Vue d’ensemble des instructions

Note

Cet article décrit les caractéristiques utilisées dans les agents ou flux d’agents alimentés par le faisceau standard.

Cet article explique les consignes et l’ingénierie des prompts comme concepts clés pour vous aider à créer de puissantes capacités d’IA générative que vous pouvez utiliser dans Copilot Studio.

Important

  • Les instructions utilisent des modèles alimentés par Azure Foundry.
  • Cette fonctionnalité pourrait être soumise à des limites d’utilisation ou à une limitation de capacité.

Prerequisites

Qu’est-ce qu’un prompt

Une invite est principalement composée d’une instruction en langage naturel qui demande à un modèle d’IA générative d’effectuer une tâche. Le modèle suit l’invite pour déterminer la structure et le contenu du texte qu’il doit générer. L’ingénierie des prompts est le processus de création et d’affinement du prompt utilisé par le modèle.

Une expérience de générateur d’invites permet aux créateurs de concevoir, tester et enregistrer des invites réutilisables. Dans cette expérience, vous pouvez également utiliser des variables d’entrée et des données de connaissances pour fournir des données contextuelles dynamiques à l’exécution. Vous pouvez partager ces prompts avec d’autres et les utiliser dans des agents, des flux de travail ou des applications.

Vous pouvez utiliser ces consignes pour de nombreuses tâches ou scénarios métier, comme le résumé du contenu, la catégorisation de données, l’extraction d’entités, la traduction de langues, l’évaluation du sentiment ou la formulation d’une réponse à une plainte. Par exemple, vous pourriez créer une invite pour sélectionner les actions de vos emails professionnels et l’utiliser dans un flux de travail Power Automate pour automatiser le traitement des e-mails.

Capture d’écran de l’éditeur de générateur d’invites

Dans Copilot Studio, vous pouvez utiliser les invites comme outils pour les agents afin d’améliorer l’expérience de chat ou activer des automatisations avancées par IA. Vous pouvez aussi utiliser des instructions comme nœuds de flux de travail pour intégrer des actions d’IA dans des automatisations déterministes.

Surveillance humaine

La supervision humaine est une étape importante lorsqu’on travaille avec du contenu généré à partir d’un modèle d’IA générative. Ces modèles sont entraînés sur d’énormes quantités de données et peuvent contenir des erreurs et des biais. Un humain devrait examiner le contenu avant de le publier en ligne, l’envoyer à un client ou l’utiliser pour orienter une décision commerciale. La supervision humaine vous aide à identifier les erreurs et les biais potentiels. Cela permet également de s’assurer que le contenu est pertinent par rapport au cas d’utilisation prévu et qu’il s’aligne sur les valeurs de l’entreprise.

L’évaluation humaine peut également aider à identifier tout problème lié au modèle lui-même. Par exemple, si le modèle génère du contenu qui n’est pas pertinent pour le cas d’utilisation prévu, vous devrez peut-être ajuster l’invite.

Intelligence artificielle responsable

Microsoft s’engage à créer une IA responsable dès sa conception. Notre travail est guidé par un ensemble de principes fondamentaux : équité, fiabilité et sécurité, confidentialité et sécurité, inclusivité, transparence et responsabilité. Nous mettons ces principes en pratique dans toute l’entreprise pour développer et déployer une IA qui a un impact positif sur la société. Nous adoptons une approche globale, combinant une recherche innovante, une ingénierie exceptionnelle et une gouvernance responsable. En parallèle aux recherches de pointe d’OpenAI sur l’alignement de l’IA, nous avançons un cadre pour le déploiement sûr de nos propres technologies d’IA qui vise à guider le secteur vers des résultats plus responsables.

En savoir plus sur la transparence dans Note de transparence d'Azure OpenAI.

  • Last updated on