#InterSystems IRIS

Avec Embedded Python et la Native API, il devient de plus en plus naturel d'ecrire une partie de la logique applicative IRIS en Python. Mais une question revient vite : comment manipuler des objets persistants IRIS depuis Python sans perdre le lien avec le modele objet natif, les tables sql de définition de classes, les index, le stockage et les projections SQL ?

iris-persistence explore cette question. Le projet fournit une couche de persistance objet en Python pour InterSystems IRIS, inspiree de %Persistent

Comment j'ai utilisé le vibecoding pour un backend (et un frontend) sur InterSystems IRIS

Je souhaitais essayer le vibecoding sur une configuration réelle de backend et de frontend sur InterSystems IRIS, en utilisant idéalement un cas concret plutôt qu'un simple exemple théorique. L'objectif était simple : prendre un package persistant existant et bien connu dans IRIS et créer rapidement une interface utilisateur et une API fonctionnelles autour de celui-ci, en laissant l'IA se charger autant que possible des tâches répétitives. Voici le résultat de ces expériences.

Quand on développe en Python avec InterSystems IRIS, on peut rapidement se retrouver avec plusieurs contextes d'exécution :

• Python lancé directement par IRIS avec Embedded Python ;
• un python3 classique qui charge les bibliothèques Embedded Python d'une installation IRIS locale ;
• une application Python externe qui se connecte à IRIS via le pilote natif officiel.

Ces trois cas sont utiles, mais ils n'ont pas exactement le même comportement côté imports, configuration système, API objet et accès SQL.

Bonjour à tous,

L’équipe Certification d’InterSystems Learning Services est heureuse d’annoncer la sortie du nouvel examen InterSystems IRIS SQL Professional. Il est désormais disponible à l’achat et à la planification dans le catalogue des examens InterSystems .

Cet examen de niveau expert s’adresse aux spécialistes d’IRIS SQL et couvre un large éventail de sujets avancés. Vous trouverez plus de détails sur la page de l’examen .

Cette certification constitue l’étape suivante après la certification InterSystems IRIS SQL Specialist.

Les globals InterSystems IRIS sont un des points forts de la plateforme : ils permettent de stocker des données hiérarchiques avec une structure extrêmement directe, ordonnée et performante. Mais lorsqu'on travaille depuis Python, leur manipulation peut parfois sembler plus proche d'une API bas niveau que des habitudes naturelles du langage.

Le projet iris-global-reference propose une couche Python au-dessus des globals IRIS.

Vous trouverez ci-dessous une mise à jour du calendrier des versions d’IRIS pour 2026 ainsi qu’un aperçu préliminaire des changements prévus pour 2027. Le point clé pour 2026 est que la numérotation des versions de maintenance sera légèrement différente de celle des années précédentes.

2026 : numérotation des versions de maintenance IRIS 2026.1

• Juillet 2026 : première version de maintenance pour IRIS 2026.1 (version prévue : 2026.1.4)
• Octobre 2026 : version de maintenance suivante (version prévue : 2026.1.5)
• Février 2027 : version de maintenance suivante (version prévue : 2026.1.

🚀 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).