Utiliser un modèle personnalisé de classification par catégorie dans Power Automate
Connectez-vous à Power Automate.
Sélectionnez Mes flux dans le volet de gauche, puis sélectionnez Nouveau flux>Flux cloud instantané.
Nommez votre flux, sélectionnez Déclencher manuellement un flux sous Choisir comment déclencher ce flux, puis sélectionnez Créer.
Développez Déclencher manuellement un flux, puis sélectionnez +Ajouter une entrée>Texte comme type d’entrée.
Remplacez le mot Entrée par Mon texte (aussi connu comme le titre).
Sélectionnez + Nouvelle étape>AI Builder, puis Classer le texte en catégories avec l’un de vos modèles personnalisés dans la liste des actions.
Sélectionnez le modèle de classification par catégorie que vous voulez utiliser, puis dans la colonne Texte ajoutez Mon texte à partir du déclencheur.
Dans les actions successives, vous pouvez utiliser toutes les colonnes et les tables extraites par le modèle AI Builder.
L’exemple suivant enregistre chaque Classification et Score de confiance déduits dans une liste créée avec Listes Microsoft dans SharePoint.
Félicitations ! Vous avez créé un flux qui utilise un modèle de classification par catégorie AI Builder. Sélectionnez Enregistrer en haut à droite, puis sélectionnez Tester pour tester votre flux.
Paramètres
Entrée
Nom | Nécessaire | Type | Description | Valeurs |
---|---|---|---|---|
Modèle IA | Oui | modèle | Modèle de classification par catégorie à utiliser pour l’analyse | Modèle de classification par catégorie entraîné et publié |
Texte | Oui | string | Texte à analyser | Phrases textuelles |
Langue | Oui | string | Langue du texte à analyser | « Détecter automatiquement » ou code de langue (ex. : « en », « fr », « zh_chs », « ru ») |
Sortie
Nom | Type | Description | Valeurs |
---|---|---|---|
Classification | chaîne | Tableau identifié | Problèmes, compliment, service clientèle, documentation, prix et facturation, personnel |
Indice de confiance | virgule flottante | Degré de fiabilité du modèle dans sa prédiction | Valeur comprise entre 0 et 1. Les valeurs proches de 1 indiquent une plus grande confiance dans la précision de la valeur extraite. |