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.
Importante
Cet article s’applique uniquement à l’expérience eDiscovery classique. L’expérience eDiscovery classique sera mise hors service en août 2025 et ne sera pas disponible en tant qu’option d’expérience dans le portail Microsoft Purview après la mise hors service.
Nous vous recommandons de commencer à planifier cette transition tôt et de commencer à utiliser la nouvelle expérience eDiscovery dans le portail Microsoft Purview. Pour en savoir plus sur l’utilisation des fonctionnalités eDiscovery les plus récentes, consultez En savoir plus sur eDiscovery.
Importante
Le codage prédictif a été mis hors service depuis le 31 mars 2024 et n’est pas disponible dans les nouveaux cas eDiscovery. Pour les cas existants avec des modèles de codage prédictif entraînés, vous pouvez continuer à appliquer des filtres de score existants pour examiner les jeux. Toutefois, vous ne pouvez pas créer ou entraîner de nouveaux modèles.
Cet article présente un démarrage rapide pour l’utilisation du codage prédictif dans Microsoft Purview eDiscovery (Premium). Le module de codage prédictif utilise des fonctionnalités d’apprentissage automatique intelligentes pour vous aider à éliminer de grands volumes de contenu de cas qui n’est pas pertinent pour votre investigation. Pour ce faire, vous créez et entraînez vos propres modèles de codage prédictif qui vous aident à hiérarchiser les éléments les plus pertinents à examiner.
Voici une vue d’ensemble rapide du processus de codage prédictif :
Pour commencer, vous créez un modèle, étiquetez seulement 50 éléments comme pertinents ou non pertinents. Le système utilise ensuite cette formation pour appliquer des scores de prédiction à chaque élément du jeu de révision. Cela vous permet de filtrer les éléments en fonction du score de prédiction, ce qui vous permet d’examiner d’abord les éléments les plus pertinents (ou non pertinents). Si vous souhaitez entraîner des modèles avec des taux de rappel et de précision plus élevés, vous pouvez continuer à étiqueter les éléments dans les cycles d’entraînement suivants jusqu’à ce que le modèle se stabilise. Une fois le modèle stabilisé, vous pouvez appliquer le filtre de prédiction final pour hiérarchiser les éléments à réviser.
Pour obtenir une vue d’ensemble détaillée du codage prédictif, consultez En savoir plus sur le codage prédictif dans eDiscovery (Premium) .
Conseil
Si vous n’êtes pas un client E5, utilisez la version d’évaluation de 90 jours des solutions Microsoft Purview pour découvrir comment des fonctionnalités Supplémentaires purview peuvent aider vos organization à gérer les besoins en matière de sécurité et de conformité des données. Commencez maintenant sur le hub d’évaluation Microsoft Purview. En savoir plus sur les conditions d’inscription et d’essai.
Étape 1 : Créer un modèle de codage prédictif
Remarque
Pendant une durée limitée, l’expérience eDiscovery classique est disponible dans le nouveau portail Microsoft Purview. Activez l’expérience eDiscovery classique du portail Purview dans les paramètres de l’expérience eDiscovery pour afficher l’expérience classique dans le nouveau portail Microsoft Purview.
La première étape consiste à créer un modèle de codage prédictif dans l’ensemble de révision :
Dans le portail Microsoft Purview, ouvrez un cas eDiscovery (Premium), puis sélectionnez l’onglet Vérifier les ensembles .
Ouvrez un jeu de révision, puis sélectionnez Analytics>Gérer le codage prédictif (préversion) .
Dans la page Modèles de codage prédictifs (préversion), sélectionnez Nouveau modèle.
Dans la page de menu volant, tapez un nom pour le modèle et une description facultative.
Sélectionnez Enregistrer pour créer le modèle.
La préparation de votre modèle prend quelques minutes. Une fois qu’il est prêt, vous pouvez effectuer la première série d’entraînement.
Pour obtenir des instructions plus détaillées, consultez Créer un modèle de codage prédictif.
Étape 2 : Effectuer la première ronde d’entraînement
Remarque
Pendant une durée limitée, l’expérience eDiscovery classique est disponible dans le nouveau portail Microsoft Purview. Activez l’expérience eDiscovery classique du portail Purview dans les paramètres de l’expérience eDiscovery pour afficher l’expérience classique dans le nouveau portail Microsoft Purview.
Après avoir créé le modèle, l’étape suivante consiste à effectuer le premier cycle d’entraînement en étiquetant les éléments comme pertinents ou non pertinents.
Ouvrez l’ensemble de révision, puis sélectionnez Analytics>Gérer le codage prédictif (préversion) .
Dans la page Modèles de codage prédictifs (préversion), sélectionnez le modèle que vous souhaitez entraîner.
Sous l’onglet Vue d’ensemble , sous Round 1, sélectionnez Start next training round (Démarrer la prochaine série d’entraînement).
L’onglet Formation s’affiche et contient 50 éléments à étiqueter.
Passez en revue chaque document, puis sélectionnez Pertinent ou Non pertinent en bas du volet de lecture pour l’étiqueter.
Après avoir étiqueté les 50 éléments, sélectionnez Terminer.
Il faudra quelques minutes au système pour « apprendre » de votre étiquetage et mettre à jour le modèle. Une fois ce processus terminé, un status de Prêt s’affiche pour le modèle dans la page Modèles de codage prédictif (préversion).
Pour obtenir des instructions plus détaillées, consultez Entraîner un modèle de codage prédictif.
Étape 3 : Appliquer le filtre de score de prédiction aux éléments du jeu de révision
Remarque
Pendant une durée limitée, l’expérience eDiscovery classique est disponible dans le nouveau portail Microsoft Purview. Activez l’expérience eDiscovery classique du portail Purview dans les paramètres de l’expérience eDiscovery pour afficher l’expérience classique dans le nouveau portail Microsoft Purview.
Une fois que vous avez effectué la partie d’entraînement du bail 1, vous pouvez appliquer le filtre de score de prédiction aux éléments du jeu de révision. Cela vous permet de passer en revue les éléments que le modèle a prédits comme pertinents ou non pertinents.
Ouvrez l’ensemble de révision.
Les filtres par défaut préchargés sont affichés en haut de la page d’ensemble de révision. Vous pouvez laisser ces paramètres définis sur N’importe quel.
Sélectionnez Filtres pour afficher la page de menu volant Filtres .
Développez la section Analytics & codage prédictif pour afficher un ensemble de filtres.
La convention de nommage pour les filtres de score de prédiction est Score de prédiction (nom du modèle). Par exemple, le nom du filtre de score de prédiction pour un modèle nommé Modèle A est Score de prédiction (Modèle A).
Sélectionnez le filtre de score de prédiction que vous souhaitez utiliser, puis sélectionnez Terminé.
Dans la page d’ensemble de révision, sélectionnez la liste déroulante pour le filtre de score de prédiction et tapez les valeurs minimales et maximales pour la plage de scores de prédiction. Par exemple, la capture d’écran suivante montre une plage de score de prédiction comprise entre 0,5 et 1,0.
Sélectionnez en dehors du filtre pour appliquer automatiquement le filtre au jeu de révision.
Une liste de documents avec un score de prédiction dans la plage que vous avez spécifiée s’affiche sur la page du jeu de révision.
Pour obtenir des instructions plus détaillées, consultez Appliquer un filtre de prédiction à un ensemble de révisions.
Étape 4 : Effectuer d’autres cycles d’entraînement
Plus que probablement, vous devrez effectuer davantage de cycles d’entraînement pour entraîner le module afin de mieux prédire les éléments pertinents et non pertinents dans l’ensemble de révision. En général, vous entraînerez le modèle suffisamment de fois jusqu’à ce qu’il se stabilise suffisamment pour répondre à vos besoins.
Pour plus d’informations, consultez Effectuer des cycles d’entraînement supplémentaires.
Étape 5 : Appliquer le filtre de score de prédiction final pour hiérarchiser la révision
Répétez les instructions de l’étape 3 pour appliquer le score de prédiction final à l’ensemble de révision afin de hiérarchiser l’examen des éléments pertinents et non pertinents une fois que vous avez terminé tous les cycles d’entraînement et stabilisé le modèle.