#InterSystems IRIS

🚀 Introduction

Avec l'émergence des modèles de langage de grande taille (LLM) comme Gemini, Claude et GPT, la capacité d'une intelligence artificielle à comprendre et à interagir avec des sources de données d'entreprise est devenue un enjeu majeur. Cependant, le fossé entre le langage naturel et les structures complexes des bases de données multidimensionnelles peut s'avérer difficile à combler.

Le Connecteur MCP (Model Context Protocol) pour InterSystems IRIS a été conçu pour résoudre ce problème.

. . . vous n’êtes pas seul.

De l’aide est disponible.

Cela m’a pris un certain temps à comprendre, et je suppose que d’autres rencontrent les mêmes difficultés. J’ai parcouru toute la configuration Entra pour mettre en place un flux « client credentials » afin d’envoyer des e-mails via un compte Microsoft 365. J’ai réussi à récupérer mon token, mais je n’arrivais jamais à m’authentifier auprès du serveur SMTP avec la classe %Net.SMTP. La solution comportait deux éléments.

Ceci est la deuxième partie d’une série de deux articles dans laquelle je vous présente :

• Partie I - Introduction et visite rapide (l’article précédent)
  • Qu’est-ce que c’est ?
  • Démarrer un déploiement InterSystems IRIS Cloud Document
  • Faire une visite rapide du service via l’interface utilisateur du service
• Partie II - Exemple d’application Java conteneurisée (cet article)
  • Récupérer les détails de connexion et le certificat TLS
  • Examiner un exemple Java simple qui crée une collection, insère des documents et les interroge
  • Configurer et exécuter l’exemple Java conteneurisé de bout en bout

Comme mentionné, l’objectif est de vous offrir une première expérience fluide.

Si vous connaissez déjà Java (ou .Net) et avez peut-être aussi utilisé d’autres bases de données documentaires (ou cherchez à en utiliser une), mais que vous découvrez l’univers InterSystems, cet article devrait vous aider.

InterSystems IRIS Cloud Document est une base de données documentaire entièrement managée qui vous permet de stocker des documents JSON et de les interroger avec une syntaxe SQL familière, le tout sous la forme d’un service cloud géré par InterSystems.

Dans cette série de deux articles, je vais vous présenter :

• Partie I - Introduction et visite rapide (cet article)
  • Qu’est-ce que c’est ?
  • Démarrer un déploiement InterSystems IRIS Cloud Document
  • Faire une visite rapide du service via son interface utilisateur
• Partie II - Exemple d’application Java conteneurisée
  • Récupération des détails de connexion et du certificat TLS
  • Revue d’un exemple Java simple qui crée une collection, insère des documents et les interroge
  • Configuration et exécution de l’exemple Java conteneurisé de bout en bout

L’objectif est de vous offrir une première expérience fluide.

La vectorisation a notamment pour objectif de rendre le texte non structuré plus exploitable par les machines. Les embeddings vectoriels y parviennent en codant la sémantique du texte sous forme de vecteurs numeric à haute dimensionalité, qui peuvent être utilisés par des algorithmes de recherche avancés (généralement un algorithme de plus proche voisin approximatif tel que Hierarchical Navigable Small World).

Les versions de maintenance 2025.1.4 et 2024.1.6 de la plateforme de données InterSystems IRIS^®, d’InterSystems IRIS^® for Health^TM, et de HealthShare^® Health Connect sont désormais disponibles en disponibilité générale (GA). Ces versions incluent les correctifs pour plusieurs alertes et avis récemment publiés, notamment les suivants :

• 15 avril 2026 – Alerte : retrait d’InterSystems IRIS for Health et Health Connect 2024.1.4 et 2024.1.5 en raison de problèmes d’interopérabilité santé | IDC

Comment configurer le RAG pour les agents OpenAI à l'aide d'InterSystems IRIS Vector DB en Python

Dans cet article, je vous présenterai un exemple d'utilisation d'InterSystems IRIS Vector DB pour stocker des représentations vectorielles et les intégrer à un agent OpenAI.

Pour cette démonstration, nous créerons un agent OpenAI au moyen de connaissances sur la technologie InterSystems.

Salut la Communauté !

Profitez de regarder la nouvelle vidéo sur la chaîne Youtube d'InterSystems France :

📺 Quelles fonctionnalités avancées sur InterSystems FHIR ?

Motivation

Pourquoi en avons-nous besoin ?

1. Manque de contexte compilé : les outils d’IA ne voient que le code source ; ils ne savent pas à quoi ressemble la routine compilée finale.
2. Hallucination des macros : comme l’IA ne voit pas nos fichiers #include ni les macros système, elle en invente souvent, ce qui fait perdre du temps lors du débogage.
3. Lacune documentaire : l’optimisation logique avancée nécessite souvent de comprendre des macros internes qui ne sont pas entièrement documentées publiquement.

Une seule commande suffit pour l'ensemble d'une instance IRIS dans le cadre de projets Data Science, ce qui permet de comparer la vitesse des différentes méthodes de requête (SQL dynamique, requête Pandas et Globales).

Avant de rejoindre InterSystems, j'ai travaillé au sein d'une équipe de développeurs web en tant que data scientist.

Nouveautés d’InterSystems IRIS et IRIS for Health 2026.1

InterSystems IRIS 2026.1 est disponible, et il regorge d’améliorations puissantes conçues pour aider les organisations à faire évoluer leur gestion des données comme jamais auparavant. Que vous soyez confronté aux défis opérationnels liés à la gestion de volumes massifs de données ou que vous cherchiez à optimiser les coûts de stockage, cette version apporte de nombreuses fonctionnalités pour simplifier la gestion des données et répondre aux enjeux croissants des très grands ensembles de données.

Introduction

FHIR (Fast Healthcare Interoperability Resources) est le standard moderne pour le stockage et l’échange de données cliniques. Mais une fois vos données sur un serveur FHIR, comment les explorer concrètement ? Les données FHIR sont stockées au format JSON — puissant, mais peu pratique à lire directement. Je voulais un outil permettant de cliquer sur un patient et de voir ses pathologies, ses médicaments, ses résultats de laboratoire, etc., dans un format clair et lisible. J’ai donc créé le FHIR Patient Viewer.

Fonctionnement

L’application fonctionne entièrement dans Docker et se connecte directement à un serveur FHIR d’InterSystems IRIS for Health. Au démarrage, elle charge automatiquement 115 patients synthétiques dans IRIS — aucune configuration manuelle n’est nécessaire.

• Parcourir une liste de patients

• Cliquer sur un patient pour voir tous ses dossiers cliniques