--- title: "Extension Data Platform" description: "Parcourez la documentation, explorez vos datasets et buckets, exécutez du SQL en lecture seule, ouvrez des notebooks prêts à l'emploi connectés à vos propres données" url: https://docs.ovhcloud.com/fr/guides/public-cloud/data-platform/dpe-notebooks-data-platform-extension lang: fr lastUpdated: 2026-09-14 --- > For AI agents: the complete documentation index is available at https://docs.ovhcloud.com/fr/llms.txt, the full documentation bundle is available at https://docs.ovhcloud.com/fr/llms-full.txt. # Extension Data Platform ## Objectif Chaque notebook Data Platform est livré avec l'**extension Data Platform** : un panneau compagnon à l'intérieur de JupyterLab qui apporte la platform à votre notebook. Parcourez la **documentation**, explorez vos **datasets et buckets**, exécutez du **SQL en lecture seule**, ouvrez des **notebooks prêts à l'emploi** connectés à vos propres données, et **exportez un notebook en tant qu'action personnalisée** lorsqu'il est prêt à être exécuté comme un job. Rien à installer, aucun identifiant à configurer : cela fonctionne dès que votre [notebook](https://docs.ovhcloud.com/fr/guides/public-cloud/data-platform/dpe-notebooks.md) démarre. ![Vue d'ensemble Dpx](/images/public-cloud/data-platform/product/dpe/notebooks/picts/dpx-overview.png) :::info La navigation, la prévisualisation et l'interrogation sont en **lecture seule** : elles ne modifient jamais vos données. Les seules choses que l'extension crée sont les notebooks que vous générez depuis la galerie, enregistrés dans votre dossier personnel, et les [actions personnalisées que vous exportez](#exporter-un-notebook-en-tant-quaction-personnalisée). ::: ## Ouvrir l'extension Il existe deux façons de l'ouvrir, selon votre manière de travailler : - **Panneau latéral :** cliquez sur l'**icône Data Platform** dans la barre latérale gauche de JupyterLab. Le panneau s'ouvre à côté de votre notebook, afin que vous puissiez explorer les données et écrire du code côte à côte. Utilisez le **bouton d'expansion** dans sa barre supérieure pour basculer vers un onglet pleine largeur. - **Vue complète :** cliquez sur la tuile **Data Platform** dans le lanceur JupyterLab (sous _Other_). ![Ouvrir l'extension — Dpx main panel](/images/public-cloud/data-platform/product/dpe/notebooks/picts/dpx-main-panel.png) La barre supérieure est toujours disponible : un champ de **recherche globale**, un bouton de **rafraîchissement** qui recharge les données de la platform (les nouvelles tables apparaissent immédiatement), et le sélecteur de **langue**. :::info L'extension est disponible en **anglais, français et japonais** : utilisez le sélecteur **EN / FR / JP** dans la barre supérieure pour changer la langue de tout le panneau à tout moment. ::: ## Documentation L'onglet **Documentation** affiche le catalogue en direct de la platform : des scénarios d'action complets, des extraits SDK, une section PySpark et une FAQ. C'est le même contenu qui alimente les aides de la console de la platform, toujours à jour. Chaque extrait dispose d'un **bouton de copie** et d'un lien vers la page de documentation complète. Combinés avec l'épinglage de table (voir [Data](#data--parcourir-vos-datasets) ci-dessous), les extraits sont remplis avec les vrais noms de vos datasets et tables : ce que vous copiez s'exécute tel quel dans votre notebook. ![Documentation — Dpx documentation](/images/public-cloud/data-platform/product/dpe/notebooks/picts/dpx-documentation.png) ## Data : parcourir vos datasets L'onglet **Data** liste les datasets de votre projet, les mêmes que ceux que vous voyez dans le [Lakehouse Manager](https://docs.ovhcloud.com/fr/guides/public-cloud/data-platform/lakehouse-manager-datasets.md). Ouvrez un dataset pour parcourir ses tables : la recherche reste instantanée même avec des milliers de tables. ![Data : parcourir vos datasets — Dpx data](/images/public-cloud/data-platform/product/dpe/notebooks/picts/dpx-data.png) Développez une table pour obtenir tout ce que vous ouvrez habituellement la console pour consulter : ![Data : parcourir vos datasets — Dpx data expanded](/images/public-cloud/data-platform/product/dpe/notebooks/picts/dpx-data-expanded.png) | Action | Ce que vous obtenez | | --------------------- | -------------------------------------------------------------------------------------------------------------- | | **Schema** | Les noms et types de colonnes, dans une grille compacte défilable | | **Count rows** | Le nombre de lignes en direct de la table | | **Preview** | Les 20 premières lignes, avec un bouton **Copy for notebook** qui vous donne le code pandas correspondant | | **Copy as** | Des extraits prêts à coller : appel `connect()`, SQL SELECT, `select()` filtré, DataFrame pandas | | **Open in SQL** | Bascule vers l'[onglet SQL](#sql--interroger-sans-quitter-jupyter) avec une requête préremplie sur cette table | | **Analyze (gallery)** | Bascule vers la [galerie](#galerie-de-notebooks) avec cette table présélectionnée | | **Use in snippets** | Épingle la table : chaque extrait de documentation et de galerie est rempli avec son vrai nom | ## SQL : interroger sans quitter Jupyter L'onglet **SQL** est un éditeur léger pour interroger un dataset en SQL lecture seule. Choisissez le dataset, tapez un SELECT, appuyez sur **Run** (ou Cmd/Ctrl+Enter) : les résultats s'affichent juste en dessous, avec le temps d'exécution. ![SQL : interroger sans quitter Jupyter — Dpx sql](/images/public-cloud/data-platform/product/dpe/notebooks/picts/dpx-sql.png) Quelques garde-fous assurent sécurité et rapidité : - seules les requêtes **SELECT** sont acceptées : rien ne peut être modifié depuis ici ; - une limite de lignes est ajoutée automatiquement si vous en oubliez une ; - **Copy for notebook** sur n'importe quel résultat vous donne le code SDK exact pour reproduire la requête dans une cellule de notebook. ## Buckets : explorer vos fichiers L'onglet **Buckets** est un explorateur de fichiers sur les buckets de votre projet : naviguez dans les dossiers, consultez les tailles de fichiers. Chaque fichier est accompagné d'un extrait prêt à copier pour le lire depuis votre notebook. ![Buckets : explorer vos fichiers — Dpx buckets](/images/public-cloud/data-platform/product/dpe/notebooks/picts/dpx-buckets.png) ## Galerie de notebooks La **Gallery** est un ensemble de notebooks prêts à l'emploi, organisés en packs. Lorsque vous cliquez sur **Create & open**, une pop-up vous permet de choisir : - **le connecter à une vraie table de votre projet** : le notebook s'ouvre déjà connecté à vos données, prêt à être exécuté de bout en bout ; - **conserver les placeholders** : vous obtenez un modèle générique à adapter plus tard. Le notebook est créé dans votre dossier personnel et s'ouvre immédiatement dans un onglet JupyterLab. ![Galerie de notebooks — Dpx gallery](/images/public-cloud/data-platform/product/dpe/notebooks/picts/dpx-gallery.png) | Pack | Notebooks | | ------------------------------ | ------------------------------------------------------------------------------------------- | | **Getting started** | Data Platform 101 : la visite guidée de la platform sur les données réelles de votre projet | | **Explore & assess** | Explore a table, Data quality report, Cross-dataset analytics | | **Pipelines** | ETL table to table, Ingest an API into the DWH, Load bucket files into the DWH | | **ML & Spark** | ML quickstart, Segmentation, Anomaly detection, Time-series forecast, PySpark starter | | **AI (OVHcloud AI Endpoints)** | LLMs on your data, Talk to your data (SQL agent) | La galerie s'adapte à l'image de votre notebook : les notebooks ML apparaissent sur les notebooks **Data Science** et **TensorFlow**, et le PySpark starter sur les notebooks **PySpark**. :::info Le **pack AI** utilise [OVHcloud AI Endpoints](https://www.ovhcloud.com/en/public-cloud/ai-endpoints/) avec votre propre clé API. Les lignes que vous sélectionnez sont envoyées à l'API AI Endpoints, faites donc attention à la sensibilité des données. Voir aussi [l'extension Jupyter AI](https://docs.ovhcloud.com/fr/guides/public-cloud/data-platform/dpe-notebooks-jupyter-ai-extension.md) pour l'assistant de chat. ::: ## Exporter un notebook en tant qu'action personnalisée Une fois que le code de votre notebook est prêt à être exécuté comme un job, l'extension peut le transformer en [action Custom](https://docs.ovhcloud.com/fr/guides/public-cloud/data-platform/dpe-actions-custom.md) sans quitter JupyterLab, et sans avoir à copier le code. ![Exporter un notebook en tant qu'action personnalisée — Dpx export menu](/images/public-cloud/data-platform/product/dpe/notebooks/picts/dpx-export-menu.png) Démarrez l'export depuis l'extension, puis remplissez le formulaire d'export : 1. Sélectionnez le **notebook** à exporter. 2. Choisissez le **référentiel** du Data Processing Engine vers lequel l'action est exportée. 3. Choisissez entre **créer une nouvelle action personnalisée** ou **remplacer une action existante** par cet export. 4. Donnez un **nom** à l'action, et choisissez son type : **Custom Python** ou **Custom PySpark**. 5. Cliquez sur **Preview**. ![Exporter un notebook en tant qu'action personnalisée — Dpx export setup](/images/public-cloud/data-platform/product/dpe/notebooks/picts/dpx-export-setup.png) L'aperçu résume ce qui sera créé : référentiel et version cibles, nom et type de l'action, fonction d'entrée, taille du code, et les dépendances détectées à partir des **pip installs** du notebook, converties automatiquement en dépendances d'action. Sous le résumé, vous pouvez examiner le code généré : les cellules sans code sont supprimées, et le code est encapsulé dans une fonction d'entrée `def customfunc(event):` pour correspondre au format de l'action. ![Exporter un notebook en tant qu'action personnalisée — Dpx export preview](/images/public-cloud/data-platform/product/dpe/notebooks/picts/dpx-export-preview.png) Satisfait du résultat ? Cliquez sur **Create action**. L'action est alors disponible dans l'écran [Actions](https://docs.ovhcloud.com/fr/guides/public-cloud/data-platform/landing-page-dpe-actions.md) comme n'importe quelle autre action personnalisée : configurez-la, exécutez-la, ou planifiez-la dans un [workflow](https://docs.ovhcloud.com/fr/guides/public-cloud/data-platform/dpe-workflows.md). ![Exporter un notebook en tant qu'action personnalisée — Dpx export confirmation](/images/public-cloud/data-platform/product/dpe/notebooks/picts/dpx-export-confirmation.png) ## Rechercher partout La **barre de recherche** en haut parcourt toute l'extension en une seule fois : extraits de documentation, datasets, tables que vous avez parcourues, et buckets. Les résultats sont regroupés par type ; cliquer sur une table l'ouvre directement avec ses détails développés. ![Rechercher partout — Dpx search](/images/public-cloud/data-platform/product/dpe/notebooks/picts/dpx-search.png) ## Aller plus loin Si vous avez besoin d'une formation ou d'une assistance technique pour la mise en oeuvre de nos solutions, contactez votre commercial ou cliquez sur [ce lien](https://www.ovhcloud.com/fr/professional-services/) pour obtenir un devis et demander une analyse personnalisée de votre projet à nos experts de l’équipe Professional Services. Posez vos questions, faites-nous part de vos commentaires et interagissez directement avec l’équipe qui développe la Data Platform sur le [canal Discord](https://discord.gg/ovhcloud) dédié. Si vous avez besoin d'une assistance concernant vos services OVHcloud, créez une demande depuis notre [centre d'aide](https://help.ovhcloud.com/csm?id=csm_get_help). Rejoignez notre [communauté d'utilisateurs](https://community.ovhcloud.com/).