Ajouter des commentaires générés par l’IA à une table

Important

Cette fonctionnalité est disponible en préversion publique.

En tant que propriétaire de table ou qu’utilisateur autorisé à modifier une table, vous pouvez utiliser l’Explorateur de catalogues pour afficher et ajouter un commentaire généré par l’IA pour n’importe quelle table ou colonne de table gérée par Unity Catalog. Les commentaires sont alimentés par un grand modèle de langage (Large Language Model/LLM) qui prend en compte les métadonnées de table, comme le schéma de table et les noms de colonnes.

Comment fonctionnent les commentaires générés par l’IA ?

Les commentaires générés par l’IA (également appelés documentation générées par l’IA) permettent d’aider les utilisateurs à découvrir les données gérées par Unity Catalog.

Important

Les commentaires générés par l’intelligence artificielle ont pour but de fournir une description générale des tables et colonnes en fonction du schéma. Les descriptions sont affinées pour les données dans un contexte professionnel, en utilisant des échantillons de schéma de plusieurs jeux de données ouverts dans divers secteurs d’activité. Le modèle a été évalué avec des centaines d’échantillons simulés afin de veiller à ce qu’il ne génère aucune description inappropriée ou nuisible.

Les modèles d’IA ne sont pas toujours exacts et les commentaires doivent être passés en revue avant l’enregistrement. Databricks recommande vivement une évaluation humaine des commentaires générés par l’IA pour rechercher les inexactitudes. Le modèle ne doit pas être utilisé pour des tâches de classification des données telles que la détection de colonnes avec des informations d'identification personnelle.

Les utilisateurs disposant des privilèges USE SCHEMA et SELECT sur la table peuvent afficher les commentaires une fois qu’ils sont ajoutés.

Pour obtenir plus d’informations sur les modèles utilisés pour générer des suggestions de commentaire, consultez Forum aux questions sur les commentaires de table générés par l’IA.

Ajouter des commentaires générés par l’IA

Vous devez utiliser l’Explorateur de catalogues pour afficher les commentaires suggérés, les modifier et les ajouter aux tables et colonnes.

Prérequis : L’administrateur de l’espace de travail doit activer les fonctions d’assistance basées sur les services Azure AI :

#. Dans Paramètres, allez dans l’onglet Avancé et défilez jusqu’à la section Autres. #. Activez l’option Fonctionnalités d’assistance d’intelligence artificielle basées sur Azure AI.

Autorisations requises : vous devez être le propriétaire de la table ou disposer du privilège MODIFY sur la table pour afficher le commentaire suggéré par l’IA, le modifier et l’ajouter.

Pour ajouter un commentaire généré par l’IA à une table :

1. Dans votre espace de travail Azure Databricks, cliquez sur l’Catalogue.

2. Recherchez la table, ou naviguez pour y accéder, et sélectionnez-la.

3. Affichez le champ Commentaire suggéré par l’IA sous le champ Balises.

   

   L’IA peut prendre un certain temps pour générer le commentaire.

4. Cliquez sur Accepter pour accepter le commentaire tel qu’il est ou Modifier pour le modifier avant de l’enregistrer.

Pour ajouter un commentaire généré par l’IA à une colonne :

1. Dans votre espace de travail Azure Databricks, cliquez sur l’Catalogue.

2. Recherchez la table, ou naviguez pour y accéder, et sélectionnez-la.

3. Dans l’onglet Colonnes, cliquez sur le bouton Générer par IA.

   Un commentaire est généré pour chaque colonne.

4. Cliquez sur la coche en regard du commentaire de colonne pour l’accepter ou le fermer sans l’enregistrer.

Le propriétaire, ou un utilisateur de la table disposant du privilège MODIFY sur la table, peut mettre à jour les commentaires de table et de colonne à tout moment, à l’aide de l’interface utilisateur de l’explorateur de catalogues ou des commandes SQL (ALTER TABLE ou COMMENT ON).

Forum aux questions sur les commentaires de table générés par l’IA

Cette section fournit des informations générales sur les commentaires de table générés par l’IA (également appelée documentation générés par l’IA) dans le formulaire des questions fréquemment posées.

Quel service la fonctionnalité de documentation générée par l’IA utilise-t-elle ?

Les commentaires générés par IA peuvent utiliser Azure AI services pour fournir des réponses. Les données envoyées à ces services ne sont pas utilisées pour l’apprentissage des modèles. Les modèles eux-mêmes sont sans état : aucune invite ou saisie semi-automatique n’est stockée par les fournisseurs du modèle.

Dans quelle région les points de terminaison de service de modèle sont-ils hébergés ?

Pour les espaces de travail de l’Union européenne (UE), les fonctionnalités d’assistance à l’IA utilisent un modèle externe hébergé dans l’UE. Toutes les autres régions utilisent un modèle hébergé aux États-Unis.

Comment les données sont-elles chiffrées entre Azure Databricks et Azure AI services ?

Le trafic entre Databricks et Azure AI services est chiffré en transit en utilisant le chiffrement TLS 1.2 standard du secteur d’activité.

Tout les éléments sont-ils chiffrés au repos ?

Les données stockées dans un espace de travail Azure Databricks sont chiffrées AES-256 bits. Nos partenaires externes ne stockent aucune invite ou saisie semi-automatique qui leur est envoyée.

Quelles données sont envoyées aux modèles ?

Azure Databricks envoie la métadonnée suivante aux modèles avec chaque requête d’API :

• Schéma de table (nom de catalogue, nom de schéma, nom de table ou commentaire actuel)
• Nom de colonnes (nom de colonne, type, clé primaire ou non, commentaire de colonne actuelle)

Les commentaires de colonne ou de table approuvés sont stockés dans la base de données du plan de contrôle Azure Databricks, ainsi que le reste de la métadonnée Unity Catalog. La base de données du plan de contrôle est chiffrée AES-256 bits.

Quelles conditions juridiques régissent l’utilisation des commentaires générés par l’IA ?

L’utilisation est régie par les conditions générales d’Azure Databricks existantes acceptées par le client lors de l’utilisation d’Azure Databricks.