Partager via

Concepts liés aux compétences IA (préversion)

  • Article

Avec une compétence IA Microsoft Fabric, vous pouvez rendre les données plus accessibles à vos collègues. Vous pouvez configurer un système d’IA générative pour générer des requêtes qui répondent à des questions sur vos données. Après avoir configuré la compétence IA, vous pouvez la partager avec vos collègues, qui peuvent ensuite poser leurs questions en anglais naturel. En fonction de leurs questions, l’IA génère des requêtes sur vos données pour y répondre.

Important

Cette fonctionnalité est en préversion.

Fonctionnement des compétences IA

La compétence en matière d'IA repose sur l'IA générative, en particulier sur les grands modèles de langage (LLM). Ces LLM peuvent générer des requêtes, par exemple des requêtes T-SQL, basées sur un schéma spécifique et une question. Le système envoie une question à la compétence IA, des informations sur les données sélectionnées (y compris les noms de table et de colonne, ainsi que les types de données trouvés dans les tables) au LLM. Ensuite, il demande la génération d’une requête T-SQL répondant à la question. Vérifiez d’abord la requête générée pour vous assurer qu’elle ne modifie pas les données de quelque manière que ce soit. Exécutez ensuite cette requête. Enfin, affichez les résultats de l’exécution de la requête. Une compétence IA est destinée à accéder à des ressources de base de données spécifiques, puis à générer et exécuter des requêtes T-SQL pertinentes.

Configuration de compétence IA

Voyez la compétence IA de la même façon que les rapports Power BI. Vous créez d’abord le rapport, puis partagez ce dernier avec vos collègues qui peuvent l’utiliser pour obtenir des insights sur les données. Les compétences IA fonctionnent de la même façon. Vous devez d’abord créer et configurer une compétence IA. Ensuite, vous pouvez la partager avec vos collègues.

Vous devez vous attendre à devoir gérer certaines étapes de configuration nécessaires avant que la compétence IA fonctionne correctement. Une compétence IA peut souvent fournir des réponses prêtes à l’emploi à des questions raisonnables, mais avoir du mal à produire des réponses correctes pour votre situation spécifique. Les réponses incorrectes se produisent généralement quand l’IA manque de contexte au sujet de votre entreprise, de la configuration ou de la définition des termes clés. Pour résoudre ce problème, fournissez à l’IA des instructions et des exemples de paires question-requête. Vous pouvez utiliser ces puissantes techniques pour guider l’IA vers les bonnes réponses.

Différences entre une compétence IA et un copilote

La technologie qui sous-tend les compétences de l'IA et les copilotes en tissu est similaire. Les deux utilisent l’IA générative pour raisonner sur les données. Il existe également quelques différences clés :

  • Configuration : Avec une compétence IA, vous pouvez configurer l’IA pour qu’elle se comporte comme vous en avez besoin. Vous pouvez lui fournir des instructions et des exemples qui l’adaptent à votre cas d’usage spécifique. Fabric Copilot n’offre pas cette flexibilité de configuration.
  • Cas d’usage : Copilot peut vous aider à effectuer votre travail sur Fabric. Il peut vous aider à générer du code de notebook ou des requêtes data warehouse. En revanche, la compétence IA fonctionne indépendamment. Vous pouvez éventuellement la connecter à Microsoft Teams et à d’autres domaines en dehors de Fabric.

Évaluation des compétences IA

  • L’équipe produit a testé les compétences IA sur divers points de référence publics et privés pour les tâches T-SQL afin de déterminer la qualité des requêtes SQL.
  • L’équipe produit a également investi dans des mesures d’atténuation des dommages supplémentaires. Il s’agit notamment d’approches technologiques pour concentrer la sortie de Copilot sur le contexte des sources de données choisies.

Limites

Les compétences IA sont actuellement en préversion publique et présentent les limitations. Des mises à jour permettront d'améliorer les compétences IA au fil du temps.

  • L’IA générative n’interprète pas les résultats d’une requête T-SQL exécutée. Elle ne fait que générer cette requête.
  • Une compétence IA peut retourner des réponses incorrectes. Vous devez la tester avec vos collègues pour vérifier qu’elle répond aux questions comme prévu. Si elle fait des erreurs, fournissez-lui plus d’exemples et d’instructions.
  • Seules les requêtes T-SQL sur les entrepôts et lakehouses sont prises en charge.
  • Les compétences IA génèrent uniquement des requêtes T-SQL en lecture. Elles ne génèrent pas de requêtes T-SQL qui créent, mettent à jour ou suppriment des données.
  • Les compétences IA ont uniquement accès aux données que vous fournissez. Elle utilise uniquement les configurations de ressources de données que vous fournissez.
  • Une compétence IA dispose d’autorisations d’accès aux données qui correspondent aux autorisations de la personne qui l’interroge. Cela est vrai lorsque la compétence IA est publiée dans d’autres emplacements, par exemple Copilot pour Microsoft 365 ou Microsoft Copilot Studio.
  • Vous ne pouvez pas utiliser une compétence IA pour accéder à des ressources de données non structurées. Ces ressources incluent les fichiers .pdf, .docx ou .txt, par exemple.
  • À ce stade, vous ne pouvez sélectionner qu’un seul entrepôt ou lakehouse.
  • Les compétences IA ne prennent pas en charge une interface conversationnelle. Chaque question doit être entièrement indépendante. Une compétence ne se souvient pas des questions antérieures.
  • Elle bloque les questions ou instructions qui ne sont pas formulées en anglais.
  • Vous ne pouvez pas connecter une compétence IA à Fabric Copilot, Microsoft Teams ou d’autres expériences en dehors de Fabric.
  • Vous ne pouvez pas modifier le LLM qu’une compétence IA utilise.
  • Une compétence IA perd en précision si vous utilisez des noms de colonne non descriptifs.
  • Une compétence IA perd en précision si vous utilisez des schémas volumineux avec des dizaines de tables.
  • Les compétences IA sont en préversion. Il a une étendue limitée et peuvent présenter des bogues. En raison de ces considérations, nous vous recommandons d’éviter leur utilisation dans les systèmes de production. Évitez également son utilisation pour les décisions critiques.
  • Les noms de colonne et de table de ressources de données non descriptifs ont un impact négatif significatif sur la qualité des requêtes T-SQL générées. L’utilisation de noms descriptifs est recommandée.
  • L’utilisation d’un trop grand nombre de colonnes et de tables peut réduire les performances des compétences IA.
  • Les compétences IA sont actuellement conçues pour gérer des requêtes simples. Les requêtes complexes qui nécessitent de nombreuses jointures ou une logique sophistiquée ont tendance à présenter une fiabilité inférieure.

Contenu connexe