Remarque
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de vous connecter ou de modifier des répertoires.
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de modifier des répertoires.
Foundry Tools permet aux développeurs et aux organisations de créer des applications prêtes pour l’IA, avancées et prêtes pour la production qui s’alignent sur les pratiques d’IA responsables en utilisant des API et des modèles prédéfinis et personnalisables.
Cet article décrit les fonctionnalités de traitement du langage ciblé que Les outils fournissent, notamment le traitement en langage naturel, l’analyse de texte, la compréhension du langage, la traduction et l’extraction de données de document. Il inclut les services suivants :
Azure Language in Foundry Tools est un service cloud qui fournit des fonctionnalités de traitement du langage naturel pour comprendre et analyser du texte, y compris la reconnaissance d’entité nommée (NER), l’analyse des sentiments, la détection de langage, la synthèse et la réponse aux questions.
Azure Translator dans Foundry Tools est un service de traduction automatique. Il fournit une traduction de texte en temps réel, un lot et une traduction de documents à fichier unique et des traductions personnalisées que vous pouvez utiliser pour incorporer une terminologie spécialisée ou une langue spécifique au secteur pour votre cas d’usage. Azure Translator prend en charge plusieurs langues.
Azure Document Intelligence dans Foundry Tools est un service qui convertit des images directement en formulaires électroniques. Vous pouvez spécifier les champs attendus et les images de recherche que vous fournissez pour capturer ces champs sans intervention humaine. Azure Document Intelligence héberge de nombreux modèles prédéfinis. Vous pouvez également l’utiliser pour créer vos propres modèles personnalisés.
Azure Content Understanding dans Foundry Tools est un service qui utilise l’IA générative pour extraire des champs définis par le schéma à partir de documents à l’aide de descriptions en langage naturel. Utilisez Azure Content Understanding lorsque votre type de document n’a pas de modèle Azure Document Intelligence prédéfini, lorsque vous avez besoin de scores de confiance et de mise au point pour les flux de travail automatisés, ou lorsque vous avez besoin d’une sortie Markdown prête pour la récupération.
Foundry Models est un service qui fournit des modèles IA que vous pouvez utiliser directement via des API pour des tâches linguistiques telles que la génération de contenu, la synthèse et la traduction.
Langue Azure
Azure Language fournit des outils spécialisés qui connectent les agents aux services de traitement de langage par le biais de protocoles standardisés.
| Utiliser la langue Azure pour ces tâches | N’utilisez pas le langage Azure pour ces tâches |
|---|---|
| Créez des applications intelligentes en utilisant Microsoft Foundry basé sur le web, les API REST et les bibliothèques clientes. | Recherchez des documents à l’aide d’une conversation. Utilisez plutôt Recherche Azure AI . |
| Utilisez des documents structurés ou non structurés pour l’ensemble des tâches liées au langage décrites par cet article. | Vérifiez la sécurité du contenu dans les documents. Utilisez Content Safety dans Foundry Control Plane à la place. |
| Traduire des documents. Pour la traduction, utilisez Azure Translator. |
Outils de langage Azure disponibles
Le serveur MCP (Azure Language Model Context Protocol) connecte directement les agents aux services Azure Language via mcP. Cette intégration permet aux développeurs de créer des applications conversationnelles qui ont des fonctionnalités de traitement en langage naturel fiables tout en garantissant la conformité, la protection des données et la précision du traitement de niveau entreprise dans les flux de travail IA. Le langage Azure fournit des options de serveur MCP distantes et locales :
- Serveur distant : Disponible via le catalogue Outils pour les déploiements hébergés dans le cloud.
- Serveur local : Disponible pour les développeurs qui préfèrent héberger le serveur dans leur propre environnement.
Agents de langage Azure disponibles
Le tableau suivant fournit la liste des agents disponibles dans Azure Language pour les scénarios d’IA conversationnelle.
| Agent | Descriptif |
|---|---|
| Agent de routage des intentions | Gère les flux de conversation en comprenant les intentions des utilisateurs et en fournissant des réponses précises dans les applications IA conversationnelles. Utilise des processus décisionnels prévisibles combinés à la génération de réponse contrôlée pour garantir des interactions cohérentes et fiables. |
| Agent de réponse précise aux questions | Fournit des réponses fiables et word-à-mot à des questions professionnelles importantes. Automatise les questions fréquemment posées tout en conservant la supervision humaine et le contrôle de qualité pour garantir la précision et la conformité. |
Fonctionnalités disponibles du langage Azure
Le tableau suivant fournit la liste des fonctionnalités disponibles dans la langue Azure.
| Fonctionnalité | Descriptif |
|---|---|
| NER | Identifie différentes entrées dans le texte et les catégorise en types prédéfinis, tels que les personnes, les événements, les lieux et les dates. |
| Détection des données personnelles et des données de santé | Identifie les entités dans le texte et les conversations, y compris les conversations ou les transcriptions, associées à des personnes. Détecte et réacte les informations sensibles telles que les numéros de téléphone, les adresses e-mail et les formes d’identification. |
| Détection de langue | Évalue le texte et détecte un large éventail de langues et de dialectes. |
| Analyse des sentiments et exploration des opinions | Vous aide à comprendre la perception publique de votre marque ou de votre sujet en analysant le texte pour détecter les signes de sentiment positif ou négatif et en les liant à des aspects spécifiques du contenu. |
| Résumé | Synthétise les informations pour le texte et les conversations. Prend en charge le résumé extractif qui sélectionne les phrases clés, la synthèse abstraite qui génère de nouvelles phrases concises, le résumé des conversations qui récapitule les réunions avec les horodatages et le résumé du centre d’appels. |
| Extraction de phrases clés | Évalue et retourne les principaux concepts du texte non structuré sous forme de liste. |
| Liaison d’entités | Désambiguise les identités d’entité, telles que les mots ou les expressions, trouvées dans du texte non structuré et retourne des liens vers Wikipédia. La fonctionnalité de liaison d'entités sera retirée le 1er septembre 2028. Nous vous recommandons de migrer des charges de travail existantes vers NER. |
| Text analytics pour la santé | Extrait et étiquette les informations médicales pertinentes à partir de textes non structurés, tels que les notes du médecin, les bilans de sortie d’hospitalisation, les documents cliniques et les enregistrements d’intégrité électroniques. Lorsque vous concevez votre charge de travail, évaluez l’emplacement de traitement et la résidence des données de cette fonctionnalité hébergée dans le cloud pour vous assurer qu’elle correspond à vos attentes en matière de conformité. Certaines charges de travail peuvent faire face à des restrictions qui limitent leur capacité à envoyer des données de santé à une plateforme hébergée dans le cloud. Vous pouvez utiliser cette API en tant que conteneur Docker pour héberger votre propre calcul dans le cloud ou localement. Ce processus peut aider à résoudre les problèmes de conformité liés à l’utilisation des offres PaaS (Platform as a Service). Pour plus d’informations, consultez Utilisation de l'analyse de texte pour les conteneurs de santé. |
| Classification de texte personnalisée | Crée des modèles d’IA personnalisés pour classer les documents texte non structurés dans des classes personnalisées que vous définissez. |
| NER personnalisé | Crée des modèles IA personnalisés pour extraire des catégories d’entités personnalisées, telles que des étiquettes pour les mots ou les expressions, à l’aide de texte non structuré que vous fournissez. |
| Compréhension du langage courant (CLU) | Crée des modèles de traitement de langage naturel personnalisés pour prédire l’intention de l’utilisateur à partir de chaque entrée et extraire des informations importantes à partir de celle-ci. |
| Workflow d’orchestration | Connecte les applications CLU et de réponse aux questions. |
| Réponses aux questions | Identifie la réponse la plus appropriée pour les entrées utilisateur. Couramment utilisé pour créer des applications clientes conversationnelles, telles que des applications de médias sociaux, des chatbots et des applications de bureau avec reconnaissance vocale. |
Choisir une fonctionnalité de langage Azure
Le tableau suivant fournit la liste des cas d’usage possibles pour la langue Azure. Si une fonctionnalité est personnalisable, vous pouvez entraîner un modèle IA à l’aide d’outils Microsoft pour adapter vos données spécifiques. Sinon, la fonctionnalité est préconfigurée, ce qui signifie que ses modèles d’IA restent inchangés. Vous fournissez vos données et utilisez la sortie de la fonctionnalité dans vos applications.
Azure Traducteur
Azure Translator est un service de traduction automatique neuronale (NMT) basé sur le cloud. Azure Translator alimente de nombreux produits et services Microsoft que les entreprises utilisent dans le monde entier pour la traduction linguistique et d’autres tâches liées à la langue.
| Utiliser Azure Translator pour ces tâches | N’utilisez pas Azure Translator pour ces tâches |
|---|---|
| Effectuez une traduction en particulier. Azure Translator est plus efficace et rentable que les modèles de langage de base à usage général en raison de ses modèles de traduction ciblés. | Interagissez avec le chat. |
| Analysez le contenu pour identifier le sentiment. Pour l’analyse des sentiments, utilisez le langage Azure. | |
| Contenu modéré. Pour la modération du contenu, utilisez la sécurité du contenu. |
Fonctionnalités et options de développement
Le tableau suivant fournit la liste des fonctionnalités disponibles dans Azure Translator.
| Fonctionnalité | Descriptif |
|---|---|
| Traduction de texte (préversion) | Utilisez la version 2025-10-01-preview pour sélectionner l’outil NMT standard ou un déploiement de modèle de langage (GPT-4o-mini ou GPT-4o) pour traduire du texte. Vous avez besoin d’une ressource Foundry pour utiliser un déploiement de modèle de langage. |
| Traduction de texte v3 (GA) | Traduire du texte entre les langues sources et cibles prises en charge en temps réel. Créez un dictionnaire dynamique et découvrez comment empêcher les traductions à l’aide de l’API Azure Translator. |
| Traduction asynchrone de documents | Traduisez des fichiers batch et complexes tout en préservant la structure et le format des documents d’origine. Le processus de traduction par lots nécessite un compte de stockage Blob Azure qui contient des conteneurs pour vos documents sources et traduits. |
| Traduction de documents synchrone | Traduisez un fichier de document unique ou avec un fichier de glossaire tout en conservant la structure et le format du document d’origine. Le processus de traduction de fichier ne nécessite pas de compte de stockage Blob. La réponse finale contient le document traduit et est retournée directement au client appelant. |
| Traducteur personnalisé | Créez des modèles personnalisés pour traduire le langage, la terminologie et le style spécifiques au domaine et à l'industrie. Créez un dictionnaire d’expressions ou de phrases pour les traductions personnalisées. |
Conseil / Astuce
Utilisez Foundry pour les tâches de traduction de texte et de document synchrone via une interface sans code.
Cas d’utilisation
Le tableau suivant fournit la liste des cas d’usage possibles pour Azure Translator.
| Cas d’usage | Documentation |
|---|---|
| Traduire du texte propre à un secteur d’activité. | Traducteur personnalisé |
| Traduire du texte générique qui n’est pas propre à un secteur d’activité. | Traduction du texte |
Azure Document Intelligence
Utilisez Azure Document Intelligence pour automatiser le traitement des documents dans les applications et les flux de travail, améliorer les stratégies pilotées par les données et enrichir les fonctionnalités de recherche de documents.
| Utiliser Azure Document Intelligence pour ces tâches | N’utilisez pas Azure Document Intelligence pour ces tâches |
|---|---|
| Extrayez des champs spécifiques à partir de types de documents connus qui ont un modèle prédéfini, comme les factures, les reçus, les W-2 ou les documents ID. | Extrayez des champs à partir de types de documents personnalisés qui n’ont pas de modèle prédéfini et nécessitent une extraction flexible définie par schéma. Utilisez à la place Azure Content Understanding . |
| Traitez des volumes élevés de documents structurés ou semi-structurés lorsque vous avez besoin d’une extraction déterministe et à faible variabilité. | Générez des pipelines RAG qui requièrent une sortie au format Markdown comportant des figures incorporées, une hiérarchie de sections et une structure prête à être découpée en blocs. Utilisez à la place Azure Content Understanding . |
| Entraîner des modèles neuronaux personnalisés ou standard sur des ensembles de données étiquetés pour les types de documents spécifiques à votre entreprise. | Exiger des scores de confiance et une justification pour chaque champ extrait afin de générer des flux de travail de révision avec interaction humaine. Utilisez à la place Azure Content Understanding . |
| Identifiez les structures clés, telles que les en-têtes, les pieds de page et les sauts de chapitre, dans des collections variées de documents pour interagir par programmation avec le document. |
Modèles d’analyse de documents
Les modèles d’analyse de documents extraient du texte à partir de formulaires et de documents et retournent du contenu structuré et prêt pour l’entreprise.
| Modèle | Descriptif |
|---|---|
| Lire | Extrayez du texte imprimé et manuscrit à partir de documents. Permet de chiffrer des documents, des tâches de conformité et d’audit et de traiter des notes manuscrites. |
| Mise en page | Extrayez du texte, des tableaux et de la structure de document. Utiliser pour l’indexation et la récupération de documents par structure et pour l’analyse des rapports financiers et médicaux. |
Modèles de documents prédéfinis
Les modèles prédéfinis ajoutent un traitement intelligent des documents à vos applications et flux sans avoir à entraîner et à créer vos propres modèles.
| Modèle | Descriptif |
|---|---|
| Facture | Extrayez les détails du client et du fournisseur à partir des factures. Utilisation pour le traitement des comptes fournisseurs et l’enregistrement et les rapports fiscaux automatisés. |
| Réception | Extrayez les détails des transactions de vente à partir des reçus. Utiliser pour la gestion des dépenses, l’analyse des données de comportement des consommateurs et le traitement des retours de marchandises. |
| Identité | Extrayez les informations clés des passeports, des cartes d’identité et des permis de conduire. Utilisez pour connaître la conformité de votre client (KYC), la gestion des comptes médicaux et les points de contrôle d’identité. |
| Carte d’assurance maladie | Extrayez les informations clés des cartes d’assurance maladie américaines, telles que l’assureur, le membre et le numéro de groupe. Utiliser pour la couverture et la vérification de l’éligibilité et l’analytique basée sur la valeur. |
| Contrat | Extrayez les détails d’accord et de partie des contrats dans différents formats, y compris les documents numérisés et les fichiers PDF numériques. |
| Carte de crédit | Extrayez les champs clés des cartes de crédit et de débit, comme le numéro de carte, la banque émettrice et la date d’expiration. |
| Relevé bancaire | Extrayez les informations de compte et les détails des transactions à partir des relevés bancaires. Utilisation pour le traitement fiscal, la gestion comptable et le traitement de la documentation sur les prêts. |
| Vérification bancaire | Extrayez les informations pertinentes des vérifications. Utilisation pour la gestion de crédit et la gestion automatisée des prêteurs. |
| Stub de paiement | Extrayez les détails du bulletin de paie. Utiliser pour la vérification des détails de la paie des employés et la détection des fraudes. |
| Certificat de mariage | Extrayez les informations de mariage certifiées des certificats de mariage américains. |
| Documents hypothécaires américains | Extrayez les détails de la demande de prêt des formulaires 1003, 1004, 1005 et 1008, ainsi que des divulgations de clôture. À utiliser pour les exigences de documentation de Fannie Mae et Freddie Mac. |
| Documents fiscaux américains | Extrayez des informations des variantes de formulaires fiscaux W-2, 1098, 1099 et 1040. Utilisation pour la gestion automatisée des documents fiscaux et le traitement des demandes de prêt hypothécaire. |
Modèles personnalisés
Entraîner des modèles personnalisés à l’aide de vos jeux de données étiquetés pour extraire des données distinctes à partir de formulaires et de documents spécifiques à vos cas d’usage.
| Modèle | Descriptif |
|---|---|
| Modèle neuronal personnalisé | Extrayez des données à partir de documents de type mixte, y compris des documents structurés tels que des enquêtes et des questionnaires, des documents semi-structurés tels que des factures et des bons de commande, ainsi que des documents non structurés tels que des contrats et des lettres. |
| Modèle personnalisé | Extrayez des valeurs et des champs étiquetés à partir de documents structurés et semi-structurés qui ont défini des modèles visuels ou des dispositions visuelles communes. |
| Composé sur mesure | Combinez une collection de modèles personnalisés pour analyser des types de formulaires similaires, comme les bons de commande. |
| Classifieur personnalisé | Identifiez les types de documents ou classes désignés avant d’appeler un modèle d’extraction. Utilisez les packages de demandes de prêt qui contiennent des formulaires de demande, des bulletins de paiement et des relevés bancaires. |
Fonctionnalités du module complémentaire
Azure Document Intelligence prend en charge les fonctionnalités facultatives suivantes que vous pouvez activer ou désactiver en fonction du scénario d’extraction de document :
- Extraction haute résolution
- Extraction de formules
- Extraction des propriétés de la police
- Extraction des propriétés des code-barres
- PDF pouvant être recherché
- Champs de requête
- Paires clé-valeur
Pour plus d’informations sur les scénarios de modèle, consultez Choisir un modèle Azure Document Intelligence.
Compréhension du contenu Azure
Azure Content Understanding utilise l’IA générative pour extraire des champs structurés à partir de documents basés sur un schéma que vous définissez en langage naturel. Contrairement à Azure Document Intelligence, qui s’appuie sur des modèles d'apprentissage automatique préentraînés ou personnalisés liés à des dispositions de documents spécifiques, Azure Content Understanding utilise des modèles génératifs pour analyser le contenu des documents et produire une sortie en JSON aligné sur le schéma ou en Markdown prêt pour RAG. Il fournit également des scores de confiance pour chaque champ et des références. Utilisez ces fonctionnalités pour automatiser les flux de travail avec une révision humaine ciblée.
| Utiliser Azure Content Understanding pour ces tâches | N’utilisez pas Azure Content Understanding pour ces tâches |
|---|---|
| Extrayez les champs des types de documents qui n’ont aucun modèle prédéfini Azure Document Intelligence à l’aide de définitions de schéma écrites en langage naturel. | Extrayez les champs des types de documents standard qui ont un modèle prédéfini Azure Document Intelligence existant. Azure Document Intelligence est plus économique et déterministe pour ces scénarios. |
| Générez des pipelines RAG qui nécessitent une sortie Markdown qui conserve la disposition, les en-têtes, les tables, les figures et les annotations pour l’indexation vectorielle. | Traitez des volumes élevés de documents simples et structurés lorsque vous devez réduire la variabilité et le coût du modèle de langage. Utilisez Azure Document Intelligence à la place. |
| Gérez les flux de travail d'automatisation qui nécessitent des scores de confiance par champ et une validation pour acheminer les enregistrements à faible niveau de confiance pour révision humaine. | Effectuez des tâches de langage à usage général, telles que l’résumé ou l’analyse des sentiments. Utilisez plutôt le langage ou les modèles Azure. |
| Classifiez les types de documents avant de les router vers l’analyseur approprié dans un pipeline de documents mixtes. |
Fonctionnalités Azure Content Understanding disponibles pour les documents
Le tableau suivant fournit la liste des fonctionnalités de document disponibles dans Azure Content Understanding.
| Fonctionnalité | Descriptif |
|---|---|
| Extraction de contenu | Transforme les documents non structurés en données structurées lisibles par l’ordinateur. Capture le texte imprimé et manuscrit, les marques de sélection, les codes-barres, les formules mathématiques, les éléments image, les liens hypertexte et les annotations. Conserve la structure du document, y compris les paragraphes, les tables, les sections hiérarchiques et les éléments de figure. |
| Extraction de champ | Extrait des paires clé-valeur structurées à partir de documents basés sur un schéma que vous définissez. Extrayez des champs directement à partir de la source, classifiez-les à partir d’un ensemble prédéfini de catégories ou générez-les à l’aide d’un modèle de génération. Lorsque vous optez, l’API Analyser retourne chaque valeur de champ extraite avec un score de confiance et une base source pour vous permettre d’automatiser les flux de travail en aval, tels que le routage des champs à faible niveau de confiance vers l’examen humain. |
| Analyseurs de documents prédéfinis | Analyseurs prêts à l’emploi pour les scénarios d’entreprise courants, notamment la gestion du cycle de vie des contrats, les demandes de prêts hypothécaires, les rapports financiers, la gestion des dépenses et les scénarios de base de connaissances. |
| Sortie RAG | Produit une sortie au format Markdown qui conserve la structure du document à utiliser dans les magasins vectoriels et les index de recherche. Prend en charge les descriptions de figure, l’analyse de la disposition et la détection des annotations afin que les flux de travail de récupération puissent accéder au contenu négligé par segmentation standard. |
Cas d’utilisation
Le tableau suivant fournit la liste des cas d’usage possibles pour Azure Content Understanding pour les documents.
| Cas d’usage | Descriptif |
|---|---|
| Gestion du cycle de vie des contrats | Extrayez les champs clés, les clauses et les obligations de différents types de contrats sans entraîner un modèle spécifique à la mise en page. |
| Traitement des demandes de prêt et d’hypothèque | Automatisez le traitement de la documentation supplémentaire de prise en charge à partir de différents formats et modèles qui vont au-delà de ce que prennent en charge les modèles prédéfinis d’hypothèque Azure Document Intelligence. |
| Gestion des dépenses | Analysez les reçus et les factures de différents détaillants et formats à l’aide d’une extraction définie par le schéma avec des scores de confiance pour marquer les enregistrements qui ont besoin d’un examen humain. |
| Ingestion de document RAG | Convertissez des documents non structurés en ressources de données structurées et pouvant faire l’objet d’une recherche avec une sortie Markdown préservant la disposition pour une utilisation dans les pipelines de recherche RAG et les flux de travail d’agent. |
| Classification et routage de documents mixtes | Classifiez les documents entrants par type et routez chaque type vers l’analyseur approprié. Cette approche permet l’automatisation de bout en bout des pipelines qui reçoivent plusieurs types de documents. |
Models
Les modèles offrent un accès à un catalogue de modèles de base de Microsoft, OpenAI et d’autres fournisseurs de premier plan. Ces modèles peuvent effectuer des tâches linguistiques à usage général, telles que la génération de contenu, la synthèse, la traduction et les interactions conversationnelles.
| Utiliser des modèles pour ces tâches | Prenez en compte les services spécialisés lorsque vous avez besoin de ces fonctionnalités |
|---|---|
| Générez du contenu créatif, des brouillons ou des variantes de texte. | Tâches de traitement cohérentes et reproductibles du langage naturel comme l’analyse des sentiments ou NER à grande échelle. Azure Language fournit des API optimisées et rentables pour ces tâches spécifiques. |
| Résumez les documents longs ou les conversations longues. | Traduction pour de grands volumes de documents tout en préservant la mise en forme. Azure Translator est optimisé pour la conservation de la qualité de la traduction et de la structure des documents. |
| Créez des expériences d’IA conversationnelle et des chatbots. | Extraction de données structurée à partir de formulaires et de factures avec une précision élevée. Azure Document Intelligence fournit des modèles prédéfinis entraînés spécifiquement pour les types de documents. |
| Répondez aux questions générales en fonction du contexte fourni. | |
| Effectuez des tâches linguistiques non planifiées avec des instructions flexibles. |
Modèles disponibles
Les modèles incluent les modèles IA suivants de plusieurs fournisseurs.
| Famille de modèles | Descriptif |
|---|---|
| GPT-4o et GPT-4o mini | Modèles modals OpenAI qui peuvent traiter à la fois du texte et des images, avec une précision et une réactivité améliorées pour les tâches de codage et de texte anglais. |
| Série GPT-4.1 | Modèles de traitement de texte et d’image OpenAI avec des fenêtres contextuelles volumineuses (jusqu’à un million de jetons) pour gérer des documents étendus. |
| Famille GPT-5 | Les modèles phares de dernière génération d’OpenAI avec un raisonnement avancé, des capacités multimodales et un suivi d'instructions amélioré. Ces modèles conviennent à des tâches complexes de langage en plusieurs étapes qui nécessitent une précision élevée. |
| o-series (o3, o4-mini) | Modèles de raisonnement OpenAI conçus pour des tâches avancées de résolution de problèmes qui nécessitent une concentration et une capacité accrues dans des domaines tels que la science, le codage et les mathématiques. |
| Famille Phi-4 | Petits modèles de langage (SLA) de Microsoft optimisés pour un raisonnement complexe. Le modèle Phi-4 (14B) excelle dans les scénarios à faible latence, tandis que le raisonnement Phi-4- et le raisonnement Phi-4-mini apportent des capacités de raisonnement spécialisées pour les tâches de résolution de problèmes en plusieurs étapes qui nécessitent moins de ressources. Prend en charge plus de 40 langues. |
| DeepSeek | Modèles à poids ouverts, y compris DeepSeek-R1 pour les tâches de raisonnement et la série DeepSeek-V3 pour la compréhension générale du langage. Connu pour des performances fortes sur les benchmarks de codage et de raisonnement mathématique. |
| Grok | Modèles xAI, y compris Grok-3, Grok-4 et variantes spécialisées pour les tâches de raisonnement et de codage. Disponible dans les configurations de raisonnement rapide et sans raisonnement. |
| Lama | Modèles ouverts de Meta, y compris Llama-3.3-70B-Instruct et Llama-4-Maverick pour les tâches linguistiques à usage général. |
| Mistral | Modèles IA européens, y compris Mistral-Large-3 et Mistral-document-ai pour les scénarios de traitement de documents. |
| Modèles Incorporations | Modèles de plusieurs fournisseurs qui convertissent le texte en forme de vecteur numérique pour faciliter la similarité du texte et la recherche sémantique. |
Pour obtenir la liste complète des modèles disponibles et de la disponibilité régionale, consultez Modèles vendus directement par Azure.
Get started
Pour commencer à utiliser des modèles pour les tâches de langage, suivez l’une des approches suivantes :
Approche sans code : Utilisez le terrain de jeu de conversation dans le portail Foundry pour déployer des modèles et tester des invites de manière interactive.
Approche basée sur le code : Utilisez le Kit de développement logiciel (SDK) Foundry pour intégrer des modèles dans vos applications à l’aide de Python, C#, TypeScript ou Java.