Copilot pour Assistant Time Intelligence

Copilot au sein de la charge de travail Fabric Real-Time Intelligence est un assistant basé sur l'IA qui vous aide à interroger, analyser et explorer vos données en temps réel. Copilot traduit le langage naturel en requêtes KQL (Kusto Query Language), génère des tableaux de bord et permet l’exploration interactive des données, sans nécessiter d’expertise KQL.

Copilot dans les ensembles de requêtes KQL

Copilot au sein des ensembles de requêtes KQL transforme les questions formulées en langage naturel et les convertit en requêtes KQL. Décrivez vos besoins d’analyse des données en langage brut et Copilot génère la requête correspondante. Copilot prend en charge les interactions conversationnelles, ce qui vous permet d’affiner les requêtes et de poser des questions de suivi sans recommencer.

Pour plus d’informations sur l’utilisation de Copilot dans les ensembles de requêtes KQL, consultez Copilot pour écrire des requêtes KQL.

Copilot dans les tableaux de bord en temps réel

Copilot dans les tableaux de bord Real-Time simplifie la création de tableaux de bord et l’exploration des données :

  • Générer les tableaux de bord : sélectionnez une table de données dans Real-Time Hub ou un ensemble de requêtes KQL et utilisez Copilot pour générer automatiquement un tableau de bord Real-Time avec une page Insights et une page de profil de données. Pour plus d’informations, consultez Generate a Real-Time Dashboard using Copilot.
  • Modifier les requêtes de vignette : utilisez Copilot pour créer ou modifier directement dans le volet d’édition la requête KQL derrière une vignette de tableau de bord, en utilisant le language naturel plutôt que de rédiger manuellement des requêtes KQL.
  • Explore interactivement : en mode affichage, utilisez Copilot pour poser des questions sur vos données de tableau de bord, filtrer les résultats et enregistrer des insights sous forme de nouvelles vignettes. Pour plus d’informations, consultez l’exploration des données en temps réel assistée par Copilot.

Copilot pour Azure Data Explorer

Copilot prend également en charge les clusters Azure Data Explorer (ADX). Lorsqu’il est connecté à un cluster ADX, Copilot génère des requêtes KQL et explore les données de la même façon que pour un Eventhouse. Une capacité Fabric est nécessaire.

Pour plus d’informations sur la connexion à ADX à partir de Fabric, consultez Consume ADX data in Fabric.

Meilleures pratiques pour les requêtes KQL Copilot

Les conseils suivants s’appliquent au Copilot dans les ensembles de requêtes KQL et les tableaux de bord en temps réel :

  • Commencez par des instructions de langage naturel simples pour découvrir les fonctionnalités et limitations actuelles. Passez progressivement à des invites plus complexes.

  • Indiquez précisément la tâche et évitez l’ambiguïté. Imaginez partager l’invite avec un expert KQL sans ajouter d’instructions orales. Génère-t-il la requête correcte ?

  • Fournissez des informations pertinentes pour aider le modèle. Spécifiez des tables, des opérateurs ou des fonctions critiques pour la requête lorsque cela est possible.

  • Préparez votre base de données :

    • Ajoutez des propriétés de docstring pour décrire les tables et colonnes courantes. Cette étape est essentielle pour les tables ou les colonnes avec des noms non significatifs.
    • Vous n’avez pas besoin d’ajouter de docstrings à des tables ou des colonnes rarement utilisées.
    • Pour plus d’informations, consultez la commande alter table column-docstrings.

  • Pour améliorer Copilot résultats, sélectionnez l’icône like ou dislike pour envoyer des commentaires.

    Note

    Le formulaire Submit envoie le nom de la base de données, son URL, la requête KQL générée par Copilot et toute réponse de texte libre que vous incluez. Les résultats de la requête KQL exécutée ne sont pas envoyés.

Note

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

Améliorer la précision de Copilot avec des captures privées

Copilot améliore les invites à l’aide des exemples les plus pertinents (appelés paires langage naturel et KQL, ou « captures ») à partir d’une base de données Public Shots. Cette base de données est organisée par l’équipe Real-Time Intelligence, dérivée de la documentation KQL et disponible pour tous les utilisateurs Copilot. La base de données Public Shots fournit une base solide, mais elle est générique et ne possède pas de connaissances spécifiques au domaine de votre base de données KQL.

Pour améliorer la capacité de Copilot à générer des requêtes KQL précises et complexes pour vos scénarios spécifiques, créez une base de données Private Shots.

Cette approche vous permet d’inclure des requêtes KQL avancées qui répondent aux exigences uniques de votre équipe. Par exemple, les requêtes qui utilisent : - sémantique de graphique, analyse de série chronologique, détection d’anomalies ou fonctions stockées définies dans votre base de données KQL.

Les captures privées sont automatiquement publiées à partir des ensembles de requêtes KQL et des tableaux de bord en temps réel. Lorsque vous enregistrez ces artefacts, les requêtes KQL qu'elles contiennent sont publiées dans la base de données Private Shots, ce qui améliore la capacité de Copilot à générer des requêtes qui s'alignent sur vos données et cas d'usage.

Note

  • Après avoir enregistré les artefacts de Private Shots, il peut s'écouler quelques minutes avant qu'ils ne soient publiés et disponibles pour être utilisés par Copilot.
  • Seul le KQL est obligatoire. Le LLM génère la description du langage naturel. Vous pouvez ajouter une brève description en incluant un commentaire préalable attaché au KQL.
  • Les requêtes KQL sont vérifiées pour la syntaxe valide. Seules les requêtes valides sont ajoutées à la base de données Private Shots.
  • Copilot utilise uniquement des captures privées accessibles à l’utilisateur. Si vous n'êtes pas autorisé à afficher un tableau de bord ou un ensemble de requêtes spécifique, Copilot n'utilise pas de captures d'écran de ces artefacts.
  • Les requêtes KQL générées par Copilot et insérées dans l’ensemble de requêtes avec le bouton Copy to Editor incluent une ligne de commentaire : // This KQL query was generated by AI:. Ces requêtes ne sont pas publiées dans la base de données Private Shots. Pour les inclure, supprimez ce commentaire tout en conservant le commentaire suivant qui contient l’invite de l’utilisateur.

Limitations

Les limitations suivantes s’appliquent au Copilot dans Real-Time Intelligence :

  • Copilot ne peut pas modifier les requêtes KQL existantes dans l'éditeur de requête. Si vous demandez au volet de conversation Copilot de modifier une partie spécifique d'une requête existante, cela ne fonctionne pas. Toutefois, Copilot comprend les entrées précédentes dans le volet conversation, afin de pouvoir itérer sur les requêtes qui Copilot générées avant l’insertion.
  • Copilot peut produire des résultats incorrects lorsque l’intention est d’évaluer les données. Copilot a uniquement accès au schéma de base de données et n'a pas accès aux données elle-même.
  • Les réponses de Copilot peuvent inclure du contenu inexact ou de mauvaise qualité. Passez en revue 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.
  • Le volet de conversation Copilot dans les bases de données KQL n'est pas disponible lorsque Private Link est activé et que l'accès public est désactivé dans le paramètre client.

Intelligence artificielle responsable

Pour afficher les instructions de Microsoft relatives à l'IA responsable dans l'Intelligence en temps réel, consultez Confidentialité, sécurité et utilisation responsable de Copilot pour l'Intelligence en temps réel.

Microsoft s’engage à garantir que les principes AI et les Responsible AI Standard guident les systèmes IA. Ces principes incluent la possibilité pour les clients d’utiliser ces systèmes efficacement et conformément à leurs utilisations prévues.

Contenu connexe

  • Last updated on