SQL sur CSV — Interrogez vos fichiers CSV, JSON et Parquet en SQL

Interrogez vos tableurs et fichiers de données avec du vrai SQL

Les formules de tableur sont idéales pour de petites modifications, mais elles deviennent pénibles dès qu'il faut filtrer des milliers de lignes, regrouper selon plusieurs colonnes ou combiner deux exports qui partagent un identifiant. SQL sur CSV vous permet de traiter des fichiers de données ordinaires comme des tables de base de données. Déposez un fichier CSV, TSV, JSON ou Parquet : il devient immédiatement une vue SQL portant le nom du fichier, si bien que sales_2024.csv peut être interrogé avec SELECT * FROM sales_2024. Ajoutez d'autres fichiers et vous pourrez les joindre, les unir ou les comparer sans rien importer dans un serveur de base de données.

Le moteur de l'outil est DuckDB, une base de données analytique conçue pour exécuter rapidement des requêtes sur des données en colonnes. Son dialecte SQL est proche de PostgreSQL et prend en charge les jointures, GROUP BY, les fonctions de fenêtrage, les expressions de table communes (CTE), SUMMARIZE pour obtenir instantanément des statistiques sur les colonnes, ainsi qu'une vaste bibliothèque de fonctions de texte, de date et de calcul. Les noms et types de colonnes sont détectés automatiquement, et le panneau du schéma affiche précisément ce que DuckDB a déduit pour chaque fichier.

Confidentiel par conception : tout s'exécute dans votre navigateur

De nombreux bacs à sable SQL en ligne vous demandent d'abord d'envoyer vos données. Pas cette page. DuckDB est compilé en WebAssembly et s'exécute dans votre navigateur : les fichiers que vous ajoutez sont lus dans la mémoire de votre navigateur et interrogés localement. Rien n'est envoyé à un serveur, ce qui rend l'outil adapté aux exports clients, aux rapports financiers, aux journaux et à toutes les données que vous ne devriez pas confier à un tiers. Lors de la première visite, le moteur (environ 35 Mo) est téléchargé depuis un CDN ; ensuite, votre navigateur peut le garder en cache.

Conseils pour des requêtes plus rapides et plus précises

Commencez par les boutons d'exemple : Preview rows affiche un échantillon de lignes, Column stats exécute SUMMARIZE pour révéler les minimums, maximums, pourcentages de valeurs nulles et nombres de valeurs distinctes, et le modèle de jointure vous donne un point de départ pour combiner deux fichiers. Entourez de guillemets doubles les noms de colonnes contenant des espaces ou des majuscules, par exemple "Order Date". Si une colonne CSV est détectée avec un mauvais type, convertissez-la explicitement avec CAST(col AS DOUBLE) ou TRY_CAST. La grille de résultats affiche jusqu'à 1 000 lignes, tandis que Export result as CSV enregistre toutes les lignes renvoyées par la requête. Comme les fichiers sont conservés en mémoire, les très gros jeux de données dépendent de la RAM disponible pour votre navigateur ; les fichiers Parquet sont généralement l'option la plus compacte.