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.
Objectif ia : Chaque organisation souhaite que l’IA ajoute de la valeur à ses personnes et processus. Cette valeur doit provenir de l’IA qui reste sécurisée et s’exécute efficacement. Il doit s’adapter aux compétences et aux données que vous avez déjà et rester dans le budget. Défi de l’IA : L’objectif est clair, mais atteindre cette valeur n’est pas toujours simple. Les équipes font souvent beaucoup d’expériences et en retirent peu de bénéfices. Certains créent des solutions conflictuelles au sein de l’organisation. Dans d’autres endroits, les préoccupations en matière de sécurité et le manque de confiance limitent ce que les gens peuvent utiliser, ce qui freine l’IA.
Solution IA : De nombreuses organisations se sont tournées vers Microsoft solutions IA pour relever ces défis. Microsoft offre un large éventail de fonctionnalités qui vous donnent la possibilité de répondre efficacement à chaque cas d’usage et de sécuriser l’IA à mesure qu’elle est mise à l’échelle. Ces conseils donnent aux décideurs un cadre permettant de diriger ce travail et d’aligner les investissements d’IA avec les besoins de l’entreprise.
Recommandation: Créez une stratégie IA qui répond aux besoins de votre entreprise en prenant les décisions dans les sections suivantes dans la séquence. Chaque décision définit les contraintes qui forment la suivante et garde le focus sur la création de valeur.
1. Identification du cas d’utilisation de l’IA
La première étape de l’encadrement de votre stratégie IA est l’identification de cas d’usage. Cette étape définit comment les décideurs découvrent où l’IA peut améliorer les résultats métier au sein de l’organisation. L’objectif est d’exposer d’abord des opportunités significatives. La liste n’a pas besoin d’être exhaustive, même si elle peut être. Son objectif est de donner à tous une vue commune de ce qui importe le plus à l’entreprise. Parcourez-le dans l’ordre, de sorte que chaque cas d’usage se rattache à une valeur concrète.
Commencez par des problèmes métier. Recherchez où l’organisation a besoin de meilleurs résultats avant de prendre en compte l’IA. Les signaux les plus clairs apparaissent dans la façon dont les gens travaillent, par exemple des efforts manuels répétés ou des validations lentes. Cadrez la recherche en termes simples, tels que « où les résultats manquent les attentes » ou « où les personnes passent du temps à des tâches répétitives ». Cette approche maintient l’IA pointée vers la valeur plutôt que la nouveauté. Compromis : une analyse large fait ressortir de nombreuses opportunités ; restez concentré sur les écarts de résultats à la fois mesurables et significatifs.
Traduisez les problèmes en cas d’usage. Transformez chaque problème métier en une brève instruction qui nomme l’activité et le résultat attendu, par exemple « aider les agents de support à répondre à partir de documents internes afin de réduire le temps de résolution ». Confirmez que l’activité se produit souvent suffisamment pour justifier l’investissement. Compromis : les premiers scénarios ont tendance à être vagues ; affinez-les donc en descriptions claires et exploitables avant de passer à la suite.
Classifiez le cas d’usage. Classifiez chaque cas d’usage en fonction de la façon dont il crée de la valeur. Utilisez cette décision pour guider les choix technologiques ultérieurs.
Travail individuel : Ces cas d’usage améliorent le fonctionnement des individus ou des équipes à l’intérieur des outils existants. Les exemples incluent l’aide à la rédaction ou la préparation de réunions. Ils s’alignent fortement sur les solutions d’IA génératives telles que Microsoft 365 Copilot.
Automatisation de l’entreprise : Ces cas d’usage changent le fonctionnement ou la distribution de la valeur par l’organisation. Les exemples incluent le routage automatisé des clients ou la prévision de la demande. Ils ont souvent besoin d’une intégration avec d’autres systèmes et peuvent combiner plusieurs types d’IA.
Considérez le type d’IA nécessaire. Il s’agit d’une considération, et non d’une décision finale, et vous pouvez la revoir à mesure que le cas d’usage devient plus clair. Une idée approximative de la cohérence souhaitée dans le résultat réduit les choix technologiques qui viennent à venir. Vous avez la liberté de l’ajuster plus tard.
L’IA générative (non déterministe) produit des sorties qui peuvent varier même pour la même entrée et fonctionne bien lorsque les entrées ne sont pas structurées, telles que le langage naturel ou les documents. Il convient aux cas où le flux de travail n’est pas résolu et où vous souhaitez que le système crée du contenu ou aide une décision humaine. Faites cela de cette façon lorsque vous ne connaissez pas les étapes exactes à l’avance et que certaines variantes de la sortie sont acceptables.
L’IA non générative (déterministe) produit des sorties cohérentes et reproductibles à partir d’entrées structurées. Il correspond aux cas où le flux de travail est défini et que la même entrée doit entraîner le même résultat. Penchez-vous de cette façon pour les tâches qui dépendent de la précision, comme la prédiction ou la détection d’anomalies.
Appliquez cette même séquence dans chaque secteur d’activité. Un flux reproductible réduit la confusion, vous empêche d’atteindre l’IA générative où elle n’est pas nécessaire et vous prépare à choisir un chemin de solution suivant.
2. Stratégie de technologie IA
Quelle Microsoft solution IA devez-vous choisir ? Après avoir identifié les cas d’usage qui ont besoin du type d’IA, commencez à affiner la façon de créer ou d’acheter chacun d’eux. Microsoft propose quatre modèles d’adoption qui établissent un compromis entre la personnalisation et la simplicité dans le cadre d’une approche de responsabilité partagée. Ils sont prêts à utiliser Copilots, le développement SaaS à faible code, le développement PaaS managé et l’infrastructure Azure. À mesure que vous passez du premier modèle au dernier, vous gagnez en contrôle et abandonnez la vitesse.
Chaque approche nécessite un niveau de compétence technique différent et retourne un degré de contrôle différent. Utilisez l’arbre de décision dans la section suivante pour affiner les options. Utilisez ensuite les conseils suivants pour peser quatre facteurs pour la solution IA :
- Capacités: Passez en revue les fonctionnalités de Microsoft et Azure solutions IA pour voir s’ils répondent aux besoins de votre cas d’usage.
- Données nécessaires : Vérifiez que les données requises existent et sont accessibles pour le scénario.
- Compétences requises : Vérifiez que chaque cas d’usage est réalisable avec les fonctionnalités actuelles avant de sélectionner une solution.
- Coût: Déterminez si la solution correspond à votre budget.
arbre de décision Microsoft IA
Microsoft Copilots (agents en mode SaaS)
Les solutions d’IA prêtes à l’emploi de Microsoft, appelées Copilots, améliorent rapidement l’efficacité, car elles nécessitent peu de configuration et fonctionnent avec les données dont vous disposez déjà. Microsoft 365 Copilot ajoute de l’aide à l’IA dans les applications Office. Les Copilot intégrés aux produits et basés sur les rôles sont axés sur des fonctions et des secteurs d'activité spécifiques. Compromis : Copilots offre les résultats les plus rapides, mais ils offrent moins de personnalisation qu’une solution personnalisée.
| Copilotes Microsoft | Description | Utilisateur | Données nécessaires | Compétences requises | Principaux facteurs de coût |
|---|---|---|---|---|---|
| Microsoft 365 Copilot | Chat et aide intégrée à l'application fondés sur le web et Work IQ dans Microsoft 365, s'appuyant sur vos données Microsoft. | Métier | Appliquez des étiquettes de confidentialité aux données Microsoft 365 afin que la protection suive le contenu. | Informatique générale et gestion des données | Licence par utilisateur |
| Copilotes et agents basés sur des rôles | Aide propre à chaque rôle pour Sécurité, agent commercial, service et agent financier. | Métier | Yes. Les options de connexion aux données et de plug-ins sont disponibles. | Informatique générale et gestion des données | Accès à Microsoft 364 Copilot ou Security Compute Units (SCU) pour Security Copilot |
| Copilots et agents intégrés au produit | IA dans des produits tels que GitHub, Power Apps, Power BI, Dynamics 365, Power Automate, Microsoft Fabric, Microsoft Entraet Azure. | Entreprise et particulier | Yes. La plupart nécessitent une préparation minimale des données. | Minimal (configuration d’administration de base et préparation des données) | Gratuit ou par abonnement |
| Microsoft Copilot | Microsoft Copilot est une application de conversation web gratuite. | Individuel | Non | Aucun | Gratuit |
Plateformes SaaS de développement d’IA (low-code)
Microsoft fournit des options de développement SaaS pour créer des agents IA. Copilot Studio permet aux utilisateurs professionnels de créer des assistants IA en langage naturel, tandis que Microsoft 365 Copilot extensions vous permettent de personnaliser les Copilot d’entreprise avec des données et des processus spécifiques à l’entreprise. Compromis : les plateformes de développement SaaS ouvrent le développement aux équipes d’entreprise, mais une personnalisation intensive atteint des limites et peut nécessiter un déplacement vers une plateforme managée.
| Platform | Description | Utilisateur | Données nécessaires | Compétences requises | Principaux facteurs de coût |
|---|---|---|---|---|---|
| Copilot Studio | Utilisez Copilot Studio pour créer des agents d’IA conversationnels et des workflows d’automatisation avec des outils à faible code et un langage naturel. | TI | Automatise une grande partie de l’intégration des données pour créer des copilotes personnalisés avec des connexions à différentes sources de données. | Configuration de la plateforme pour connecter des sources de données, concevoir des flux conversationnels et déployer des copilotes | Licence |
| Outils d’extensibilité pour Microsoft 365 Copilot | Personnalisez Microsoft 365 Copilot avec davantage de données ou de fonctionnalités grâce à des agents déclaratifs. Utilisez des outils tels que Copilot Studio, Agent Builder et Agents Toolkit. | Entreprise et particulier | Utilisez Microsoft 365 Copilot connecteurs pour ajouter des données. | Gestion des données, compétences informatiques générales ou développeur | Licence Microsoft 365 Copilot |
IA sur les plateformes Azure (PaaS)
Platform as a service est le point de départ de la plupart des applications et agents personnalisés. Choisissez-le quand le développement SaaS à faible code ne peut pas vous donner suffisamment de personnalisation, mais vous souhaitez toujours Microsoft exécuter la plateforme pour vous. Vous obtenez un environnement managé pour créer des agents et des modèles personnalisés. Ce travail prend plus d’efforts que le développement SaaS, mais moins d’efforts que l’exécution de l’infrastructure vous-même. Microsoft gère la plateforme et vous ne conservez pas de serveurs ni n'entraînez les modèles de base. Compromis : une plateforme managée vous donne plus de contrôle que le développement SaaS, mais elle nécessite des compétences d’ingénierie que les options de développement SaaS ne le font pas.
| Objectif IA | Solution Microsoft | Données nécessaires | Compétences requises | Principaux facteurs de coût |
|---|---|---|---|---|
| Agents de construction | Service de l’agent Microsoft Foundry | Oui | Sélection du type d’agent, ajout d’outils et de données, débogage à l’aide de traces, évaluation, optimisation, publication, surveillance. Voir le cycle de vie de l’agent | Consommation de jetons de modèle, stockage, fonctionnalités, calcul, connexions de base |
| Créer des applications RAG | Fonderie | Oui | Sélection des modèles, orchestration du flux de données, chunking des données, enrichissement des segments, choix de l'indexation, compréhension des types de requêtes (texte intégral, vectorielle, hybride), compréhension des filtres et des facettes, reranking, ingénierie des prompts, déploiement des points de terminaison et utilisation des points de terminaison dans les applications | Calcul, nombre de tokens entrants et sortants, services IA consommés, stockage et transfert de données |
| Ajuster les modèles GenAI | Fonderie | Oui | Prétraitement des données, division des données en ensembles d’entraînement et de validation, validation des modèles, configuration d’autres paramètres, amélioration des modèles, déploiement des modèles, et consommation des points de terminaison dans des applications. | Calcul, nombre de tokens entrants et sortants, services IA consommés, stockage et transfert de données |
| Entraîner et inférencer des modèles |
Azure Machine Learning ou Microsoft Fabric |
Oui | Prétraitement des données, entraînement des modèles par code ou automatisation, amélioration des modèles, déploiement des modèles de machine learning, et consommation des points de terminaison dans des applications. | Calcul, stockage, et transfert de données |
| Consommer des modèles et services IA prédéfinis | Outils de fonderie | Oui | Sélection des modèles d’IA, sécurisation des points de terminaison, consommation des points de terminaison dans des applications, et affinage si nécessaire | Utilisation des points de terminaison du modèle consommés, du stockage, du transfert de données, du calcul (si vous effectuez l’apprentissage de modèles personnalisés) |
| Isoler les applications IA | Azure Container Apps avec prise en charge du GPU sans serveur | Oui | Sélectionnez des modèles IA, orchestrer le flux de données, segmenter des données, enrichir des blocs, choisir l’indexation, comprendre les types de requêtes (texte intégral, vecteur, hybride), comprendre les filtres et les facettes, effectuer une reranking, inviter l’ingénierie, déployer des points de terminaison et consommer des points de terminaison dans les applications ; configuration facultative d’environnement/réseau virtuel pour l’isolation du réseau (la disponibilité régionale et l’état des fonctionnalités peuvent varier) | Calcul, nombre de tokens entrants et sortants, services IA consommés, stockage et transfert de données |
Consultez les pages de tarification individuelles des produits répertoriés sous IA + Machine Learning et la calculatrice de prix Azure pour générer des estimations de coûts.
IA sur l’infrastructure Azure
Azure infrastructure vous donne un contrôle total sur vos propres modèles et runtimes. Il faut généralement le plus longtemps pour construire et nécessite le plus d’efforts pour maintenir au fil du temps. Choisissez cette option lorsque vous devez apporter vos propres modèles, utiliser des runtimes personnalisés ou répondre aux besoins de performances et de conformité que les plateformes managées ne peuvent pas. Arbitrage : l’infrastructure offre le plus grand contrôle, mais elle implique la plus grande responsabilité opérationnelle.
| Objectif IA | Solution Microsoft | Données nécessaires | Compétences requises | Principaux facteurs de coût |
|---|---|---|---|---|
| Entraîner et exécuter vos propres modèles sur l’infrastructure que vous gérez | AI sur l’infrastructure Azure | Oui | Gestion de l’infrastructure, installation des programmes, entraînement des modèles, benchmarking des modèles, orchestration, déploiement des points de terminaison, sécurisation des points de terminaison, et consommation des points de terminaison dans des applications. | Calcul, orchestrateur de nœuds de calcul, disques managés (facultatif), services de stockage, Azure Bastion et autres services Azure utilisés |
Consultez les prix gpu avec Linux et Windows machines virtuelles. Utilisez la calculatrice de prix Azure pour les estimations.
3. Stratégie d’IA responsable
Quel que soit le modèle et le budget que vous choisissez dans les étapes ci-dessus, l’utilisation responsable est une condition d’exécution de l’IA en production à grande échelle. Votre organisation doit définir les normes qui maintiennent l’intelligence artificielle équitable et responsable pour chaque équipe. Les modèles que vous avez sélectionnés déterminent l’endroit où ces normes s’appliquent, mais les normes elles-mêmes restent constantes au sein de l’organisation. Développez les Microsoft conseils pour l’IA responsable plutôt que de définir ces normes ici. Consultez les conseils du CAF pour créer des stratégies d’IA responsable pour mettre en place un framework cohérent.
4. Stratégie de données
Une norme d’IA responsable n’est aussi solide que les données sur lesquelles elle repose ; votre stratégie de données vient donc ensuite. Votre stratégie de données détermine si vos cas d’usage prioritaires disposent de données bien gouvernées et de qualité pour être exploités. Une stratégie pérenne permet d’identifier les sources de données, de les classer et d’en garantir la conformité, à mesure que l’IA se déploie dans Microsoft 365 et Azure. Concentrez-vous sur les bases de référence de gouvernance et la gestion du cycle de vie plutôt que sur la conception par charge de travail. Consultez les conseils du CAF pour créer une stratégie de données pour l’IA et l’analytique.
5. Comment adopter l’IA
Avec l’ensemble de stratégies, passez à la planification et à la préparation. Le guide d’adoption de l’IA fournit des listes de contrôle pour les startups et les grandes entreprises, qui permettent de mettre en production chacune des décisions ci-dessus en intégrant la gouvernance et la sécurité.