Créer une compétence IA (préversion)

Avec une compétence d’IA Microsoft Fabric, vous pouvez créer des expériences d’IA conversationnelles qui répondent aux questions sur les données stockées dans des lakehouses, des entrepôts, des modèles sémantiques Power BI et des bases de données KQL dans Fabric. Vos insights de données deviennent accessibles. Vos collègues peuvent poser des questions en anglais brut et recevoir des réponses pilotées par les données, même si elles ne sont pas des experts de l’IA ou connaissent bien les données.

Prérequis

• Ressource de capacité Fabric payante F64 ou supérieur
• Le commutateur de locataire de compétence IA est activé.
• Commutateur de locataire Copilot activé.
• Le traitement intergéographique pour l’IA est activé.
• Le stockage multi-régional pour l’IA est activé.
• Un entrepôt de données, un lakehouse, des modèles sémantiques Power BI et des bases de données KQL contenant des données.
• Les modèles sémantiques Power BI via le commutateur de locataire des points de terminaison XMLA sont activés pour les sources de données de modèle sémantique Power BI.

Flux de bout en bout pour créer et consommer des compétences en intelligence artificielle dans Fabric

Cette section décrit les principales étapes à suivre pour créer, valider et partager une compétence IA dans Fabric, ce qui le rend accessible pour la consommation.

Le processus est simple et vous pouvez commencer à tester les ressources de compétences IA en quelques minutes.

Créer une compétence IA

Pour créer une compétence IA, accédez d’abord à votre espace de travail, puis sélectionnez le bouton + Nouvel élément. Dans l’onglet Tous les éléments, effectuez une recherche pour compétence d'IA afin de localiser l’option appropriée, comme illustré dans cette capture d’écran :

Une fois sélectionné, vous êtes invité à fournir un nom pour votre compétence IA, comme illustré dans cette capture d’écran :

Reportez-vous à la capture d’écran fournie pour obtenir un guide visuel sur l’affectation d’un nom à la compétence IA. Après avoir entré le nom, passez à la configuration pour aligner la compétence IA avec vos exigences spécifiques.

Sélectionner vos données

Après avoir créé une compétence IA, vous pouvez ajouter jusqu’à cinq sources de données, notamment des lakehouses, des entrepôts, des modèles sémantiques Power BI et des bases de données KQL dans n’importe quelle combinaison. Par exemple, vous pouvez ajouter cinq modèles sémantiques Power BI, ou deux modèles sémantiques Power BI, un lakehouse et une base de données KQL.

Lorsque vous créez une compétence IA pour la première fois et fournissez un nom, le catalogue OneLake s’affiche automatiquement, ce qui vous permet d’ajouter des sources de données. Pour ajouter une source de données, sélectionnez-la dans le catalogue comme indiqué dans l’écran suivant, puis sélectionnez Ajouter. Chaque source de données doit être ajoutée individuellement. Par exemple, vous pouvez ajouter un lakehouse, sélectionner Ajouter, puis continuer à ajouter une autre source de données. Pour filtrer les types de sources de données, sélectionnez l’icône de filtre, puis sélectionnez le type souhaité. Vous pouvez afficher uniquement les sources de données du type sélectionné, ce qui facilite la localisation et la connexion des sources appropriées pour votre compétence IA.

Une fois que vous avez ajouté la source de données, l’explorateur dans le volet gauche de la page de compétence IA remplit les tables disponibles dans chaque source de données sélectionnée, où vous pouvez utiliser les cases à cocher pour rendre les tables disponibles ou indisponibles pour l’IA, comme illustré dans la capture d’écran suivante :

Pour les ajouts suivants de sources de données, accédez au Explorer dans le volet gauche de la page de compétences IA, puis sélectionnez +de source de données, comme illustré dans cette capture d’écran :

Le catalogue OneLake s’ouvre à nouveau et vous pouvez ajouter en toute transparence d’autres sources de données en fonction des besoins.

Poser des questions

Après avoir ajouté les sources de données et sélectionné les tables pertinentes pour chaque source de données, vous pouvez commencer à poser des questions. Le système gère les questions comme illustré dans cette capture d’écran :

Les questions similaires à ces exemples doivent également fonctionner :

• « Quelles sont nos ventes totales en Californie en 2023 ? »
• « Quels sont les 5 premiers produits avec les prix de liste les plus élevés et quelles sont leurs catégories ? »
• « Quels sont les articles les plus chers qui n’ont jamais été vendus ? »

Les questions de ces types conviennent, car le système peut les traduire en requêtes structurées (T-SQL, DAX ou KQL), les exécuter sur des bases de données, puis retourner des réponses concrètes basées sur des données stockées.

Toutefois, comme celles-ci sont hors de périmètre :

• « Pourquoi notre productivité d’usine est-elle inférieure au T2 2024 ? »
• « Quelle est la cause racine de notre pic de ventes ? »

Ces questions sont actuellement hors de portée, car elles nécessitent un raisonnement complexe, une analyse de corrélation ou des facteurs externes non directement disponibles dans la base de données. Actuellement, la compétence IA n’effectue pas d’analyse avancée, d’apprentissage automatique ou d’inférence causale. Il récupère et traite simplement les données structurées en fonction de la requête de l’utilisateur.

Lorsque vous posez une question, la compétence IA utilise l’API Assistant Azure OpenAI pour traiter la demande. Le flux fonctionne de cette façon :

Accès au schéma avec les informations d’identification de l’utilisateur

Le système utilise d’abord les informations d’identification de l’utilisateur pour accéder au schéma de la source de données (par exemple, lakehouse, entrepôt, modèle sémantique PBI ou bases de données KQL). Cela garantit que le système extrait les informations de structure de données que l’utilisateur a l’autorisation d’afficher.

Invite du client

Pour interpréter la question de l’utilisateur, le système combine :

1. Requête utilisateur : question de langage naturel fournie par l’utilisateur.
2. Informations de schéma : métadonnées et détails structurels de la source de données récupérée à l’étape précédente.
3. Exemples et instructions : exemples prédéfinis (par exemple, exemples de questions et réponses) ou instructions spécifiques fournies lors de la configuration de la compétence IA. Ces exemples et instructions permettent d’affiner la compréhension de la question par l’IA et de guider la façon dont l’IA interagit avec les données.

Toutes ces informations sont utilisées pour construire une invite. Cette invite sert d’entrée à l’API de l’Assistant Azure OpenAI, qui se comporte comme un agent sous-jacent à la fonctionnalité d'IA. Cela indique essentiellement à la compétence IA comment traiter la requête et le type de réponse à produire.

Appel d’outil en fonction des besoins des requêtes

L’agent analyse l’invite construite et décide de l’outil à appeler pour récupérer la réponse :

• Langage naturel vers SQL (NL2SQL) : utilisé pour générer des requêtes SQL lorsque les données résident dans un lakehouse ou un entrepôt
• Langage naturel vers DAX (NL2DAX) : utilisé pour créer des requêtes DAX pour interagir avec des modèles sémantiques dans des sources de données Power BI
• Langage naturel en KQL (NL2KQL) : utilisé pour construire des requêtes KQL pour interroger des données dans des bases de données KQL

L’outil sélectionné génère une requête à l’aide du schéma, des métadonnées et du contexte que fournit l’agent sous-jacent à la compétence IA. Ensuite, l’outil valide la requête, pour garantir une mise en forme et une conformité appropriées avec ses protocoles de sécurité, ainsi que ses propres stratégies d’IA responsable (RAI).

Construction de la réponse

L’agent sous-jacent à la compétence IA exécute la requête et garantit que la réponse est structurée et mise en forme correctement. L’agent inclut souvent un contexte supplémentaire pour rendre la réponse conviviale. Enfin, la réponse s’affiche à l’utilisateur dans une interface conversationnelle, comme illustré dans la capture d’écran suivante :

L’agent présente à la fois le résultat et les étapes intermédiaires que la compétence IA a effectuées pour récupérer la réponse finale. Cette approche améliore la transparence et permet la validation de ces étapes, si nécessaire. Les utilisateurs peuvent développer la liste déroulante des étapes permettant d’afficher toutes les étapes que la compétence IA a effectuées pour récupérer la réponse, comme illustré dans la capture d’écran suivante :

En outre, la compétence IA fournit le code généré utilisé pour interroger la source de données correspondante, ce qui donne davantage d’informations sur la façon dont la réponse a été construite.

Ces requêtes sont conçues exclusivement pour interroger des données. Opérations impliquant

• création de données
• mises à jour des données
• suppressions de données
• tout type de modification de données

ne sont pas autorisés à protéger l’intégrité de vos données.

À tout moment, vous pouvez sélectionner le bouton Effacer la conversation pour effacer la conversation, comme illustré dans la capture d’écran suivante :

La fonctionnalité Effacer la conversation efface tout l’historique des conversations et démarre une nouvelle session. Une fois que vous avez supprimé votre historique de conversation, vous ne pouvez pas le récupérer.

Modifiez la source de données

Pour supprimer une source de données, pointez sur le nom de la source de données dans l’Explorateur dans le volet gauche de la page de compétence IA jusqu’à ce que le menu à trois points s’affiche. Sélectionnez les trois points pour afficher les options, puis sélectionnez Supprimer pour supprimer la source de données, comme illustré dans la capture d’écran suivante :

Sinon, si votre source de données a changé, vous pouvez sélectionner Actualiser dans le même menu, comme illustré dans la capture d’écran suivante :

Cela garantit que toutes les mises à jour de source de données sont à la fois reflétées et correctement renseignées dans l’Explorateur, pour que votre compétence IA soit synchronisée avec les données les plus récentes.

Configuration de compétence IA

La compétence IA offre plusieurs options de configuration qui permettent aux utilisateurs de personnaliser le comportement des compétences IA, afin de mieux répondre aux besoins de votre organisation. À mesure que la compétence IA traite et présente des données, ces configurations offrent une flexibilité qui permet un contrôle accru des résultats.

Fournir des instructions

Vous pouvez fournir des instructions spécifiques pour guider le comportement de l’IA. Pour les ajouter, sélectionnez instructions d’IA, comme illustré dans la capture d’écran suivante :

Le volet d’instructions d’IA s’ouvre, comme illustré dans cette capture d’écran :

Ici, vous pouvez écrire jusqu’à 15 000 caractères en texte brut en anglais, pour indiquer à l’IA comment gérer les requêtes.

Par exemple, vous pouvez spécifier la source de données exacte à utiliser pour certains types de questions. Des exemples de choix de sources de données pourraient impliquer d'orienter l'IA à utiliser

• Modèles sémantiques Power BI pour les requêtes financières
• un espace de stockage lakehouse pour les données commerciales
• une base de données KQL pour les métriques opérationnelles

Ces instructions garantissent que l’IA génère des requêtes appropriées, que ce soit SQL, DAX ou KQL, en fonction de vos conseils et du contexte des questions.

Si votre ressource IA interprète constamment mal certains mots, acronymes ou termes, vous pouvez fournir des définitions claires dans cette section pour vous assurer que l’IA comprend et les traite correctement. Cela devient particulièrement utile pour la terminologie spécifique au domaine ou le jargon commercial unique.

En personnalisant ces instructions et en définissant des termes, vous améliorez la capacité de l’INTELLIGENCE artificielle à fournir des insights précis et pertinents, en alignement total avec votre stratégie de données et vos besoins métier.

Fournir des exemples de requêtes

Vous pouvez améliorer la précision des réponses de compétence IA lorsque vous fournissez des exemples de requêtes adaptés à chaque source de données, comme lakehouse, entrepôt et bases de données KQL. Cette approche, appelée Few-Shot Learning dans l’IA générative, aide à guider la compétence IA pour générer des réponses qui s’alignent mieux sur vos attentes.

Lorsque vous fournissez l’IA avec des paires d’exemples de requêtes/questions, elle fait référence à ces exemples lorsqu’elle répond à des questions futures. La mise en correspondance de nouvelles requêtes aux exemples les plus pertinents aide l’IA à incorporer une logique spécifique à l’entreprise et à répondre efficacement aux questions fréquemment posées. Cette fonctionnalité permet un réglage précis des sources de données individuelles et garantit la génération de requêtes SQL ou KQL plus précises.

Les données de modèle sémantique Power BI ne prennent pas en charge l’ajout d’exemples de paires requête/question pour l’instant. Toutefois, pour les sources de données prises en charge, telles que les bases de données lakehouse, warehouse et KQL, fournir davantage d'exemples peut améliorer considérablement la capacité de l'IA à générer des requêtes précises lorsque ses performances par défaut nécessitent un ajustement.

Ce volet fournit des options pour ajouter ou modifier des exemples de requêtes pour toutes les sources de données prises en charge, à l’exception des modèles sémantiques Power BI. Pour chaque source de données, vous pouvez sélectionner Ajouter ou modifier des exemples de requêtes pour entrer les exemples pertinents, comme illustré dans la capture d’écran suivante :

Publier et partager une compétence IA

Après avoir testé les performances de votre compétence IA dans différentes questions et vous confirmez qu’elle génère des requêtes SQL, DAX ou KQL précises, vous pouvez la partager avec vos collègues. À ce stade, sélectionnez Publier, comme illustré dans la capture d’écran suivante :

Cette étape ouvre une fenêtre qui demande une description de la compétence IA. Ici, fournissez une description détaillée de ce que fait la compétence IA. Ces détails guident vos collègues sur les fonctionnalités de la compétence IA et aident d’autres systèmes/orchestrateurs IA à appeler efficacement cette compétence IA.

Après avoir publié la compétence IA, vous en aurez deux versions. Une version est la version brouillon actuelle, que vous pouvez continuer à affiner et à améliorer. La deuxième version est la version publiée, que vous pouvez partager avec vos collègues qui souhaitent interroger la compétence IA pour obtenir des réponses à leurs questions. Vous pouvez incorporer des commentaires de vos collègues dans votre version préliminaire actuelle au fur et à mesure de son développement, afin d’améliorer les performances de l’IA.

Contenu connexe

• Concept de compétence IA
• Scénario de compétence IA