Présentation
Le cycle de vie du développement d’IA générative est itératif et l’évaluation est le mécanisme de commentaires qui vous indique si une modification a réellement amélioré le système. Les pratiques d’évaluation fortes vous aident à mesurer la qualité de la réponse, la qualité de récupération, la sécurité et la fiabilité avant d’expédier une fonctionnalité et après avoir modifié les invites, les données ou les modèles.
L’image illustre le « cycle de vie de développement de l’IA générative » avec un diagramme de style organigramme. Le diagramme est défini sur un arrière-plan clair et utilise un jeu de couleurs bleu et blanc avec des couleurs d’accentuation pour les icônes. Le cycle de vie commence par « Définir votre cas d’usage » à gauche, ce qui conduit à un rectangle arrondi volumineux contenant les étapes principales du processus. Dans cette zone principale, il existe cinq composants clés organisés horizontalement : carte, mesure, atténuation, exploitation, gouvernance. La disposition implique un flux séquentiel de Map to Operate, avec la supervision couvrant toutes les étapes. Une flèche volumineuse forme une boucle autour de l’ensemble du processus, en commençant par « Définir votre cas d’usage », en se déplaçant dans le sens des aiguilles d’une montre à travers toutes les étapes, puis en retournant au début. Cela suggère un cycle de vie itératif continu pour le développement d’IA.
Bien que chaque étape du processus soit essentielle pour créer des solutions d’IA génératives dignes de confiance, la phase de mesure est l’endroit où les équipes vérifient qu’une application se comporte comme prévu. Microsoft Foundry fournit des fonctionnalités d’évaluation, d’analyse des résultats et d’observabilité qui vous aident à évaluer des modèles, des systèmes de génération augmentée de récupération (RAG) et des agents de manière reproductible. Ce module présente les concepts clés pour choisir les données d’évaluation, sélectionner des évaluateurs et interpréter les résultats.
Objectifs d’apprentissage
À l’issue de ce module, vous pourrez :
- Appliquer les meilleures pratiques pour choisir des données d’évaluation
- Expliquer quand utiliser des données réelles, synthétiques et contradictoires
- Décrire l’étendue des évaluateurs intégrés
- Choisir des évaluateurs qui correspondent à votre cas d’usage
- Interpréter les résultats de l’évaluation et les utiliser pour guider les atténuations
Conditions préalables
- Un abonnement Azure - En créer un gratuitement
- Bonne connaissance d’Azure et du portail Azure