Remarque
L’accès à cette page requiert une autorisation. Vous pouvez essayer de vous connecter ou de modifier des répertoires.
L’accès à cette page requiert une autorisation. Vous pouvez essayer de modifier des répertoires.
S’applique uniquement au :
Portail Foundry (classique). Cet article n’est pas disponible pour le nouveau portail Foundry.
En savoir plus sur le nouveau portail.
Note
Les liens de cet article peuvent ouvrir du contenu dans la nouvelle documentation Microsoft Foundry au lieu de la documentation Foundry (classique) que vous affichez maintenant.
Important
Les éléments indiqués comme (aperçu) dans cet article sont en aperçu public. Cette préversion est fournie sans contrat de niveau de service. Nous vous déconseillons donc de l’utiliser dans des charges de travail de production. Certaines fonctionnalités peuvent ne pas être prises en charge ou avoir des fonctionnalités contraintes. Pour plus d’informations, consultez Conditions d'utilisation supplémentaires pour les versions préliminaires de Microsoft Azure.
Cet article décrit comment les données que vous fournissez sont traitées, utilisées et stockées lorsque vous déployez des modèles à partir du catalogue de modèles. Consultez également l'Addenda sur la protection des données des produits et services Microsoft, qui régit le traitement des données par les services Azure.
Important
Pour plus d’informations sur l’IA responsable dans Azure OpenAI et Foundry Tools, consultez Responsible utilisation de l’IA.
Quelles données sont traitées pour les modèles déployés dans Microsoft portail Foundry ?
Lorsque vous déployez des modèles dans Foundry, les types de données suivants sont traités pour fournir le service :
Invite et contenu généré. Un utilisateur envoie une invite et le modèle génère du contenu (sortie) via les opérations que le modèle prend en charge. Les invites peuvent inclure du contenu ajouté via la génération augmentée par récupération (RAG), les métaprompts ou d'autres fonctionnalités d'une application.
Données chargées. Pour les modèles qui prennent en charge le réglage précis, les clients peuvent charger leurs données dans un magasin de données pour un réglage précis.
Génération de sorties d’inférence avec le calcul managé
Le déploiement de modèles sur le calcul managé déploie des pondérations de modèle sur des machines virtuelles dédiées et expose une API REST pour l’inférence en temps réel. Pour en savoir plus sur le déploiement de modèles à partir du catalogue de modèles sur le calcul managé, consultez Catalogue de modèles et collections dans le portail Foundry.
Vous gérez l’infrastructure pour ces ressources de calcul managées. Les engagements Azure sur les données, la protection de la vie privée et la sécurité s'appliquent. Pour en savoir plus sur les offres de conformité Azure applicables à Foundry, consultez la page Azure Des offres de conformité.
Bien que les conteneurs de Models vendus directement par Azure soient analysés pour les vulnérabilités susceptibles d’exfiltrer les données, tous les modèles disponibles via le catalogue de modèles ne sont pas analysés. Pour réduire le risque d’exfiltration des données, contribuez à protéger votre déploiement à l’aide de réseaux virtuels. Utilisez également Azure Policy pour réglementer les modèles que vos utilisateurs peuvent déployer.
Génération des résultats d'inférence en tant que déploiement d'une API serverless
Lorsque vous déployez un modèle à partir du catalogue de modèles (base ou personnalisé) en utilisant des déploiements d'API serverless avec une offre de paiement serverless par jeton pour l'inférence, une API est provisionnée. L’API vous donne accès au modèle que le service Azure Machine Learning héberge et gère. En savoir plus sur les déploiements d’API serverless dans le catalogue de modèles et les collections.
Le modèle traite vos instructions d'entrée et génère des sorties en fonction de son fonctionnement, comme décrit dans les détails du modèle. Votre utilisation du modèle (ainsi que la responsabilité du fournisseur pour le modèle et ses sorties) est soumise aux termes du contrat de licence pour le modèle. Microsoft fournit et gère l’infrastructure d’hébergement et le point de terminaison d’API. Les modèles hébergés dans ce scénario déploiement d’API sans serveur sont soumis à des engagements de Azure données, de confidentialité et de sécurité. Learn plus sur les offres de conformité Azure applicables à Foundry.
Microsoft agit en tant que sous-traitant des données pour les prompts et les résultats envoyés à un modèle déployé via une API serverless, ainsi que pour les résultats générés par ce modèle. Microsoft ne partage pas ces instructions et résultats avec le fournisseur de modèles. En outre, Microsoft n'utilise pas celles-ci pour entraîner ou améliorer les modèles Microsoft, les modèles du fournisseur de modèles ou les modèles de tiers.
Les modèles sont sans état et ne stockent pas d’invites ni de sorties. Si le filtrage de contenu est activé, le service Azure AI Sécurité du Contenu analyse les invites et les sorties pour certaines catégories de contenu nuisible en temps réel. Learn plus sur la façon dont Azure AI Sécurité du Contenu traite les données.
Les demandes et les résultats sont traités au sein de la géographie spécifiée lors du déploiement, mais peuvent être traités entre les régions de cette géographie à des fins opérationnelles. Les objectifs opérationnels incluent la gestion des performances et de la capacité.
Note
Comme expliqué lors du processus de déploiement pour le déploiement d’API serverless, Microsoft peut partager les informations de contact client et les détails des transactions (y compris le volume d’utilisation associé à l’offre) avec l’éditeur de modèle afin que l’éditeur puisse contacter les clients concernant le modèle. En savoir plus sur les informations disponibles pour les éditeurs de modèles dans Accéder aux aperçus pour le marché commercial de Microsoft dans le Centre Partenaire.
Réglage précis d’un modèle pour le déploiement d’API sans serveur
Si un modèle disponible pour les déploiements d’API serverless prend en charge le réglage précis, vous pouvez charger des données vers (ou désigner des données déjà dans) un magasin de données pour affiner le modèle. Créez ensuite un déploiement d’API serverless pour le modèle affiné. Le modèle affiné ne peut pas être téléchargé, mais :
- Il est disponible exclusivement pour votre utilisation.
- Vous pouvez utiliser le double chiffrement au repos : le chiffrement AES-256 par défaut de Microsoft et une clé gérée par le client optionnelle.
- Vous pouvez le supprimer à tout moment.
Les données d'apprentissage chargées pour le réglage précis ne sont pas utilisées pour entraîner, réentraîner ou améliorer tout modèle Microsoft ou non-Microsoft, sauf si vous dirigez ces activités au sein du service.
Traitement des données pour les modèles téléchargés
Si vous téléchargez un modèle à partir du catalogue de modèles, vous choisissez où déployer le modèle. Vous êtes responsable de la façon dont les données sont traitées lorsque vous utilisez le modèle.