Activer le traitement de priorité pour les modèles Microsoft Foundry

Le traitement prioritaire offre des performances à faible latence avec la flexibilité du paiement à l’utilisation. Dans cet article, vous activez le traitement prioritaire sur un déploiement de modèle, vérifiez le niveau de service qui a traité vos demandes et surveillez les coûts associés.

Conditions préalables

Un abonnement Azure - Create one gratuitement.
Projet Microsoft Foundry avec un modèle de type de déploiement GlobalStandard ou DataZoneStandard.
Versions de modèle 2025-12-01 ou ultérieures.

Cas d’usage clés

Latence cohérente et faible pour les expériences utilisateur réactives.
Simplicité de paiement à l’utilisation sans engagement à long terme.
Trafic pendant les heures ouvrables ou en rafales qui tire parti des performances évolutives et rentables. Si vous le souhaitez, vous pouvez combiner le traitement prioritaire avec des unités de débit approvisionnées (PTU) pour une capacité à état stable et une optimisation des coûts.

Cible de latence

Le tableau suivant répertorie la valeur cible de latence pour chaque modèle qui prend en charge le traitement prioritaire. La valeur cible de latence est calculée en tant que latence de requête p50 sur une base de 5 minutes et exprimée en tant que seuil de centile. Par exemple, « 99% > 50 jetons par seconde »signifie que 99% de requêtes sont traitées à plus de 50 jetons par seconde.

Modèle	Valeur cible de latence
gpt-5.6-terra, 2026-07-09¹	99 % > 70 TPS
gpt-5.6-sol, 2026-07-09¹	99 % > 50 TPS
gpt-5.5, 2026-04-24	99 % > 50 TPS
gpt-5.4-mini, 2026-03-17	99 % > 100 TPS
gpt-5.4, 2026-03-05²	99 % > 50 TPS
gpt-5.2, 2025-12-11	99 % > 50 TPS
gpt-5.1, 2025-11-13	99 % > 50 TPS
gpt-4.1, 2025-04-14²	99 % > 80 TPS

¹Contexte étendu pour ce modèle, c’est-à-dire que les requêtes estimées à plus de 272 000 jetons du prompt sont rétrogradées vers le traitement standard et facturées au tarif du niveau standard.

²Contexte étendu pour ce modèle, c’est-à-dire que les demandes dont le nombre de tokens du prompt est estimé à plus de 128 000 sont rétrogradées vers le traitement standard et facturées au tarif du niveau standard.

Disponibilité du traitement prioritaire par type de déploiement

Le traitement de priorité peut être activé dans les déploiements standard globaux ou les déploiements standard de la zone de données (ÉTATS-Unis). Pour plus d’informations sur la tarification, consultez la page de tarification Azure OpenAI.

Standard global
Norme de zone de données

Disponibilité globale du modèle standard

Région	gpt-5.6-terra, 2026-07-09	gpt-5.6-sol, 2026-07-09	gpt-5.5, 2026-04-24	gpt-5.4-mini, 2026-03-17	gpt-5.4, 2026-03-05	gpt-5.2, 2025-12-11	gpt-5.1, 2025-11-13	gpt-4.1, 2025-04-14
australiaeast	✅	✅	✅	✅	✅	✅	✅	✅
brazilsouth	✅	✅	✅	✅	✅	✅	✅	✅
canadacentral	✅	✅	✅	✅	✅	✅	✅	✅
canadaeast	✅	✅	✅	✅	✅	✅	✅	✅
centralus	✅	✅	✅	✅	✅	✅	✅	✅
eastus	✅	✅	✅	✅	✅	✅	✅	✅
eastus2	✅	✅	✅	✅	✅	✅	✅	✅
francecentral	✅	✅	✅	✅	✅	✅	✅	✅
allemagnewestcentral	✅	✅	✅	✅	✅	✅	✅	✅
italynorth	✅	✅	✅	✅	✅	✅	✅	✅
japaneast	✅	✅	✅	✅	✅	✅	✅	✅
koreacentral	✅	✅	✅	✅	✅	✅	✅	✅
northcentralus	✅	✅	✅	✅	✅	✅	✅	✅
norwayeast	✅	✅	✅	✅	✅	✅	✅	✅
polognecentral	✅	✅	✅	✅	✅	✅	✅	✅
southafricanorth	✅	✅	✅	✅	✅	✅	✅	✅
southcentralus	✅	✅	✅	✅	✅	✅	✅	✅
sud-estasia	✅	✅	✅	✅	✅	✅	✅	✅
sud de l'Inde	✅	✅	✅	✅	✅	✅	✅	✅
spaincentral	✅	✅	✅	✅	✅	✅	✅	✅
Sweden Central	✅	✅	✅	✅	✅	✅	✅	✅
Suisse-Nord	✅	✅	✅	✅	✅	✅	✅	✅
switzerlandwest	✅	✅	✅	✅	✅	✅	✅	✅
uaenorth	✅	✅	✅	✅	✅	✅	✅	✅
uksouth	✅	✅	✅	✅	✅	✅	✅	✅
westeurope	✅	✅	✅	✅	✅	✅	✅	✅
westus	✅	✅	✅	✅	✅	✅	✅	✅
westus3	✅	✅	✅	✅	✅	✅	✅	✅

Disponibilité du modèle standard de zone de données

Région	gpt-5.5, 2026-04-24	gpt-5.4-mini, 2026-03-17	gpt-5.4, 2026-03-05	gpt-5.2, 2025-12-11	gpt-5.1, 2025-11-13	gpt-4.1, 2025-04-14
centralus	✅	✅	✅	✅	✅	✅
eastus	✅	✅	✅	✅	✅	✅
eastus2	✅	✅	✅	✅	✅	✅
northcentralus	✅	✅	✅	✅	✅	✅
southcentralus	✅	✅	✅	✅	✅	✅
westus	✅	✅	✅	✅	✅	✅
westus3	✅	✅	✅	✅	✅	✅

Activer le traitement de priorité au niveau du déploiement

Vous pouvez activer le traitement de priorité au niveau du déploiement et (éventuellement) au niveau de la requête.

Note

Le traitement de priorité peut être activé dans les déploiements standard global ou de zone de données (ÉTATS-Unis). Le traitement de priorité utilise le même quota que le traitement standard.

Dans le portail Microsoft Foundry, activez le traitement Priority basculez sur la page des détails du déploiement lors de la création du déploiement ou mettez à jour le paramètre d’un modèle déployé en modifiant les détails du déploiement.

Note

Si vous préférez utiliser du code pour activer le traitement de priorité au niveau du déploiement, vous pouvez le faire via l’API REST pour le déploiement en définissant l’attribut service_tier comme suit : "properties" : {"service_tier" : "priority"} Les valeurs autorisées pour l’attribut service_tier sont default et priority. default implique un traitement standard, tandis qu’il priority active le traitement prioritaire.

Une fois qu’un déploiement de modèle est configuré pour utiliser le traitement de priorité, vous pouvez commencer à envoyer des demandes au modèle.

Afficher les métriques d’utilisation

Vous pouvez afficher la mesure d’utilisation de votre ressource dans la section Azure Monitor du portail Azure.

Pour afficher le volume de demandes traitées par traitement standard par rapport à un traitement par priorité, répartie selon le niveau de service (standard ou priorité) inclus dans la requête d’origine :

Connectez-vous à https://portal.azure.com.
Accédez à votre ressource OpenAI Azure et sélectionnez l’option Metrics dans le volet de navigation gauche.
Dans la page des métriques, ajoutez la métrique des requêtes Azure OpenAI. Vous pouvez également sélectionner d’autres métriques telles que la latence Azure OpenAI, l’utilisation Azure OpenAI et d’autres.
Sélectionnez Ajouter un filtre pour sélectionner le déploiement standard pour lequel les demandes de traitement prioritaire ont été traitées.
Sélectionnez Appliquer le fractionnement pour fractionner les valeurs par ServiceTierRequest et ServiceTierResponse.

Pour plus d’informations sur la surveillance de vos déploiements, consultez Monitor Azure OpenAI.

Surveiller les coûts

Vous pouvez voir une répartition des coûts pour les demandes prioritaires et standard dans la page d'analyse des coûts du portail Azure en filtrant les balises de nom de déploiement et de facturation comme suit :

Accédez à la page Analyse des coûts dans le portail Azure.
(Facultatif) Filtrez par ressource.
Pour filtrer par nom de déploiement : ajoutez un filtre pour la balise de facturation, sélectionnez le déploiement comme valeur, puis choisissez votre nom de déploiement.

Pour plus d’informations sur la tarification du traitement prioritaire, consultez la Azure OpenAI Service vue d’ensemble des tarifs.

Activer le traitement de priorité au niveau de la demande

Important

À compter du 25 septembre 2026, Foundry retire la secours automatique du flex traitement standard pour les modèles qui ne prennent pas en charge le traitement Flex. Actuellement, ces requêtes reviennent au traitement standard, mais après la date de mise hors service, elles retournent HTTP 400 avec une invalid_request_error valeur à la place. Avant cette modification, vérifiez que votre modèle prend en charge le traitement Flex. Si le traitement standard est acceptable, définissez-le service_tierdefault à la place.

L’activation du traitement de priorité au niveau de la requête est facultative. L’API de saisie semi-automatique de conversation et l’API réponses ont un attribut service_tier facultatif qui spécifie le type de traitement à utiliser lors du traitement d’une demande. L'exemple suivant montre comment définir service_tier à priority dans une demande de réponse.

curl -X POST https://YOUR-RESOURCE-NAME.openai.azure.com/openai/v1/responses \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AZURE_OPENAI_AUTH_TOKEN" \
  -d '{
     "model": "gpt-4.1",
     "input": "This is a test",
     "service_tier": "priority"
    }'

Utilisez l’attribut service_tier pour remplacer le paramètre au niveau du déploiement. service_tier peut prendre les valeurs auto, defaultet priority.

Si vous ne définissez pas l’attribut, il est défini par défaut sur auto.
service_tier = auto signifie que la requête utilise le niveau de service configuré dans le déploiement.
service_tier = default signifie que la requête utilise la tarification et les performances standard pour le modèle sélectionné.
service_tier = priority signifie que la requête utilise le niveau de service de traitement prioritaire.

Le tableau suivant récapitule le niveau de service qui traite vos demandes en fonction des paramètres au niveau du déploiement et des requêtes pour service_tier.

Paramètre au niveau du déploiement	Paramètre au niveau de la requête	Demande traitée par le niveau de service
Par défaut	auto, par défaut	Standard
Par défaut	Priorité	Traitement prioritaire
Priorité	auto, priorité	Traitement prioritaire
Priorité	Par défaut	Standard

Limitations

Actuellement, le service ne prend pas en charge les déploiements standard régionaux et les déploiements standard de zone de données de l’UE.
Le service peut réacheminer certaines demandes prioritaires vers un traitement standard* dans les scénarios suivants :
- Si des augmentations rapides de vos jetons de traitement prioritaires par minute entraînent l’atteinte des limites de débit de rampe. Actuellement, la limite de taux d’augmentation graduelle est définie comme une augmentation du trafic de plus de 50 % de jetons par minute en moins de 15 minutes.
- Pendant les périodes de pic de demandes de traitement prioritaire.
- Demandes de contextes longs envoyées à certains modèles répertoriés dans le tableau cible de latence.
Conseil

Si vous rencontrez régulièrement des limites d’augmentation graduelle, envisagez d’acheter des PTU à la place ou en complément du traitement prioritaire.

* Le service facture les demandes traitées par le niveau de service standard aux tarifs standard. Les demandes traitées par le niveau de service standard incluent service_tier = default dans la réponse, tandis que les demandes traitées par le niveau de traitement prioritaire sont inclus service_tier = priority dans la réponse.

Dépannage

Problème	Cause	Résolution
Demandes rétrogradées au niveau standard	L’une de ces situations : - Trafic augmenté de plus de 50 % en jetons par minute en moins de 15 minutes, atteignant la limite du taux de montée en charge. - Demandes envoyées pendant les périodes de pic de demandes au traitement prioritaire. - Demandes de contexte longues envoyées à certains modèles répertoriés dans la table cible de latence.	- Augmentez progressivement le trafic si vous avez rencontré des limites de débit de rampe. - Envisagez d’acheter des PTU pour une capacité en régime permanent.

Commentaires

Cette page a-t-elle été utile ?

Last updated on 2026-08-09