Copilot pour l’expérience Informations en temps réel (aperçu)
Copilot pour l’expérience Informations en temps réel est un outil d'IA avancé conçu pour vous aider à explorer vos données et à en extraire des aperçus précieuses. Vous pouvez saisir des questions sur vos données, qui sont ensuite automatiquement traduites en requêtes en la langage de requête Kusto (KQL). Copilot simplifie le processus d'analyse de données, tant pour les utilisateurs expérimentés de KQL que pour les scientifiques des données amateurs.
Important
Cette fonctionnalité est en préversion.
Prérequis
- Un espace de travail avec une capacité compatible Microsoft Fabric
- Lecture ou accès en écriture à un ensemble de requêtes KQL
Remarque
- Avant de commencer à utiliser Copilot, votre administrateur doit activer la commutation de locataire. Pour obtenir plus d’informations, consultez l’article CopilotParamètres du locataire .
- Votre capacité F64 ou P1 doit se trouver dans une des régions répertoriées dans cet article, Disponibilité des régions Fabric.
- Copilot est désactivé par défaut si votre locataire ou votre capacité sont situés en dehors des États-Unis ou de la France, à moins que l’administrateur de votre locataire Fabric n’active le paramètre Les données envoyées à Azure OpenAI peuvent être traitées en dehors de la région géographique de votre locataire, des limites de conformité ou de l’instance cloud nationale dans le portail d’administration de Fabric.
- Copilot dans Microsoft Fabric n’est pas pris en charge sur les références SKU d’essais gratuits. Seules les références SKU payantes (F64 ou ultérieures, ou P1 ou version ultérieure) sont prises en charge.
- Copilot in Fabric est actuellement déployé en préversion publique et devrait être disponible pour tous les clients à la fin mars 2024.
- Pour plus d’informations, consultez l’article Vue d’ensemble de Copilot dans Fabric et Power BI.
Fonctionnalités de Copilot pour Real-Time Intelligence
Copilot pour l’expérience Informations en temps réel vous permet de traduire sans effort des requêtes en langage naturel en langage de requête Kusto (KQL). Le copilote fait le lien entre le langage courant et les subtilités techniques de KQL et, ce faisant, élimine les obstacles à l’adoption pour les scientifiques des données publiques. En exploitant la compréhension avancée du langage d'OpenAI, cette fonctionnalité vous permet de soumettre des questions commerciales dans un format familier, en langage naturel, qui sont ensuite converties en requêtes KQL. Copilot accélère la productivité en simplifiant le processus de création de requêtes grâce à une approche conviviale et efficace de l’analyse de données.
Accéder à Copilot pour l’expérience Informations en temps réel
- Pour accéder à Copilot pour l’expérience Informations en temps réel, naviguez vers un ensemble de requêtes KQL nouveau ou existant.
- Vous connecter à une base de données Pour plus d’informations, voir Sélection d’une base de données
- Sélectionnez le bouton Copilot.
- Dans le volet Copilot, saisissez votre question liée à l’entreprise en langage naturel.
- Appuyez sur Entrée. Après quelques secondes, Copilot génère une requête KQL basée sur vos données. Vous pouvez copier la requête dans le presse-papiers ou l'insérer directement dans l'éditeur de requêtes KQL. Pour exécuter la requête dans l'éditeur de requêtes, vous devez avoir un accès en écriture à l'ensemble de requêtes KQL.
- Sélectionnez le bouton Exécuter pour exécuter la requête.
Remarque
- Copilot ne génère pas de commandes de contrôle.
- Copilot n’exécute pas automatiquement la requête KQL générée. Il est conseillé aux utilisateurs d'exécuter les requêtes à leur propre discrétion.
Vous pouvez continuer à poser des questions et à générer des requêtes dans le volet Copilot, mais chaque question est évaluée séparément et n’est pas liée aux questions précédentes ou à leurs réponses.
Améliorer l’exactitude de Copilot pour l’expérience Informations en temps réel
Voici quelques conseils pour améliorer la précision des requêtes KQL générées par Copilot :
- Commencez par des invites simples en langage naturel, afin de connaître les capacités et les limites actuelles. Ensuite, passez progressivement à des invites plus complexes.
- Énoncez la tâche avec précision et évitez toute ambiguïté. En imaginant que vous partagiez l'invite en langage naturel avec quelques experts KQL de votre équipe sans ajouter d'instructions orales, seraient-ils en mesure de générer la requête correcte ?
- Fournissez toute information pertinente susceptible d'aider le modèle à générer la requête la plus précise. Si vous le pouvez, indiquez les tables, les opérateurs ou les fonctions qui sont essentiels à la requête.
- Préparez votre base de données : Ajoutez des propriétés docstring pour décrire les tables et les colonnes communes. Cela peut être redondant pour les noms descriptifs (par exemple,horodateur), mais c'est essentiel pour décrire les tables ou les colonnes dont les noms n'ont pas de sens. Il n’est pas nécessaire d’ajouter un docstring aux tables ou aux colonnes qui sont rarement utilisées. Pour plus d'informations, voir la commande .alter table column-docstrings.
- Pour améliorer les résultats de Copilot, sélectionnez l’icône j’aime ou je n’aime pas pour envoyer vos commentaires dans le formulaire Envoyer des commentaires.
Remarque
Le formulaire Envoyer des commentaires envoie le nom de la base de données, son URL, la requête KQL générée par le copilote et tout texte libre de réponse que vous incluez dans l’envoi de commentaires. Les résultats de la requête KQL exécutée ne sont pas envoyés.
Limites
- Copilot peut suggérer des requêtes KQL potentiellement inexactes ou trompeuses en raison des éléments suivants :
- Entrée utilisateur complexe et longue.
- Les entrées utilisateur qui renvoient à des entités de la base de données qui ne sont pas des tables de la base de données KQL ou des vues matérialisées (par exemple une fonction KQL).
- Plus de 10 000 utilisateurs simultanés au sein d'une organisation sont susceptibles d'échouer ou d'entraîner une baisse importante des performances.