Qu’est-ce que Fabric IQ (préversion) ?

Fabric IQ (préversion) est une charge de travail permettant d’unifier les données présentes sur OneLake et de les organiser en fonction du langage métier de votre entreprise. Les données sont ensuite exposées à l’analytique, aux agents IA et aux applications avec une signification sémantique et un contexte cohérents. Cette page fournit une vue d’ensemble de la charge de travail Fabric IQ, des éléments qu’il contient et de la façon dont ces éléments fonctionnent ensemble pour fournir des données et des sémantiques unifiées dans Microsoft Fabric.

Important

Cette fonctionnalité est en version préliminaire.

En tant que workload dans Fabric, Fabric IQ est une collection de fonctionnalités destinées aux fonctionnalités courantes de modélisation d’un environnement avec un langage unifié. Les éléments regroupés dans la charge de travail Fabric IQ sont les suivants :

Pour plus d’informations sur le rôle de chaque élément de la charge de travail Fabric IQ, consultez la section Items dans Fabric IQ (préversion).

Note

Les éléments de Fabric peuvent faire partie de plusieurs charges de travail. Plusieurs des éléments de Fabric IQ sont partagés avec d’autres charges de travail Fabric telles que Real-Time Intelligence et Power BI, car elles sont pertinentes pour l’intention de plusieurs scénarios de charge de travail.

Pourquoi utiliser Fabric IQ (préversion) ?

Fabric IQ (version préliminaire) offre les avantages suivants :

  • Unification des données : Unifier les données analytiques et opérationnelles, en combinant des données provenant de différentes sources dans OneLake (comme lakehouses, eventhouses et Power BI modèles sémantiques) en un modèle cohérent unique. Fabric IQ peut également unifier les données opérationnelles externes à l’aide de raccourcis OneLake, en le référençant sans copier ou créer des pipelines ETL.
  • Consistent language across tools : Fournit une définition unique d’un concept (comme Customer, Matériaux ou Asset) qui détermine comment Power BI, notebooks et agents interprètent les données.
  • Intégration plus rapide : Fournit de nouveaux tableaux de bord et expériences IA avec une signification métier cohérente, car les concepts métier doivent être déclarés une seule fois.
  • Gouvernance et confiance : Réduit la duplication et les définitions incohérentes entre les équipes en appliquant une sémantique claire, tandis que les contraintes améliorent la qualité des données.
  • Raisonnement inter-domaines : Représente les relations entre les concepts avec des liens de graphique et vous permet de parcourir les relations (comme Commande > Expédition > Capteur de température > Violation de la chaîne du froid) pour expliquer les résultats.
  • Préparation à l'utilisation de l'IA et actions prêtes à la décision : Fournit une base structurée pour les copilotes et les agents, de sorte que les réponses reflètent votre langage d’entreprise tel que défini dans votre ontologie. L’ontologie définit également des règles via l’intégration à Fabric Activateur, ce qui permet des actions régies et en temps réel (telles que des alertes ou des notifications) lorsque les conditions sont remplies. Étant donné que les règles et contraintes métier sont intégrées dans l’ontologie, les agents peuvent aller au-delà des réponses pour des actions sûres et auditables.

Où Fabric IQ (version préliminaire) s’intègre dans Fabric

Voici comment Fabric IQ (préversion) implémente les fonctionnalités clés Fabric :

  • Ingest et store : s’appuie sur les données des tables lakehouse, des flux d’événements et des modèles sémantiques Power BI existants. Les scénarios Fabric IQ peuvent également consommer des données partagées entre les frontières de l’organisation via le partage de données externes OneLake, ce qui étend la visibilité aux données régies dans d’autres locataires. L’élément de plan (préversion) utilise la mise en miroir OneLake et les raccourcis OneLake pour intégrer des sources de données tout en réduisant ETL, en conservant les données en place et en préservant la gouvernance.
  • Modèle et représentation sémantique : L’élément ontology (préversion) offre des fonctionnalités de modélisation en définissant des types d’entités, des propriétés sur les types d’entités et des types de relation. Si vous le souhaitez, démarrez une structure d’ontologie à partir de sources de données et de modèles existants, ou créez votre propre structure. Ensuite, liez les fonctionnalités d’ontologie aux sources de données et explorez-les dans un graphique navigable généré automatiquement.
  • Analysez et visualisez : Les éléments d'ontologie de Fabric IQ (préversion) fonctionnent ensemble pour fournir un graphe visuel et une expérience de requête basés sur vos concepts d'entreprise. Vous pouvez également créer des ontologies basées sur vos modèles sémantiques Power BI afin que la même terminologie puisse être utilisée pour l’analyse entre les éléments, ou utiliser l’ontologie pour informer les agents prenant en charge le domaine d’alimentation.
  • Exploiter et régir : Vous pouvez utiliser la version, la validation et la gouvernance de vos définitions d’ontologie. La gouvernance, le suivi de la traçabilité et l’audit s’appliquent de manière cohérente sur toutes les sources de données, y compris les données accessibles via des raccourcis OneLake et des partages inter-locataires. Vous pouvez également surveiller l'intégrité de l'ontologie à l'aide des outils de supervision de Fabric. Le plan (aperçu) ajoute des approbations du flux de travail et des pistes d’audit détaillées pour les opérations d’écriture différée et les révisions de plan.

Éléments de Fabric IQ (préversion)

Fabric IQ (préversion) est une charge de travail de Fabric qui contient les éléments suivants. Certains de ces éléments sont partagés avec d’autres charges de travail Fabric, et les éléments peuvent fonctionner ensemble pour accomplir la vision Fabric IQ partagée des données unifiées et de la sémantique.

  • L’ontologie (préversion) est un élément pour le vocabulaire d’entreprise et la couche sémantique qui unifie la signification entre les domaines et les sources OneLake. Il définit les types d’entités, les relations, les propriétés et les règles d’action de condition (via Fabric Activateur). Ensuite, l’ontologie lie toutes ces définitions à des données réelles afin que les outils en aval partagent le même langage. Les ontologies sont l’élément principal permettant de définir un langage commun dans la charge de travail Fabric IQ.
  • Plan (préversion) vous permet d’intégrer la planification, la visualisation, l’analytique et la gestion des données sur une plateforme unique. Le plan est une plateforme unifiée sans code pour la planification collaborative, la création de rapports, l’analytique, l’intégration des données et la gestion. Elle permet aux organisations de travailler à partir d’une base de données cohérente, ce qui permet aux utilisateurs professionnels de planifier, d’analyser et de signaler sans basculer entre plusieurs outils.
  • Graph (préversion) offre un stockage et un calcul de graphique natifs pour les nœuds, les arêtes et les traversées sur les données connectées. C'est bien pour la recherche de chemins, l'analyse des dépendances et les algorithmes de graphes. Graph est intégré à l’élément d’ontologie et apporte une représentation visuelle de vos concepts et relations métier à la charge de travail Fabric IQ.
    • Cet élément fait également partie de la charge de travail Real-Time Intelligence.
  • L’agent de données vous permet de créer vos propres systèmes Q&A conversationnels à l’aide de l’IA générative. Dans Fabric IQ, les agents de données peuvent se connecter à votre ontologie en tant que source, ce qui leur permet de comprendre vos concepts métier et d’utiliser ces termes lors de la réponse aux questions.
    • Cet élément fait également partie de la charge de travail Science des données.
  • L’agent d’opérations (préversion) vous permet de créer un agent IA pour surveiller les données en temps réel et recommander des actions métier. Il soutient la vision du travail de Fabric IQ des agents intelligents qui peuvent raisonner dans le domaine des affaires tout en tenant compte de la terminologie.
    • Cet élément fait également partie de la charge de travail Real-Time Intelligence.
  • Power BI modèle sémantique est un modèle analytique soigné, optimisé pour la création de rapports et l'analyse interactive avec les mesures, les hiérarchies de tableaux de bord et les relations pour les visuels et le DAX. Les modèles sémantiques constituent une autre façon de représenter la structure, le langage et les relations de vos données métier, et les ontologies peuvent être générés directement à partir d’eux pour assurer la cohérence de ce langage entre les expériences Fabric.
    • Cet élément fait également partie de la charge de travail Power BI.

Choisir l’élément approprié

Cette section contient des conseils pour choisir les outils appropriés pour votre scénario à partir des options de modélisation dans Fabric. Le tableau suivant inclut des éléments liés à la modélisation de Fabric IQ et Real-Time Intelligence.

Élément Quand utiliser
Ontologie (aperçu) dans Fabric IQ Utilisez lorsque vous avez besoin de cohérence inter-domaines, de gouvernance, et d'utilisation d'un agent IA, et que vous souhaitez raisonner à travers les processus.
Graph (préversion) Utilisez cette méthode lorsque des questions axées sur les relations (comme les chaînes d’impact, les communautés et les chemins les plus courts) dominent votre prise de décision, et que vous avez besoin de performances optimisées pour les graphes. Graph supporte la correspondance de modèles de style GQL et les requêtes de chemin le plus court pour des questions impliquant de nombreuses relations.
Power BI modèle sémantique Utiliser lorsque les utilisateurs professionnels ont besoin d’indicateurs clés de performance approuvés et de visuels rapides avec modélisation dimensionnelle, calculs et jeux de données régis pour le décisionnel libre-service.
Générateur de jumeaux numériques (préversion) dans Real-Time Intelligence Utilisez lorsque vous avez besoin d’un contexte opérationnel, de jumeaux à états, d’une analyse de scénario ou d’une simulation de type 'et si' liée à des ressources réelles et à des signaux.

Relations d’élément

Cette section décrit comment les éléments fonctionnent ensemble ou se rapportent les uns aux autres.

  • Ontologie (préversion) et modèle sémantique : En utilisant ces éléments Fabric IQ ensemble, vous pouvez tirer parti des deux représentations tout en définissant des concepts d’entreprise, comme Customer, Shipment et Breach, une seule fois. Générez ou alignez Power BI modèles sémantiques afin que la terminologie et les indicateurs de performance clés restent cohérents entre les rapports.
  • Ontology (aperçu) et Graphe : L’ontologie déclare ce qui se connecte et pourquoi. Les magasins de graphiques et les traversées de calcul, tels que « Rechercher des expéditions exposées à des itinéraires à risque et à des violations connexes ». Ces éléments fonctionnent ensemble dans Fabric IQ en intégrant l’expérience graphique dans les éléments d’ontologie.
  • Ontologie (préversion) et agents de données/opérations : L'ontologie confère aux agents une base commune en sémantique et en règles métier partagées. Par conséquent, les agents peuvent récupérer le contexte pertinent, la raison entre les domaines et recommander ou déclencher des actions régies.
  • Plan (préversion) et modèle sémantique : Le plan (préversion) peut se connecter à des modèles sémantiques existants, ce qui permet à leurs dimensions et mesures d’être utilisées dans les feuilles de planification pour des analyses transparentes de plan et de réels. Vous pouvez également créer des prévisions dynamiques directement sur votre modèle sémantique et les mettre à jour à mesure que de nouveaux réels deviennent disponibles.
  • Tous les éléments : Les modèles sémantiques Power BI présentent des indicateurs de performance clés approuvés. L’ontologie définit le langage de votre entreprise, de manière cohérente avec les représentations de modèle sémantique existantes. Le plan connecte les données aux décisions et vous aide à traduire les connaissances en actions efficacement. Graph permet l'analyse de dépendance et d'impact. Les agents de données et d’opérations permettent des interactions intelligentes avec les agents qui connaissent vos concepts métier. Les flux eventhouse en temps réel peuvent alimenter l’agent Operations avec des signaux en direct, tandis que l’élément plan traduit ces signaux en actions coordonnées. Ensemble, ces éléments forment la charge de travail Fabric IQ qui connecte les données, la sémantique, la planification, l’analyse et les actions pilotées par l’IA.

Étapes suivantes

En savoir plus sur les éléments qui composent Fabric IQ :

  • Last updated on