Carte d’application : Microsoft Copilot Studio

Qu’est-ce qu’une carte d’application ou de plateforme ?

Les cartes d’application et de plateforme de Microsoft sont destinées à vous aider à comprendre le fonctionnement de notre technologie IA, les choix que les propriétaires d’applications peuvent faire qui influencent les performances et le comportement de l’application, ainsi que l’importance d’envisager l’ensemble de l’application, notamment la technologie, les personnes et l’environnement. Les cartes d’application sont créées pour les applications IA et les cartes de plateforme sont créées pour les services de plateforme IA. Ces ressources peuvent prendre en charge le développement ou le déploiement de vos propres applications et peuvent être partagées avec les utilisateurs ou les parties prenantes concernés.

Dans le cadre de son engagement envers l’IA responsable, Microsoft adhère à six principes fondamentaux : l’équité, la fiabilité et la sécurité, la confidentialité et la sécurité, l’inclusion, la transparence et la responsabilité. Ces principes sont incorporés dans le Standard IA responsable, qui guide les équipes dans la conception, la création et le test d’applications IA. Les cartes d’application et de plateforme jouent un rôle clé dans l’opérationnalisation de ces principes en offrant une transparence autour des fonctionnalités, des utilisations prévues et des limitations. Pour plus d’informations, les lecteurs sont encouragés à explorer le rapport de transparence de l’IA responsable de Microsoft. Les clients sont tenus d’utiliser des services en conformité avec le Code de conduite microsoft Enterprise AI Services pour les organisations, qui explique comment s’engager avec l’IA de manière responsable.

Overview

Copilot Studio est une plateforme qui permet aux organisations de créer, personnaliser et déployer des agents pilotés par l’IA pour automatiser les tâches, répondre aux questions et simplifier les processus métier. Son objectif est de rendre l’intelligence artificielle avancée accessible à un large éventail d’utilisateurs, des analystes métier et des professionnels de l’informatique aux développeurs. En fournissant des outils intuitifs pour créer des agents conversationnels et les intégrer dans des sites web, des Microsoft Teams et d’autres canaux, il permet de résoudre les problèmes courants tels que le travail manuel répétitif, l’automatisation du support client et la prise de décision pilotée par les données. Il offre des avantages tels que l’efficacité accrue, l’amélioration des expériences utilisateur et l’automatisation évolutive.

La plateforme est conçue pour les clients d’entreprise, les développeurs de solutions et les équipes informatiques qui souhaitent tirer parti de l’IA générative sans expertise approfondie en matière de codage. Les utilisateurs prévus incluent les organisations cherchant à automatiser les flux de travail, à améliorer l’engagement client ou à fournir un support en libre-service. Copilot Studio prend en charge les approches à faible code et pro-code, ce qui permet aux utilisateurs de créer des agents à l’aide d’instructions en langage naturel ou en étendant les fonctionnalités avec des outils et des connecteurs personnalisés. Cette flexibilité permet aux industries allant de la finance et de la santé à l’éducation et à la vente au détail.

Key terms

Le tableau suivant définit les termes clés liés à Microsoft Copilot Studio.

Fonctionnalités clés

Les principales fonctionnalités et fonctionnalités ci-dessous décrivent ce que Copilot Studio est conçu pour effectuer et comment il effectue des tâches prises en charge.

Intended uses

Copilot Studio peut être utilisé dans plusieurs scénarios dans divers secteurs d’activité. Voici quelques exemples de cas d’usage :

• Automatisation du support client : Une entreprise de vente au détail peut créer un agent qui répond aux questions courantes des clients, suit les commandes et les processus retourne par le biais d’un site web ou d’une conversation. Cette approche réduit les temps d’attente et libère les agents humains pour gérer des problèmes complexes, améliorer la satisfaction des clients et l’efficacité opérationnelle.
• Libre-service des employés dans le secteur public : Une agence gouvernementale peut déployer un agent interne pour aider les employés à trouver des stratégies rh, à soumettre des demandes de congé et à vérifier les directives de conformité. En automatisant les enquêtes de routine, l’agence gagne du temps et garantit aux employés un accès rapide à des informations précises.
• Automatisation des flux de travail des services financiers : Une banque peut utiliser Copilot Studio pour créer un agent qui surveille et fournit des mises à jour sur les requêtes et applications entrantes. Cette approche accélère le traitement, réduit les erreurs manuelles et améliore la transparence pour les clients.
• Aide à l’éducation et aux étudiants : Les universités peuvent créer des agents qui guident les étudiants par le biais de l’inscription de cours, répondent aux questions sur les échéances et fournissent des liens vers des ressources d’apprentissage. Cette approche permet aux étudiants de parcourir facilement les tâches administratives et de réduire la charge de travail sur le personnel académique.
• Gestion du contenu multimédia : Une société de médias peut déployer un agent pour aider les éditeurs en extrayant les métadonnées de plusieurs sources, en organisant des ressources et en suggérant des balises pertinentes pour les articles. Cette approche accélère la publication des flux de travail et garantit la cohérence entre les plateformes.
• Alertes d’inventaire des biens de consommation : Un fabricant peut configurer un agent qui surveille les niveaux d’inventaire et déclenche automatiquement des actions de réapprovisionnement lorsque des seuils sont atteints. Cette approche proactive empêche les stocks et maintient l’exécution fluide des chaînes d’approvisionnement.

Étendue de l’agent : Ces agents sont généralement conçus pour des tâches définies au sein de leur domaine (par exemple, demandes de ressources humaines, traitement des prêts ou support étudiant). Bien qu’ils puissent gérer plusieurs actions associées, ils opèrent dans les limites définies par l’organisation pour maintenir le contrôle et la conformité.

Modèles et données d’entraînement

Copilot Studio tire parti d’un large éventail de modèles IA pour alimenter l’expérience que les utilisateurs voient. Voici quelques exemples : la série GPT-5 d'OpenAI, fournie par Azure OpenAI Service, Claude Sonnet 4 et xAI Grok 4.1 Fast.

Microsoft n’entraîne pas les modèles de base à l’aide de données client. Pour les modèles développés et formés par des tiers, vous trouverez plus d’informations dans Sélectionner un modèle principal pour l’agent.

Performance

Copilot Studio est conçu pour fonctionner de manière fiable dans les environnements d’entreprise où les agents gèrent des interactions conversationnelles both et des actions automatisées. Les agents peuvent répondre à des questions, fournir des conseils et également exécuter des flux de travail déclenchés par des événements, tels que la mise à jour des enregistrements, l’envoi de notifications ou l’orchestration de processus métier à plusieurs étapes. Cette combinaison d’assistance en temps réel et d’automatisation en arrière-plan rend Copilot Studio adapté à divers scénarios métier.

Supported modalities

• Entrée: Invite de texte à partir d’utilisateurs et de déclencheurs basés sur des événements à partir de systèmes connectés (par exemple, une nouvelle entrée dans une base de données ou une soumission de formulaire).

• Sortie: Réponses textuelles pour les scénarios conversationnels et actions automatisées telles que la création de tâches, la mise à jour des données ou le lancement de flux de travail.

Multilingual capabilities

• Optimisé pour l’anglais, avec prise en charge des langues supplémentaires en fonction de la configuration. La précision conversationnelle est la plus élevée en anglais, tandis que les fonctionnalités d’automatisation restent indépendantes du langage, car elles s’appuient sur des déclencheurs et des actions structurés.

Conditions pour un fonctionnement fiable

• Les agents fonctionnent mieux lorsque les invites sont claires et que les connecteurs aux sources de données et aux systèmes sont correctement configurés.

• La connectivité stable et l’adhésion aux stratégies de données organisationnelles sont essentielles pour des performances sécurisées et cohérentes.

• Les performances peuvent se dégrader si les systèmes externes ne sont pas disponibles ou si des langages non pris en charge sont utilisés pour les tâches conversationnelles.

Sécurité et fiabilité

• Les vérifications intégrées de l’IA responsable garantissent la confidentialité, la sécurité et la conformité pour les workflows conversationnels et automatisés. Ces protections aident les organisations à déployer des agents en toute confiance dans leurs scénarios.

Limitations

Comprendre les limitations de Copilot Studio est essentielle pour déterminer qu'elle est utilisée dans des limites sûres et efficaces. Même si nous encourageons les clients à tirer parti de Copilot Studio dans leurs solutions ou applications innovantes, il est important de noter que Copilot Studio n'a pas été conçu pour chaque scénario possible. Nous encourageons les utilisateurs à faire référence au Code de conduite microsoft Enterprise AI Services (pour les organisations) ou à la section Conduite du code dans le Contrat de services Microsoft (pour les personnes) ainsi que les considérations suivantes lors du choix d’un cas d’usage :

• Integration et compatibilité : Alors que Copilot Studio s’intègre aux services Microsoft et prend en charge les connecteurs pour les systèmes externes, il peut y avoir des limitations avec des applications tierces ou des environnements hautement personnalisés. Les scénarios d’automatisation avancée peuvent nécessiter un développement supplémentaire ou ne pas être entièrement pris en charge.

• Customisation et flexibilité : Copilot Studio offre des options de code faible et pro-code, mais la personnalisation a des limites. Certains flux de travail ou réponses peuvent être rigides ou ne sont pas entièrement alignés sur les exigences organisationnelles uniques, en particulier dans les domaines réglementés.

• Dépendance vis-à-vis de la connectivité et de l’accès aux données : Les agents s’appuient sur une connectivité Internet stable et l’accès aux sources de données configurées. Les interruptions de connectivité ou de modifications apportées aux API externes et aux connecteurs peuvent avoir un impact sur les performances ou provoquer l’échec des flux de travail.

• Formation et adoption des utilisateurs : Une utilisation efficace nécessite que les utilisateurs comprennent à la fois les fonctionnalités et les limitations. Il peut y avoir une courbe d’apprentissage, et les utilisateurs doivent passer en revue les actions automatisées pour obtenir de l’exactitude.

• Intensité des ressources : L’exécution de modèles et d’automatisations d’IA avancés peut nécessiter des ressources de calcul importantes. Les performances peuvent être affectées dans les environnements limités aux ressources ou pendant les pics d’utilisation.

• Biais, stéréotypes et contenu non basé : Malgré des contrôles IA responsables, le contenu généré par l’IA peut toujours refléter des préjugés, des stéréotypes ou des informations non documentées. Les utilisateurs doivent toujours passer en revue les réponses et les actions, en particulier dans les scénarios sensibles ou à enjeux élevés.

• Supportmultilingue : Copilot Les fonctionnalités de Studio prennent en charge les langues multiple. Copilot Studio a été développé et testé principalement en anglais. L’utilisation de langages non pris en charge peut avoir un impact sur les performances, et les utilisateurs doivent faire preuve de prudence lors de l’utilisation en dehors de l’étendue de langue prévue.

Evaluations

Les évaluations des performances et de la sécurité garantissent que les systèmes d’IA fonctionnent de manière fiable et sécurisée en évaluant les facteurs tels que l’importance, la pertinence et la cohérence tout en identifiant les risques liés à la génération de contenu nuisible. Les évaluations suivantes ont été effectuées avec des composants de sécurité déjà en place, qui sont décrits dans la section « Composants de sécurité et atténuations » ci-dessous.

Évaluations des performances et de la qualité

Les évaluations des performances des applications IA sont essentielles pour améliorer leur fiabilité dans les applications réelles. Des métriques telles que la base, la pertinence et la cohérence permettent d’évaluer la précision et la cohérence des sorties générées par l’IA, afin qu’elles soient prises en charge dans des scénarios de contenu fondé, adaptées au contexte et structurées logiquement. Pour Copilot Studio, nous avons effectué des évaluations performance pour les métriques suivantes, qui sont disponibles via Microsoft Foundry :

• Groundedness

• Coherence

• Fluency

• Similarity

Évaluations des risques et de la sécurité

L’évaluation des risques potentiels associés au contenu généré par l’IA est essentielle pour la protection contre les risques de contenu avec différents degrés de gravité. Cela inclut l’évaluation de la prédisposition d’une application IA à générer du contenu dangereux ou le test des vulnérabilités pour les attaques jailbreak. Pour Copilot Studio, nous avons effectué des évaluations des risques et des pour les métriques suivantes disponibles via Microsoft Foundry :

• Haine et iniquité

• Sexual

• Violence

• Self-harm

• Protected material

• Indirect jailbreak

• Direct jailbreak

• Code vulnerability

• Ungrounded attributes

Méthodes d’évaluation des risques et de la sécurité

Copilot Studio évalue uniquement les interactions textuelles, et tous les tests internes se concentrent sur la façon dont le système gère les entrées de texte et génère des sorties de texte, à l’aide de pipelines automatisés et de juges basés sur LLM pour mesurer la qualité, la sécurité et la terre. Ces évaluations utilisent des jeux de données de texte organisés ou synthétiques qui sont relus dans des pipelines hors connexion et validés dans des tests instantanés en ligne et A/B, avec chaque réponse notée pour la pertinence, l'intégrité, l'exhaustivité et l'abstention appropriée en fonction des critères de juge décrits dans la documentation d'évaluation de Copilot Studio.

Le système applique également des évaluateurs de sécurité automatisés qui vérifient la haine et l’injustice, le contenu sexuel, la violence, l’auto-préjudice, le matériel protégé, les tentatives de jailbreak, les préjudices liés au code et les attributs non planés. Ces catégories sont répertoriées explicitement dans le cadre d’évaluation interne de la sécurité de Copilot Studio. Un résultat d’évaluation idéal est celui dans lequel les réponses sont précises, entièrement ancrées dans les connaissances fournies, complètes, sécurisées dans toutes les neuf catégories de dommages, et ne montrent aucune régression dans la réussite ou la qualité des tâches par rapport aux versions précédentes du modèle. Les tableaux de bord d’évaluation et l’analytique utilisés dans les workflows d’équipe de produit mesurent ces résultats. Un résultat non optimal est celui où les réponses ne sont pas pertinentes, incomplètes ou hallucinés. Il contient du contenu dangereux, des outils d’utilisation incorrecte, des vérifications de l’authentification par défaut ou des régressements sur la qualité ou la latence par rapport aux lignes de base. Tous ces signaux sont identifiés comme des modes d’échec dans les rapports d’évaluation de Copilot Studio et les fonctionnalités de scoring de qualité.

Données d’évaluation pour la qualité et la sécurité

Nos données d’évaluation sont personnalisées pour évaluer les performances du système d’intelligence artificielle dans les domaines clés de la sécurité et de la qualité, en simulant des scénarios et des risques réels. Nous commençons par identifier les aspects pertinents de l’évaluation des préoccupations en fonction de la recherche multidisciplinaire et des commentaires d’experts. Nous traduisent ces préoccupations en objectifs d’évaluation ciblés qui guident la formulation des mesures d’évaluation.

Pour la sécurité, nous créons des invites contradictoires pour susciter des réponses indésirables ou de cas de périphérie. Les annotateurs assistés par l’IA, formés pour évaluer l’alignement avec les normes de sécurité de Microsoft, notent ces réponses. Pour la qualité, nous créons des invites basées sur des rubriques pertinentes pour des scénarios tels que l’évaluation des applications et agents de génération augmentée de récupération (RAG). Nous organisons des jeux de données provenant de diverses sources, y compris des jeux de données synthétiques et publics, pour simuler des scénarios utilisateur réels.

À l’aide des jeux de données organisés, les deux évaluations subissent un affinement itératif et l’alignement humain pour améliorer l’efficacité et la fiabilité des métriques. Cette méthodologie constitue la base d’évaluations reproductibles et rigoureuses qui reflètent la façon dont les clients utilisent des évaluations pour améliorer et sécuriser l’IA.

Composants de sécurité et atténuations

À mesure que nous identifions les risques potentiels et les mauvaises utilisations par le biais d’évaluations et de tests, Microsoft implémente des atténuations pour réduire les dommages et améliorer la fiabilité. Copilot Studio est conçu avec la sécurité, l’équité et la sécurité à son cœur, et nous continuons à surveiller et à mettre à jour ces protections à mesure que les technologies et les besoins des utilisateurs évoluent. Voici les principaux composants et mesures conçus pour aider les organisations à déployer des agents de manière responsable :

Vérifications de l’IA responsable : chaque interaction subit des contrôles de confidentialité, de sécurité et de conformité alignés sur les principes de l’IA responsable de Microsoft. Il s’agit notamment de classifieurs basés sur l’IA pour détecter le contenu dangereux et la métaprompting pour guider le comportement du modèle vers des sorties fiables et éthiques.

• Base des données approuvées : les réponses et les actions sont ancrées dans les sources de données organisationnelles auxquelles l’utilisateur a l’autorisation d’accéder. Cela réduit le risque de contenu non plané ou fabriqué et garantit que les sorties sont pertinentes et vérifiables.

• Filtres de sécurité du contenu : les classifieurs intégrés signalent des contenus potentiellement dangereux tels que le discours haineux, la violence, le contenu sexuel ou le contenu protégé par le droit d’auteur. Lorsqu’il est marqué, le système peut bloquer la réponse ou rediriger l’utilisateur vers des alternatives plus sûres.

• Enrichissement et garde-fous d’invite : les invites ambiguës sont affinées pour réduire la mauvaise interprétation. Les garde-fous empêchent les agents d’exécuter des actions en dehors de leur étendue définie, ce qui réduit les conséquences involontaires.

• Conseils de surveillance humaine : les utilisateurs sont invités à passer en revue les sorties générées par l’IA et les actions automatisées avant de les appliquer dans des scénarios à enjeux élevés. Cette pratique atténue les risques de dépendance excessive et garantit la responsabilité.

• Mesures de cybersécurité : les données sont chiffrées en transit et au repos. Copilot Studio respecte les normes de sécurité de niveau entreprise de Microsoft. Les protections incluent les contrôles d’accès en fonction du rôle, les intégrations d’API sécurisées et l’analyse continue des vulnérabilités pour les protéger contre les menaces telles que les attaques par injection ou l’accès non autorisé.

• Surveillance et commentaires continus : les organisations peuvent surveiller les performances de l’agent et envoyer des commentaires via des tableaux de bord d’administration. Les commentaires aident Microsoft à améliorer les fonctionnalités de sécurité et à résoudre les risques émergents. Découvrez comment fournir des commentaires.

Certains modèles présentent des risques plus élevés de produire du contenu nuisible. Par exemple, les modèles expérimentaux et en préversion ne sont pas recommandés pour la production et les clients doivent effectuer leurs propres évaluations avant le déploiement. Consultez Sélectionner un modèle principal pour votre agent.

Meilleures pratiques pour l’intégration et le déploiement de Copilot Studio

L’IA responsable est un engagement partagé entre Microsoft et ses clients. Bien que Microsoft crée des systèmes d’IA avec la sécurité, l’équité et la transparence à la base, les clients jouent un rôle essentiel dans le déploiement et l’utilisation de ces technologies de manière responsable dans leur propre contexte. Pour prendre en charge ce partenariat, nous proposons les meilleures pratiques suivantes pour les déploiements et les utilisateurs finaux afin d’aider les clients à implémenter efficacement une IA responsable.

Les déploiements et les utilisateurs finaux doivent :

• Soyez prudent lors de la conception de l’IA agentique dans des domaines sensibles : les utilisateurs doivent faire preuve de prudence lors de la conception et/ou du déploiement d’applications IA agentiques dans des domaines sensibles où les actions de l’agent sont irréversibles ou fortement conséquentes. Les déployeurs et les utilisateurs finaux doivent respecter les exigences du Code de conduite microsoft Enterprise AI Services pour les organisations.

• Évaluer les considérations juridiques et réglementaires : les clients doivent évaluer les obligations légales et réglementaires potentielles lors de l’utilisation de services et de solutions IA, ce qui peut ne pas convenir à une utilisation dans chaque secteur ou scénario. En outre, les services ou solutions IA ne sont pas conçus pour et ne peuvent pas être utilisés de manière interdite en termes de service et de code de conduite. Les utilisateurs doivent faire preuve de prudence et garantir la conformité aux lois, réglementations et code de conduite d’entreprise de Microsoft pour les organisations. Consultez la section 10 sur les bonnes pratiques d’intégration et de déploiement de Copilot Studio pour obtenir plus d’aide.

End-users should:

• Définir des objectifs clairs :

  • Identifiez le problème métier spécifique résolu par l’agent. Évitez d’utiliser des agents à usage général, sauf si absolument nécessaire. Les agents ciblés sont plus sûrs et plus faciles à maintenir. Par exemple, un agent qui interprète et enregistre les informations des factures résout le problème métier spécifique de l’organisation des données à partir de factures.

  • Documentez l’étendue et les limites : ce que l’agent doit et ne doit pas faire.

• Mapper des déclencheurs et des actions :

  • Concevoir une logique pilotée par les événements : ce qui déclenche l’agent (par exemple, un nouvel enregistrement, une requête utilisateur) et les actions qu’il effectue.

  • Utilisez des connecteurs prédéfinis pour les systèmes courants et validez les autorisations d’API pour les intégrations externes.

  • Incluez des actions de secours pour les scénarios où les données ou la connectivité ne sont pas disponibles.

• Incorporate guardrails:

  • Implémentez les étapes d’approbation pour les actions à impact élevé, telles que les transactions financières ou les modifications des ressources humaines.

  • Limitez l’automatisation aux tâches réversibles si possible.

  • Configurez les contrôles d’accès en fonction du rôle afin que les agents agissent uniquement dans les limites autorisées.

  • Définissez des limites claires pour les actions de l’agent, en particulier dans des domaines sensibles tels que les finances, les soins de santé ou les services juridiques. Utilisez des flux de travail d’approbation pour les tâches à impact élevé.

• Réponses de base dans les données approuvées :

  • Améliorez la précision de l’agent en connectant des systèmes externes pertinents (tels que Microsoft Graph, CRM, ERP) via des API sécurisées et des connecteurs Microsoft Graph..

  • Évitez de compter uniquement sur le contenu généré par un modèle pour les décisions critiques, toujours à base de sorties dans des données vérifiables.

  • Assurez-vous que les agents accèdent uniquement aux sources de données conformes aux stratégies organisationnelles. Appliquez régulièrement des contrôles d’accès en fonction du rôle et surveillez les autorisations.

• Conception pour l’adaptabilité et l’extensibilité :

  • Utilisez la logique conditionnelle pour que les agents puissent gérer les variations dans les flux de travail.

  • Créez des composants modulaires qui peuvent être mis à jour sans reconcevoir l’ensemble de l’agent.

• Test thoroughly:

  • Validez les agents dans un environnement de bac à sable avant le déploiement.

  • Incluez des cas de périphérie et des tests de contrainte pour garantir la stabilité dans différentes conditions.

  • Simuler des scénarios réels pour rechercher des comportements inattendus.

• Surveiller et itérer :

  • Utilisez des tableaux de bord pour suivre les performances, l’adoption et les taux d’erreur de l’agent. La surveillance régulière permet de détecter la dérive des performances et de maintenir la fiabilité.

  • Collectez régulièrement des commentaires des utilisateurs et des parties prenantes.

  • Mettez à jour les agents à mesure que les processus métier évoluent ou que de nouveaux connecteurs deviennent disponibles.

• Appliquez les principes de l’IA responsable :

  • Examinez les préjugés et l’équité dans les réponses et les actions.

  • Suivez le Code de conduite ia de Microsoft et les stratégies de conformité organisationnelles.

Outre les meilleures pratiques décrites précédemment, les utilisateurs finaux doivent également :

• Exercer la supervision humaine le cas échéant : la supervision humaine est une protection importante lors de l’interaction avec les systèmes d’IA. Bien que nous améliorions continuellement nos systèmes d’IA, l’IA peut toujours faire des erreurs. Les sorties générées peuvent être inexactes, incomplètes, biaisées, mal alignées ou non pertinentes par rapport à vos objectifs prévus. Cela peut se produire pour diverses raisons, telles que l’ambiguïté dans les entrées ou les limitations des modèles sous-jacents. Par conséquent, les utilisateurs doivent examiner les réponses générées par Copilot Studio et vérifier qu’elles correspondent à leurs attentes et exigences.

• N’oubliez pas le risque de sur-dépendance : la dépendance excessive sur l’IA se produit lorsque les utilisateurs acceptent des sorties IA incorrectes ou incomplètes, principalement parce que les erreurs dans les sorties IA peuvent être difficiles à détecter. Pour l’utilisateur final, une dépendance excessive pourrait entraîner une baisse de productivité, une perte de confiance, un abandon de produit, une perte financière, des dommages psychologiques, des dommages physiques, entre autres. (par exemple, un médecin accepte un résultat erroné généré par l’IA). Pour Copilot Studio, il y a un risque de sur-dépendance, car [expliquer les limitations du produit qui peuvent entraîner des erreurs ou produire des résultats moins précis. Il s’agit généralement de conceptions système qui rendent difficile l’identification des utilisateurs lorsque l’IA est incorrecte : voir les trois objectifs de l’expérience utilisateur dans l’utilisation excessive de l’IA : Identification des risques et Framework d’atténuation | Microsoft Learn].

• Soyez prudent lors de la conception de l’IA agentique dans des domaines sensibles : les utilisateurs doivent faire preuve de prudence lors de la conception et/ou du déploiement de systèmes IA agentiques dans des domaines sensibles où les actions de l’agent sont irréversibles ou hautement conséquentes. Ces domaines incluent, mais pas limités à, à la finance et à l’assurance, aux soins de santé, au service juridique, au service public essentiel, à l’emploi, à l’éducation ou au logement. Des précautions supplémentaires doivent également être prises lors de la création de l’IA agentique autonome, comme décrit plus loin dans le Code de conduite de Microsoft.

Deployers should:

Microsoft fournit des outils tels que l’analytique Copilot Studio, les rapports du Centre d’administration Power Platform et les fonctionnalités de supervision intégrées pour aider les organisations à déployer et à gérer des agents Copilot Studio. Ces outils sont conçus pour aider les organisations à surveiller l’utilisation, évaluer la qualité de l’agent et évaluer l’impact opérationnel des agents Copilot Studio. For example:

• Copilot l’analytique intégrée de Studio permet aux déployeurs d’afficher des résumés de l’utilisation de l’agent, du volume de conversation et de l’engagement pour gérer les déploiements et optimiser les configurations de l’agent. Pour plus d’informations, consultez Copilot Studio analytics et la documentation de surveillance.

• Copilot l’analytique et les rapports Studio fournissent aux décideurs, aux administrateurs et aux parties prenantes de l’organisation l’accès aux rapports sur les performances des agents, les modèles d’utilisation et l’intégrité opérationnelle pour mesurer l’efficacité et l’impact. Pour plus d’informations, consultez Copilot Studio monitoring and governance guidance.

• Copilot les outils de télémétrie Studio et de supervision intégré permettent aux déployeurs d’analyser le comportement de l’agent au fil du temps et de comparer les tendances d’utilisation par rapport aux objectifs de l’organisation pour comprendre la valeur métier et détecter la dérive des performances. Pour plus d’informations, consultez Copilot Studio documentation sur la surveillance et l’évaluation des performances.

En savoir plus sur Copilot Studio

Pour obtenir des conseils supplémentaires sur l’utilisation responsable de Microsoft 365 Copilot, nous vous recommandons de consulter la documentation suivante :

• Vue d’ensemble de Copilot Studio

• Sécurité et gouvernance

• Language support

• Questions fréquentes (FAQ) sur l’IA responsable

Ressources pour la sécurité et la confidentialité des données

• Données, confidentialité et sécurité pour la recherche web

• Emplacements de données dans Copilot Studio

En savoir plus sur l’IA responsable

• Les principes de l’IA de Microsoft.

• Ressources Microsoft sur l'IA responsable

• Cours Microsoft Azure Learning sur l’IA responsable