Créer une compétence IA (préversion)
Êtes-vous prêt à discuter de vos données ? Vous pouvez créer des expériences IA avec la compétence IA sur Microsoft Fabric pour répondre à des questions sur vos tables de lakehouse et d’entrepôt. Cette technique réduit les obstacles pour que les autres personnes puissent trouver réponse à leurs questions liées aux données, car vos collègues peuvent poser leurs questions en anglais et recevoir des réponses reposant sur les données.
Important
Cette fonctionnalité est en préversion.
Prérequis
- Ressource de capacité Fabric payante F64 ou supérieur.
- Le commutateur de locataire d’IA est activé.
- Commutateur de locataire Copilot activé.
- Partage entre zones géographiques pour l’IA activé, le cas échéant.
- Entrepôt ou lakehouse avec des données.
Créer et configurer une compétence AI
La création et la configuration d’une compétence IA sur Fabric impliquent les étapes suivantes :
- Créer une nouvelle compétence IA.
- Sélectionner vos données.
- Poser les questions.
- Fournir des exemples.
- Fournir des instructions.
Le processus est simple et vous pouvez commencer à tester les ressources de compétences IA en quelques minutes.
Créer une compétence IA
Comme pour d’autres processus de création d’éléments Fabric standard, vous pouvez créer une compétence IA à partir de la page d'accueil Science des données Fabric, en sélectionnant l’option de l’espace de travail Nouveau ou en utilisant le Hub de création. Vous devez fournir un nom, comme illustré dans cette capture d’écran :
Sélectionner vos données
Après avoir créé une compétence IA, vous sélectionnez une source de données. Il peut s’agir d’un entrepôt de données ou d’un lac. Sur l'écran suivant, sélectionnez l'entrepôt ou le chalet, puis cliquez sur Connecter.
Le volet gauche remplit les tables disponibles dans la source de données sélectionnée. Utilisez les cases à cocher pour rendre une table disponible/indisponible pour l’IA. Vous devez sélectionner au moins une table avant de pouvoir poser des questions à votre compétence IA.
Remarque
Assurez-vous que vos noms de colonne sont descriptifs. Au lieu d’utiliser des noms de colonnes comme C1 ou ActCu, utilisez ActiveCustomer ou IsCustomerActive. L'utilisation de noms descriptifs est le moyen le plus efficace d'obtenir des requêtes plus fiables de la part de l'IA.
Utilisez les notes pour le modèle dans le panneau de configuration de l’interface utilisateur. Si les requêtes T-SQL générées par la compétence IA sont incorrectes, vous pouvez fournir des instructions au modèle en anglais brut pour améliorer les futures requêtes. Le système utilise ces instructions pour chaque requête. Les instructions courtes et directes fonctionnent le mieux.
Poser des questions
Une fois les données sélectionnées, vous pouvez commencer à poser des questions. Le système gère les questions nécessitant une seule requête pour la réponse, comme indiqué dans la capture d’écran :
Les questions telles que les exemples suivants doivent fonctionner :
- « Quelles sont nos ventes totales en Californie en 2023 ? »
- « Quels sont les articles les plus chers qui n’ont jamais été vendus ? »
Ces questions ne sont pas abordées :
- « Pourquoi notre productivité d’usine est-elle inférieure au T2 2024 ? »
- « Quelle est la cause racine de notre pic de ventes ? »
Lorsque vous posez une question, le système utilise vos informations d’identification pour récupérer le schéma. En fonction de la question, le système utilise les informations que vous avez fournies (consultez les sections « Fournir des exemples » et « Fournir des instructions ») et le schéma pour construire une invite. Cette invite est le texte envoyé à l’IA, qui génère plusieurs requêtes SQL.
Après la génération des requêtes SQL, vérifiez-les pour vous assurer qu’elles interrogent uniquement les données. En outre, vérifiez qu’elles ne créent, mettent à jour, suppriment ou modifient pas vos données de quelque manière que ce soit. Ensuite, extrayez le meilleur candidat de requête à partir de la liste des requêtes générées. Effectuez les réparations de base nécessaires sur la meilleure requête générée par l’IA. Enfin, avec vos informations d’identification, réexécutez la requête et renvoyez-vous le jeu de résultats.
Modifiez la source de données
Pour basculer vers un autre lakehouse ou entrepôt, sélectionnez les flèches situées en haut du volet Explorateur, comme illustré dans cette capture d’écran :
Fournir des exemples
Dans Fabric, vous pouvez configurer la compétence IA afin que l’IA réponde à vos questions comme attendu. Une technique est de fournir des exemples à l’IA. Dans l'IA générative, cette technique est appelée apprentissage par coups. Ici, vous donnez à l’IA l’accès à des paires de requêtes ou questions. La prochaine fois que vous posez une question, l’IA cherche les questions les plus pertinentes dans l’ensemble de questions que vous avez fournies. Ces questions, ainsi que la requête SQL correspondante que vous fournissez, donnent un contexte à l’IA à mesure qu’elle génère le SQL.
Si vous constatez que l’IA ne génère pas de requêtes appropriées, vous pouvez fournir d’autres exemples.
Pour fournir des exemples, vous pouvez sélectionner le bouton Modifier sous Exemples de requêtes SQL sur le côté droit, comme illustré dans cette capture d’écran :
Fournir des instructions
Vous pouvez également guider l’IA avec des instructions. Vous pouvez fournir ces instructions dans la zone de texte Notes pour le modèle. Ici, vous pouvez écrire des instructions en anglais. L’IA utilise ces instructions quand elle génère SQL.
Si vous constatez que l’IA interprète constamment mal certains mots ou acronymes, vous pouvez fournir des définitions de termes dans cette section, comme illustré dans cette capture d’écran :
