Qu’est-ce que le workflow d’orchestration ?
Le workflow d’orchestration est l’une des fonctionnalités proposées par Azure AI Language. Il s’agit d’un service d’API basé sur le cloud qui applique l’intelligence du machine learning pour vous permettre de créer des modèles d’orchestration et ainsi connecter des projets de compréhension du langage courant (CLU), de réponses aux questions ainsi que des applications LUIS. En créant un workflow d’orchestration, les développeurs peuvent étiqueter les énoncés, entraîner le modèle et en évaluer les performances de façon itérative avant de le rendre disponible pour qu’il soit consommé. Pour simplifier la création et la personnalisation de votre modèle, le service offre un portail web personnalisé accessible dans Langage Studio. Vous pouvez facilement commencer à utiliser le service en suivant les étapes de ce guide de démarrage rapide.
Cette documentation contient les types d’articles suivants :
- Les Démarrages rapides sont des instructions de prise en main qui vous guident dans la formulation de vos requêtes au service.
- Des concepts fournissent des explications sur les fonctionnalités du service.
- Les Guides pratiques contiennent des instructions sur l’utilisation du service de manière plus spécifique ou personnalisée.
Exemples de scénarios d’utilisation
Le workflow d’orchestration peut être utilisé dans plusieurs scénarios dans divers secteurs d’activité. Quelques exemples :
Chatbot d’entreprise
Dans une grande entreprise, un chabot peut se charger de diverses affaires à la place des employés. Il peut potentiellement prendre en charge les questions fréquentes via une base de connaissances de réponses aux questions personnalisée, une compétence de calendrier via la compréhension du langage courant et une compétence de suivi d’entretiens via LUIS. Le bot doit pouvoir acheminer correctement les requêtes entrantes vers le service approprié. Le workflow d’orchestration vous permet de connecter ces compétences à un projet qui gère l’acheminement des requêtes entrantes de manière appropriée pour alimenter le bot d’entreprise.
Cycle de vie du développement de projet
La création d’un projet de workflow d’orchestration passe généralement par plusieurs étapes différentes.
Suivez ces étapes pour tirer le meilleur parti de votre modèle :
Définir votre schéma : sur la base de la connaissance de vos données, définissez les actions et les informations importantes qu’il convient de reconnaître parmi les énoncés d’entrée de l’utilisateur. Créez les intentions que vous souhaitez affecter aux énoncés de l’utilisateur et aux projets que vous souhaitez connecter à votre projet d’orchestration.
Étiqueter vos données : la qualité de l’étiquetage des données est un facteur clé dans la détermination des performances du modèle.
Entraîner un modèle : votre modèle commence à apprendre à partir de vos données étiquetées.
Voir les performances du modèle : consultez les détails de l’évaluation de votre modèle pour déterminer ses performances quand de nouvelles données lui sont présentées.
Améliorer le modèle : après avoir consulté les performances du modèle, vous pouvez découvrir comment améliorer le modèle.
Déployer le modèle : le déploiement d’un modèle a pour effet de le rendre disponible pour une utilisation via l’API de prédiction.
Prédire les intentions : utilisez votre modèle personnalisé pour prédire les intentions à partir des énoncés de l’utilisateur.
Documentation de référence et exemples de code
Quand vous utilisez le workflow d’orchestration, consultez la documentation de référence et les exemples suivants pour Azure AI Language :
| Option de développement/langage | Documentation de référence | Exemples |
|---|---|---|
| API REST (création) | Documentation des API REST | |
| API REST (runtime) | Documentation des API REST | |
| C# (Runtime) | Documentation C# | Exemples C# |
| Python (Runtime) | Documentation Python | Exemples Python |
Intelligence artificielle responsable
Un système IA comprend non seulement la technologie, mais aussi les personnes qui l’utiliseront, les personnes qui seront affectées par lui et l’environnement dans lequel il est déployé. Lisez la note de transparence pour CLU et le workflow d’orchestration pour en savoir plus sur l’utilisation et le déploiement d’une IA responsable dans vos systèmes. Vous pouvez également consulter les articles suivants pour plus d’informations :
- Note de transparence pour Azure AI Language
- Intégration et utilisation responsable
- Données, confidentialité et sécurité
Étapes suivantes
Consultez l’article de démarrage rapide pour commencer à utiliser le workflow d’orchestration.
Au fur et à mesure que vous parcourez le cycle de vie du développement de projet, consultez le glossaire afin d’en savoir plus sur les termes utilisés dans la documentation pour cette fonctionnalité.
N’oubliez pas de consulter les limites du service pour obtenir des informations telles que la disponibilité régionale.