Qu’est-ce que Copilot dans la charge de travail du Data Warehouse (aperçu ?

S’applique à : ✅ le point de terminaison analytique SQL et l'entrepôt de données dans Microsoft Fabric

Copilot dans Fabric Data Warehouse est un assistant IA conçu pour simplifier vos tâches d’entreposage de données. Copilot s’intègre en toute transparence à votre entrepôt de données dans Fabric, fournissant des insights intelligents pour vous aider à suivre chaque étape de vos explorations T-SQL.

Copilot dans Fabric Data Warehouse utilise les noms de tables et de vues, les noms de colonnes, les métadonnées de clé primaire et de clé étrangère pour générer du code T-SQL. Copilot dans Fabric Data Warehouse n’utilise pas de données dans des tables pour générer des suggestions T-SQL.

Fonctionnalités de Copilot dans Fabric Data Warehouse

Copilot dans Fabric Data Warehouse offre les fonctionnalités suivantes :

Langage naturel vers SQL : Demandez à Copilot de générer des requêtes SQL à l’aide de questions simples en langage naturel.
Complétion de code : améliorez votre productivité en programmation avec des suggestions de code optimisées par l’IA.
Actions rapides : corrigez et expliquez rapidement les requêtes SQL avec des actions facilement disponibles.
Intelligent Insights : recevez des suggestions intelligentes et des insights basés sur le schéma et les métadonnées de votre entrepôt.

Il existe trois façons d’interagir avec Copilot dans l’éditeur Fabric Warehouse.

Volet de discussion Copilot : Utilisez le volet pour poser des questions à Copilot en langage naturel. Copilot répond avec une requête SQL générée ou en langage naturel en fonction de la question posée.
- Langage naturel vers SQL : générez du code T-SQL et obtenez des suggestions de questions à poser pour accélérer votre flux de travail.
Complétion de code Copilot : Commencez à écrire T-SQL dans l’éditeur de requêtes SQL et Copilot génère automatiquement une suggestion de code pour vous aider à compléter votre requête. La touche Tab accepte la suggestion de code ou continue à taper pour ignorer la suggestion.
Actions rapides Copilot : Dans le ruban de l’éditeur de requêtes SQL, les options Corriger et Expliquer sont des actions rapides. Mettez en surbrillance une requête SQL de votre choix et sélectionnez l’un des boutons d’action rapide pour effectuer l’action sélectionnée sur votre requête.
- Expliquer: Copilot peut fournir des explications en langage naturel de votre schéma de requête et d’entrepôt SQL au format des commentaires.
- Réparer: Copilot peut corriger les erreurs dans votre code à mesure que des messages d’erreur se produisent. Les scénarios d’erreur peuvent inclure du code T-SQL incorrect ou non pris en charge, des orthographes incorrectes, etc. Copilot fournit également des commentaires qui expliquent les modifications et suggèrent les meilleures pratiques SQL.

Activer Copilot

Avant de commencer à utiliser Copilot, votre administrateur doit activer la commutation de locataire. Pour plus d’informations, consultez les paramètres de l'instance Copilot.
Votre capacité F2 ou P1 doit se trouver dans l’une des régions répertoriées dans la disponibilité de la région Fabric.
Si votre locataire ou votre capacité se trouve en dehors des États-Unis ou de la France, Copilot est désactivé par défaut, sauf si votre administrateur de locataire Fabric active le paramètre de locataire données envoyées à Azure OpenAI peuvent être traitées en dehors de la région géographique de votre capacité, du périmètre de conformité ou de l'instance de cloud national dans le portail d'administration Fabric.
Copilot dans Microsoft Fabric n’est pas pris en charge sur les SKU de version d’essai. Seules les références SKU payantes (F2 ou version ultérieure, ou P1 ou ultérieure) sont prises en charge pour l’instant.
Pour plus d’informations, consultez Vue d’ensemble de Copilot dans Fabric et Power BI.

Meilleures pratiques pour l’utilisation de Copilot dans Fabric Data Warehouse

Voici quelques astuces pour optimiser la productivité avec Copilot.

Lorsque vous élaborez des suggestions de création, commencez par une description claire et concise des informations spécifiques que vous recherchez.
Le langage naturel en SQL dépend des noms de table et de colonne expressives. Si votre table et vos colonnes ne sont pas expressives et descriptives, Copilot pourrait ne pas être en mesure de créer une requête pertinente.
Utilisez un langage naturel pour les noms de tables et de vues, les noms de colonnes, les clés primaires et les clés étrangères de votre entrepôt de données. Ce contexte aide Copilot à générer des requêtes exactes. Spécifiez aussi explicitement que possible les colonnes que vous souhaitez voir, les agrégations et les critères de filtrage. Copilot doit être en mesure de corriger les fautes de frappe ou de comprendre le contexte en fonction de votre contexte de schéma.
Créez des relations dans la vue de modèle de l’entrepôt pour augmenter la précision des JOIN instructions dans vos requêtes SQL générées.
Lorsque vous utilisez des saisies semi-automatiques de code, laissez un commentaire en haut de la requête avec -- pour vous aider à guider Copilot avec le contexte sur la requête que vous essayez d’écrire.
Évitez tout langage ambigu ou trop complexe dans vos invites. Simplifiez la question tout en conservant sa clarté. Cette modification garantit que Copilot peut la traduire efficacement en une requête T-SQL pertinente qui récupère les données souhaitées à partir des tables et vues associées.
Actuellement, le langage naturel en SQL prend en charge la langue anglaise en T-SQL.

Exemples d’invites

Les exemples d'invite suivants sont clairs, spécifiques et adaptés aux propriétés de votre schéma et de votre entrepôt de données, ce qui permet à Copilot de générer plus facilement des requêtes T-SQL précises :

    - Show me all properties that sold last year
    - Count all the products, group by each category
    - Show all agents who sell properties in California
    - Show agents who have listed more than two properties for sale
    - Show the rank of each agent by property sales and show name, total sales, and rank

Note

L'IA alimente Copilot, des surprises et des erreurs sont donc possibles.

Utilisation responsable de l’IA de Copilot

Pour consulter les directives de Microsoft pour l'IA responsable en Fabric Data Warehouse, voir Confidentialité, sécurité et utilisation responsable de l'IA de Copilot.

Microsoft s’engage à s’assurer que nos systèmes d’IA sont guidés par nos principes d’IA et par la Norme d’IA responsable. Ces principes incluent la possibilité pour nos clients d’utiliser ces systèmes efficacement et conformément à leurs utilisations prévues. Notre approche de l’IA responsable évolue continuellement pour résoudre de manière proactive les problèmes émergents.

Limitations

Voici les limitations actuelles de Copilot dans le data warehouse de Fabric :

Copilot ne comprend pas les entrées précédentes et ne peut pas annuler les modifications après qu'un utilisateur ait commis un changement lors de l'authoring, que ce soit via l'interface utilisateur ou le volet de discussion. Par exemple, vous ne pouvez pas demander à Copilot d'annuler mes cinq dernières entrées. Cependant, vous pouvez toujours utiliser les options de l'interface utilisateur existantes pour supprimer les modifications ou requêtes indésirables.
Copilot ne peut pas modifier les requêtes SQL existantes. Par exemple, si vous demandez à Copilot de modifier une partie spécifique d’une requête existante, cela ne fonctionnera pas.
Copilot peut produire des résultats incorrects lorsque l’intention est d’évaluer les données. Copilot n’a accès qu’au schéma de l’entrepôt, et à aucune des données à l’intérieur.
Les réponses de Copilot peuvent inclure un contenu inexact ou de faible qualité, alors assurez-vous de relire les résultats avant de les utiliser dans votre travail.
Les personnes capables d’évaluer de manière significative la précision et l’adéquation du contenu doivent passer en revue les sorties.

Commentaires

Cette page a-t-elle été utile ?

Last updated on 2026-09-03