Optimisation Copilot Modèle d’agent d’optimisation (préversion d’accès anticipé)

Le modèle d’agent d’optimisation pour Microsoft Copilot vous aide à modéliser et à résoudre les problèmes d’optimisation métier spécifiques à votre organisation. Utilisez l’agent pour prendre des décisions optimales pour des scénarios tels que l’organisation d’équipes, l’attribution de tâches ou la planification de stratégies commerciales.

Décrivez votre problème d’optimisation en spécifiant des objectifs, des contraintes et des données. Le modèle d’agent d’optimisation calcule une solution optimale sur la base de ces entrées, sans nécessiter d’expertise en codage ou en modélisation mathématique.

Importante

Le réglage de Microsoft Copilot est actuellement disponible pour un ensemble limité de clients par le biais de programmes d’accès anticipé. L’accès via Frontier est prévu pour avril 2026. Les fonctionnalités et les conditions requises sont susceptibles d’être modifiées.

Vue d’ensemble du modèle de l’agent d’optimisation

En utilisant le modèle d’agent d’optimisation, vous pouvez résoudre les problèmes métier basés sur la décision en définissant :

  • Objectifs, tels que l’affectation de personnes à des projets en fonction des compétences ou la planification des territoires de vente
  • Règles et préférences, telles que le maintien de la cohésion des équipes existantes ou le respect du budget
  • Des données telles que des listes d’employés, de projets ou de territoires

Capture d’écran montrant le modèle d’optimisation qui définit les objectifs, les règles/préférences et les données.

Une fois que vous avez fourni ces informations, l’agent utilise des outils de résolution pour calculer une solution optimale qui répond à toutes les contraintes et objectifs. Il présente les résultats dans une expérience interactive et vous pouvez les télécharger sous forme de fichier .csv.

Les cas d’utilisation courants sont les suivants :

  • Déploiement des effectifs et des talents
  • Affectation des ressources et des tâches
  • Planification du territoire de vente et du compte

Le modèle d’agent d’optimisation est conçu pour les utilisateurs non techniques et produit des décisions optimales et explicables avec une satisfaction garantie des contraintes.

Vous pouvez également personnaliser l’agent pour qu’il s’aligne sur les stratégies, la terminologie et les modèles de données de votre organisation afin qu’il reflète le fonctionnement de votre organisation.

À la base, le modèle d’agent d’optimisation utilise un grand modèle de langage (LLM) personnalisé conçu pour les tâches d’optimisation. Le modèle traduit vos objectifs, règles et données métier en un problème d’optimisation soluble et calcule le résultat optimal d’une manière cohérente avec les préférences de votre organisation.

Prise en main du modèle d’agent d’optimisation

Décrivez votre objectif

Commencez par expliquer la décision que vous souhaitez optimiser. Incluez le contexte et les détails pour aider l’agent à comprendre le problème.

Les exemples incluent :

  • Attribuez aux employés des postes vacants en fonction de leurs compétences.
  • Affecter les vendeurs aux territoires.

Capture d’écran montrant l’interface de description des objectifs dans laquelle les utilisateurs peuvent décrire leur objectif d’optimisation, comme l’affectation de rôles à des employés ou l’affectation de vendeurs à des territoires.

Charger vos données

Fournissez un ou plusieurs fichiers .csv qui contiennent les données requises pour l’optimisation, telles que les employés, les projets, les rôles ou les territoires. L’utilisation de fichiers distincts pour différentes entités de données améliore la précision et l’interprétation.

Définir des règles et des objectifs

Définissez les contraintes et les objectifs qui régissent la solution.

  • Les contraintes décrivent les règles qui doivent être suivies, telles que le respect du budget, le maintien des équipes au même endroit ou la garantie de la couverture des rôles requis.
  • Les objectifs décrivent ce qui rend une solution optimale, comme maximiser l’alignement des compétences, minimiser la distance parcourue ou réduire le temps d’attente.

Ajoutez plusieurs contraintes et objectifs. Pour de meilleurs résultats, ajoutez-les un à la fois et décrivez-les clairement. L’agent peut vous poser des questions de clarification si vous avez besoin de fournir plus de détails.

Capture d’écran montrant comment ajouter des contraintes et des objectifs dans l’interface du modèle de l’agent d’optimisation.

Vérifier la configuration

Lorsque vous interagissez avec l’agent, un panneau latéral montre comment votre problème est interprété, notamment :

  • Objectifs
  • Variables de décision
  • Contraintes
  • Objectifs
  • Données chargées

Vous pouvez demander à l’agent de modifier ou de supprimer n’importe quelle partie de la configuration.

Capture d’écran montrant Passez en revue les objectifs, les variables de décision, les contraintes, les objectifs et les données de votre agent.

Clarifier au besoin

Si l’agent détecte une ambiguïté ou des informations manquantes, il vous invite à clarifier les contraintes ou les objectifs pour vous assurer que le problème est réalisable et soluble.

Capture d’écran montrant une invite de clarification du modèle d’agent d’optimisation demandant plus de détails sur les contraintes ou les objectifs.

Obtenir votre solution

Lorsque vous êtes prêt, demandez à l’agent de résoudre le problème à l’aide de vos données. L’agent exécute des outils de résolution et présente la solution optimale en fonction de vos objectifs et contraintes. Vous pouvez examiner les résultats de manière interactive et télécharger le résultat complet sous forme de fichier .csv.

Capture d’écran affichant les résultats de solution optimale dans un format interactif avec option de téléchargement .csv.

Conseil

Utilisez un langage clair et spécifique et fournissez des données précises et représentatives pour obtenir les meilleurs résultats.

Fonctionnalités clés

Le modèle de l’agent d’optimisation :

  • Interprète votre scénario d’entreprise pour définir l’objectif d’optimisation.
  • Identifie les variables de décision qui représentent les choix à optimiser.
  • Traduit les objectifs et les contraintes en un problème d’optimisation structuré.
  • Utilise des outils de solveur pour calculer une solution optimale.

La solution résultante :

  • Satisfait toutes les contraintes définies.
  • Représente le résultat optimal pour les données fournies.

Quand utiliser le modèle d’agent d’optimisation

Utilisez le modèle d’agent d’optimisation lorsque vous devez déterminer la meilleure décision possible sous contraintes. Commencez par identifier la décision que vous souhaitez optimiser.

Capture d’écran montrant les étapes à suivre pour utiliser le modèle d’optimisation.

Identifiez la décision

Déterminez le choix à faire, comme l’affectation de ressources, la planification d’activités ou l’attribution de territoires. Si aucune décision n’est requise, le modèle d’agent d’optimisation peut ne pas être l’outil approprié.

Définir des objectifs

Spécifiez les critères qui définissent un bon résultat. Vous pouvez inclure un ou plusieurs objectifs.

Exemple : minimisation des coûts de déplacement entre les affectations de vente.

Définir des règles et des limites

Identifiez les contraintes à respecter, telles que les limites de capacité, les exigences de rôle ou les stratégies d’emplacement.

Préparer vos données

Fournissez des données qui appuient vos objectifs et vos contraintes. Par exemple, les limites de capacité nécessitent des données sur la disponibilité des ressources et l’optimisation des déplacements nécessite des données de localisation.

Décomposez des problèmes complexes

Vous pouvez souvent diviser les grands problèmes d’optimisation en décisions plus petites et connexes plus faciles à modéliser et à résoudre.

Le modèle d’agent d’optimisation n’est pas destiné à l’analyse de données générales ou à des scénarios de calcul mathématiques.

Limitations

  • L’agent prend uniquement en charge .csv fichiers.
  • Vous pouvez charger plusieurs fichiers .csv, mais vous devez respecter le nombre de fichiers et les limites de taille.
  • Vous pouvez définir n’importe quel nombre de contraintes et d’objectifs grâce au chat.

Agents de contexte ajustés

À l’aide d’un agent de contexte réglé, vous pouvez enregistrer un problème d’optimisation personnalisé pour le réutiliser au sein de votre organisation. L’agent se souvient de la structure de votre problème, y compris les buts, les contraintes, les objectifs et le schéma des données.

Cette approche est utile pour les décisions récurrentes, telles que la planification trimestrielle, les révisions annuelles ou les scénarios que les équipes ou fonctions réutilisent.

Quand utiliser un agent de contexte réglé

Utilisez un agent de contexte réglé lorsque vous en avez besoin :

  • Configurer un problème d’optimisation une fois et le réutiliser
  • Mémoriser vos règles, préférences et structure de données
  • Partager un agent personnalisé avec d’autres membres de votre organisation

Ce dont l’agent se souvient

Un agent de contexte réglé stocke :

  • Problème d’optimisation de la base, y compris les buts, les objectifs et les contraintes
  • le schéma de données, comme les noms de champ et les types de données ;

L’agent ne stocke pas les fichiers de données chargés.

Optimiser un modèle d’agent d’optimisation

Pour adapter un modèle d’agent d’optimisation :

  1. Créez un agent en sélectionnant le modèle d’optimisation .

    Capture d’écran montrant la sélection du modèle Optimisation lors de la création d’un agent.

  2. Fournissez un nom, une description et des invites suggérées. Les instructions par défaut sont préremplies et optimisées pour le modèle d’agent d’optimisation.

    Capture d’écran de la page de configuration des détails de l’agent dans laquelle vous fournissez le nom, la description et les invites suggérées.

    Importante

    • Ne modifiez pas les instructions par défaut, sauf si vous avez une raison spécifique de les modifier.
    • N’ajoutez pas de fonctionnalités ou de sources de connaissances. Le modèle d’agent d’optimisation ne les prend pas en charge.

  3. Sélectionnez Créer pour terminer la configuration et ouvrir la conversation de l’agent.

  4. Sélectionnez Régler l’agent, puis choisissez Régler le contexte.

    Capture d’écran montrant le menu de l’agent Tune avec l’option de contexte Tune sélectionnée.

  5. Utilisez la conversation pour décrire votre objectif, charger des données, définir des contraintes et spécifier des objectifs. Passez en revue la configuration dans le panneau latéral au fur et à mesure.

    Capture d’écran montrant l’interface de conversation pour définir le problème d’optimisation avec le panneau latéral affichant les buts, contraintes et objectifs.

    Capture d’écran montrant des vues supplémentaires de l’interface de définition du problème d’optimisation avec le téléchargement des données et la configuration des contraintes.

  6. Sélectionnez Mettre à jour l’agent pour enregistrer la définition du problème.

    Remarque

    Les données chargées ne sont pas enregistrées. Seule la structure du problème est conservée.

    Capture d’écran montrant le bouton Mettre à jour l’agent pour enregistrer la définition du problème après avoir terminé l’installation.

  7. Partagez l’agent accordé avec d’autres membres de votre organisation.

    Capture d’écran de l’interface de partage d’agent affichant les options permettant de partager l’agent accordé avec les utilisateurs de votre organisation.

    Capture d’écran montrant la configuration des autorisations de partage pour le modèle d’agent d’optimisation accordé.

Partage et sécurité

  • Vous contrôlez qui peut accéder à l’agent.
  • Le contexte d’agent reste au sein de votre organisation.
  • Le système ne stocke pas les données chargées.

Meilleures pratiques

  • Utilisez un langage précis pour les buts, les contraintes et les objectifs.
  • Testez l’agent avec des exemples de données avant de le partager à grande échelle.
  • Mettez à jour l’agent à mesure que les besoins de l’entreprise changent.

Exemple : Optimisation de la stratégie de vente

Scénario
Planifiez une stratégie de vente pour un exercice fiscal en affectant des équipes commerciales aux territoires tout en maintenant les relations avec les comptes clés, en gérant les coûts de déplacement et en atteignant les objectifs de vente.

Objectif
Affecter du personnel de vente à des territoires de vente.

Fichiers de données

Fournissez .csv fichiers tels que :

  • People.csv: Détails du vendeur
  • Territories.csv: Attributs de territoire
  • Roles.csv: Limites et couverture des rôles
  • States.csv: Données de localisation pour le calcul des déplacements

Objectifs

  • Optimisez la continuité en préservant les affectations de compte existantes
  • Optimiser la couverture des affectations personnes-territoire
  • Réduire la distance totale parcourue

Contraintes

  • Les vendeurs ne peuvent être affectés qu’à un seul secteur d’activité
  • Les limites spécifiques aux rôles sur l’attribution des territoires doivent être respectées
  • Chaque territoire doit avoir une couverture de rôle requise

L’agent génère automatiquement des variables de décision qui représentent les choix d’affectation. Il calcule les valeurs optimales et présente les résultats dans un format facile à comprendre.

FAQ

Qu’est-ce que le modèle d’agent d’optimisation ?

Le modèle d’agent d’optimisation vous aide à résoudre les problèmes métier basés sur la décision, tels que l’allocation des ressources, la planification et la planification, en calculant des solutions optimales en fonction des objectifs, des contraintes et des données.

Ai-je besoin de compétences techniques pour l’utiliser ?

Non. Vous décrivez le problème en langage clair et fournissez des données. L’agent gère la logique d’optimisation.

Quels types de problèmes sont pris en charge ?

Les exemples incluent :

  • Affecter des employés à des rôles ou à des projets
  • Planification des territoires de vente
  • Planification des plannings
  • Organisation des ressources

Comment mes données sont-elles gérées ?

Vos données restent dans votre client et sont utilisées uniquement pendant la conversation pour calculer des solutions. Les agents de contexte ajustés stockent uniquement les définitions de problèmes et le schéma de données, pas les données ou les résultats.

Puis-je modifier les règles plus tard ?

Oui. Vous pouvez modifier les contraintes et les objectifs. Les modifications importantes qui modifient la structure du problème peuvent nécessiter la création d’un agent.

Quels formats de fichiers sont pris en charge ?

Seuls .csv fichiers sont pris en charge.

Que se passe-t-il si le problème est irréalisable ?

L’agent vous avertit si des contraintes ou des données rendent le problème insoluble et fournit des conseils pour vous aider à ajuster la configuration.

Contenu connexe

  • Last updated on