jeux de données synthétiques à partir d’un schéma défini par l’utilisateur pour soutenir les tests, les benchmarks et les flux de travail respectueux de la confidentialité. Il vise les développeurs, les data scientists, les ingénieurs QA et les équipes plateforme qui ont besoin de données réalistes et reproductibles sans exposer de données réelles. La reproductibilité est assurée par une graine choisie par l’utilisateur, garantissant des sorties identiques entre les exécutions.
Les fonctionnalités principales incluent des définitions de champs basées sur le schéma (nom, type, requis/optionnel); des distributions par champ (normale, uniforme, lognormale, catégorielle, fixe); des contraintes (plages, longueurs, unicité); taux de valeurs nulles optionnel et correlations simples; graines pour reproductibilité; plusieurs sorties (CSV, JSON, Parquet). Des options avancées permettent des valeurs fixes, des séquences temporelles et des règles référentielles légères.
Les entrées exigent le schéma et la taille de l’échantillon; des compléments optionnels incluent la graine, le taux de nullité et les paramètres de corrélation.
Les entrées produisent des données structurées utilisables par ETL, analytique, tests de modèles ML et contrôles QA; les sorties incluent le jeu de données et des métadonnées décrivant les distributions et contraintes. L’outil emploie des échantillonnages probabilistes par champ, applique des contraintes et des corrélations optionnelles; les champs numériques utilisent des distributions standards, les catégoriques des choix pondérés et les chaînes de caractères peuvent être générées à partir de modèles ou de pools de catégories. Les valeurs nulles respectent le taux configuré, et le format de sortie est conforme au format choisi avec une représentation numérique indépendante de la locale.