vue d’ensemble de Optimisation Microsoft 365 Copilot (préversion)

Optimisation Microsoft 365 Copilot permet aux organisations d’affiner les modèles de langage volumineux (LLM) à l’aide de leurs propres données de locataire. Ces modèles affinés alimentent des agents capables d’effectuer des tâches spécifiques à un domaine en fonction des connaissances uniques de l’organization. Tous les traitements d’apprentissage et d’IA se produisent au sein de votre locataire Microsoft 365, de sorte que vos données restent sécurisées et régies par vos contrôles de conformité existants. Le résultat est une assistant IA qui se comporte comme un membre d’équipe expert, fournissant une assistance personnalisée en fonction du contenu et des règles de votre organization.

Cet article explique comment les organisations peuvent utiliser Optimisation Copilot pour créer des llms affinés spécifiques aux tâches. Il explique comment les utilisateurs peuvent créer des agents sur ces modèles affinés et comment les administrateurs informatiques peuvent gouverner la fonctionnalité.

Fonctionnalités et scénarios clés

Optimisation Copilot permet de peaufiner les llms via une interface utilisateur intuitive sans code. Les analystes d’entreprise ou les experts en la matière peuvent utiliser leurs connaissances de domaine pour affiner les llms sur les données de locataire pertinentes, ce qui permet au modèle d’apprendre leur voix et leurs procédures uniques qui sont personnalisées pour le organization. Par exemple, un analyste du service juridique peut affiner un modèle à l’aide des mémoires et modèles de cas précédents de l’entreprise pour créer un agent de rédaction de contrat qui écrit des documents en utilisant le style et la terminologie uniques de l’entreprise.

Optimisation Copilot offre les fonctionnalités et avantages clés suivants :

• Réglage précis du modèle sans code : affinez les llms sur les données internes à l’aide d’une interface intuitive dans Microsoft Copilot Studio.

• Agents spécifiques à un domaine : créez des agents Copilot spécialisés basés sur des modèles affinés qui sont adaptés aux tâches métier. Vous pouvez créer des agents pour des scénarios tels que les Q&A d’experts, la génération de propositions ou la synthèse de rapports qui se comportent comme un expert dans ce domaine. L’agent produit des résultats avec le ton, le vocabulaire et le niveau de détail appropriés pour le organization.

• Insights et automatisation plus intuitifs : l’encodage du savoir-faire métier de votre organization dans Copilot permet d’analyser et de créer du contenu adapté à votre organization. Les tâches qui peuvent nécessiter des jours d’efforts manuels (recherche de documents, compilation de données, écriture de brouillons) sont effectuées en quelques minutes par l’agent. Cette automatisation permet à vos analystes et experts en la matière de se concentrer sur le travail à valeur plus élevée, tandis que Copilot gère des tâches courantes ou gourmandes en informations.

• Intégration aux sources de données : Optimisation Copilot pouvez utiliser le contenu enrichi déjà présent dans votre écosystème Microsoft 365. Vous sélectionnez des sources de connaissances ; Le modèle apprend ensuite à partir de ces données de locataire pour s’assurer que les réponses de l’agent sont ancrées dans les informations du organization. Étant donné que Copilot est intégré à Microsoft Graph, l’agent peut également raisonner sur les données d’entreprise actives, ce qui vous offre un outil puissant pour interroger et résumer les informations à jour de Microsoft 365.

Votre organization peut utiliser Optimisation Copilot pour les scénarios suivants :

• Q&R : créez des agents spécialisés dans un domaine qui comprennent et raisonnent le contenu spécifique au locataire (comme les réglementations, les codes fiscaux ou les rapports scientifiques) dans des formats tels que .docx, .pdf et .html. Paramétrés pour refléter le ton, la terminologie et le langage de conformité de l’organization, les agents Q&A fournissent des réponses, des résumés et des comparaisons entre les documents (par exemple, les différences réglementaires entre les régions). Ces agents sont optimisés pour un contenu stable et lourd en texte dans des workflows pilotés par un domaine profond, où la précision et le contexte comptent.

• Génération de documents : entraînez le modèle sur les modèles de documents et les rapports passés pour générer les premiers brouillons de documents complexes qui nécessiteraient autrement plusieurs invites et sorties de modèle. Par exemple, vous pouvez créer un agent rédacteur de propositions qui assemble des propositions commerciales ou rédige des contrats juridiques dans le format et le ton approuvés par l’entreprise.

• Synthèse : générez des résumés structurés de haute qualité de documents complexes qui reflètent le ton, la mise en forme et les priorités de contenu de votre organization. Idéal pour les cas d’usage à fort volume ou à enjeux élevés tels que les rapports juridiques, réglementaires ou exécutifs, les agents de synthèse garantissent la cohérence, réduisent les efforts manuels et s’adaptent à votre style de résumé préféré. Entraînez votre LLM avec des exemples de paires pour produire des résumés clairs, exploitables et alignés sur vos normes internes.

Affiner le LLM

Pour réussir à produire un agent spécifique à une tâche qui capture l’expertise de votre organization, vous devez affiner le LLM.

Appliquez les meilleures pratiques suivantes pour paramétrer le LLM :

• Commencez par des objectifs clairs : identifiez une tâche à valeur élevée pour vous assurer que l’agent fournit des résultats tangibles et que vous concentrez votre temps, vos données et vos efforts sur le travail qui génère un retour significatif. Optimisation Copilot prend actuellement en charge trois types de tâches principaux : expert Q&A, génération de documents et résumé de document.

• Organiser des données d’entraînement de qualité : rassemblez les documents les plus pertinents et les plus à jour pour la tâche. L’efficacité du réglage dépend de données correctes. Utilisez des sources faisant autorité telles que des documents de stratégie, des rapports propriétaires, des modèles approuvés et des livrables finalisés qui reflètent les normes, le format et la logique de décision de votre organization.

  Pour les tâches telles que la génération de documents ou le résumé, fournissez des paires d’entrée/sortie de haute qualité pour aider le modèle à apprendre la structure, la tonalité et les attentes en matière de contenu.

• Définir des instructions et des contraintes claires : lors de la configuration du modèle dans Copilot Studio, vous pouvez entrer des instructions pour le ton et le comportement de l’agent. Fournissez des instructions claires ; par exemple, « Utiliser un ton professionnel et convivial » ou « Utiliser uniquement les informations du manuel de stratégie officiel 2023 ». Vous pouvez également fournir des invites de démarrage ou des exemples de questions pour orienter les réponses du modèle. Ces instructions aident l’agent à comprendre le contexte et le style.

• Utiliser les outils de préversion et d’évaluation : Optimisation Copilot comprend des étapes d’évaluation. Une fois votre modèle entraîné, testez-le avec des exemples de requêtes ou de tâches. Copilot Studio vous permet de comparer les résultats des tests aux réponses de référence. Passez en revue les sorties pour vous assurer qu’elles répondent à vos attentes en matière de précision et de tonalité. Si ce n’est pas le cas, affinez vos données ou instructions d’entraînement, puis réentraînez-les.

• Itérer avec commentaires : traitez le réglage précis comme un processus itératif. Surveillez les performances de l’agent en cours d’utilisation. Mettez régulièrement à jour le modèle avec de nouvelles données ou des corrections pour qu’il reste précis. Par exemple, si les stratégies changent ou si vous remarquez des opportunités d’affinement supplémentaire, incorporez ces mises à jour et exécutez une autre série de réglages.

• Savoir quand utiliser Copilot et le réglage précis : si votre scénario est vaste ou que les informations changent quotidiennement, l’utilisation de La récupération augmentée (RAG) de Copilot, qui recherche votre contenu au moment de la requête, peut suffire. Le réglage fin fonctionne mieux pour les tâches bien définies et répétitives où le modèle a besoin d’une compréhension approfondie du contenu statique ou d’un style particulier. Si votre tâche dépend d’une référence générale ou d’une synthèse légère, commencez par Copilot. Si la sortie doit refléter la voix, la structure ou le raisonnement spécifiques de votre organization, en particulier pour les tâches reproductibles et à valeur élevée, c’est un signal pour investir dans le réglage précis.

Utiliser des agents réglés sur des modules LLMs

Après avoir affiné le modèle, les utilisateurs peuvent créer et déployer un agent basé sur ce modèle à l’aide de Copilot Studio générateur d’agent.

Les utilisateurs interagissent avec des agents basés sur des modèles affinés tout comme ils interagissent avec Copilot, via le application Microsoft 365 Copilot ou Copilot Chat dans Teams ou une autre application. Ils peuvent poser des questions en langage naturel, et l’agent répond en fonction de ses connaissances affinées.

Les agents basés sur des modèles affinés offrent les avantages suivants à votre organization :

• Productivité accrue : les agents agissent comme des assistants intelligents dans le travail quotidien. Les utilisateurs peuvent obtenir des réponses instantanées ou générer du contenu en fonction des données de leur organization. Les utilisateurs peuvent également effectuer des tâches plus rapidement en s’appuyant sur des agents pour générer des résumés, analyser des données, brouillons de communications, etc.

• Cohérence et précision : les réponses de l’agent basées sur un modèle affiné sont cohérentes avec les données organisationnelles. Cela réduit le risque d’erreurs dues à des documents obsolètes ou à des moteurs de recherche externes.

• Création de solutions : Optimisation Copilot permet aux utilisateurs de créer des solutions basées sur l’IA pour répondre à leurs besoins de productivité spécifiques. Cela favorise une culture de l’innovation dans le organization.

• Collaboration améliorée : les agents permettent de mettre l’expertise organisationnelle à la disposition de tous les utilisateurs. Cela permet de supprimer les silos de connaissances dans le organization et d’augmenter le partage d’informations et la collaboration.

Appliquez les meilleures pratiques suivantes lors de la création d’agents basés sur des modèles affinés :

• Comprendre l’étendue du modèle : sur quelles données et quelle tâche l’agent est basé ? A-t-il été formé sur les documents RH jusqu’en 2022 ? S’agit-il uniquement de résumer certains rapports ? Le fait de connaître l’étendue vous aide à poser les bonnes questions et à ne pas vous attendre à ce qu’elle effectue des tâches non liées.

• Fournir des invites claires : lorsque vous interagissez avec l’agent, posez des questions claires et spécifiques. Bien que le modèle soit affiné, les requêtes bien formulés produisent de meilleurs résultats. Par exemple, au lieu de demander « Parlez-moi des avantages sociaux », demandez « Quelle est la politique de congé de maternité pour les employées à temps plein ? » Les agents affinés peuvent gérer des requêtes complexes, mais la clarté permet d’obtenir des informations plus précises.

• Inclure des invites de démarrage : les invites de démarrage sont affichées dans l’interface utilisateur de l’agent et aident les utilisateurs à comprendre les fonctionnalités de l’agent. Adaptez vos invites de démarrage aux scénarios clés pour votre agent affiné afin d’aider les utilisateurs à tirer pleinement parti des connaissances de l’agent.

• Affiner et itérer : les agents basés sur des modèles affinés prennent en charge les conversations multitours. Si la réponse de l’agent n’est pas exactement ce dont vous avez besoin, affinez votre invite ou posez des questions de suivi. L’agent affiné utilise les questions de suivi pour ajuster sa réponse.

• Appliquez les meilleures pratiques de sécurité : ne demandez pas aux agents affinés de fournir des informations qui doivent être confidentielles et de gérer les réponses des agents conformément aux stratégies de votre organization.

• Fournir des commentaires pour optimiser davantage les agents : utilisez le mécanisme de commentaires pour entraîner ou ajuster l’agent affiné afin d’améliorer ses performances. Le fait de fournir des commentaires réguliers aide l’agent à s’améliorer en permanence. Dans Copilot, les utilisateurs peuvent choisir les icônes pouce haut et pouce vers le bas pour envoyer des commentaires sur les réponses de l’agent. Ces commentaires sont envoyés à Microsoft et aident l’équipe produit à identifier les problèmes courants et à améliorer les performances du modèle au fil du temps.

Administration paramètres et gouvernance

Optimisation Copilot fournit des paramètres, des fonctionnalités de sécurité et de gouvernance à l’échelle du locataire pour permettre aux administrateurs de configurer l’environnement avec les garde-fous appropriés en place.

Les fonctionnalités d’administration clés suivantes sont disponibles pour Optimisation Copilot :

• Contrôle d’accès : les administrateurs IA peuvent activer Optimisation Copilot pour leur organization ou pour un sous-ensemble spécifique d’utilisateurs. Par exemple, un administrateur peut activer Optimisation Copilot uniquement pour les services R&D et Juridique, et désigner certains utilisateurs de ces équipes pour créer des modèles affinés et des agents spécialisés. Une fois qu’un modèle est entraîné et déployé, l’administrateur IA contrôle l’accès au modèle entraîné.

• Centre d’administration Microsoft 365 gouvernance : les administrateurs peuvent surveiller le réglage des projets et des agents via la section de gestion Copilot dans le Centre d’administration Microsoft 365. Ils peuvent voir quels modèles personnalisés sont déployés et supprimer un modèle s’il devient obsolète.

• Sécurité et conformité : Optimisation Copilot est conçu avec une sécurité de niveau entreprise. L’entraînement du modèle se produit dans un environnement isolé du locataire, et le modèle obtenu hérite des autorisations d’accès des données sous-jacentes. Aucune donnée client n’est transmise à des services externes pendant la formation ; le réglage précis se produit dans le cloud sécurisé associé à votre locataire.

  Optimisation Copilot exclut tous les fichiers auxquels le ou les groupes de sécurité appliqués au modèle n’ont pas d’autorisations d’accès. Il suggère également des groupes de sécurité à ajouter à ses données d’apprentissage pour optimiser ses connaissances. Cette fonctionnalité fournit une couche de sécurité supplémentaire pour le modèle.

  Remarque

  Lorsque vous ajustez un modèle, les pondérations du modèle sont ajustées en fonction des données d’entraînement. Les modifications apportées aux autorisations d’accès sur les données d’entraînement ne sont pas appliquées automatiquement au modèle ; Les administrateurs IA doivent mettre à jour les autorisations sur le modèle dans le Centre d’administration Microsoft 365.

  Toutes les données Microsoft Graph retournées dans les réponses Copilot respectent également les autorisations de document ; Les réponses n’incluent pas les informations à laquelle un utilisateur n’a pas accès.

• Déploiement et surveillance : lorsqu’un modèle est affiné et déployé, les générateurs peuvent l’utiliser dans un agent et le partager avec les utilisateurs du organization qui ont accès au modèle. Les administrateurs peuvent contrôler qui a accès à l’agent via des groupes de sécurité, et surveiller l’utilisation de l’agent via les tableaux de bord d’analyse de l’utilisation de Copilot.

Clause d’exclusion de responsabilité

L’administrateur IA est chargé de s’assurer que votre utilisation de ce produit est conforme à toutes les lois applicables en matière de protection des données, de confidentialité et de propriété intellectuelle. Cela inclut le respect de vos obligations en tant que contrôleur de données en vertu de réglementations telles que le RGPD ou le CCPA.

Obligations du contrôleur de données

• Vous êtes responsable de la façon dont les données sont collectées, stockées et utilisées dans votre environnement client.
• Vous devez vous assurer que vos pratiques relatives aux données répondent aux exigences légales en matière de transparence, de consentement, d’accès et de suppression.
• Il vous incombe de vérifier l’exactitude, la pertinence et la conformité des sorties générées à partir de ce système avant de les utiliser. Peut nécessiter un examen avec les experts en la matière.

Formation aux droits d’auteur et aux modèles

• Si vous choisissez d’entraîner un modèle personnalisé à l’aide de vos propres données, vous devez vous assurer que vous disposez des droits ou licences appropriés pour tout matériel protégé par des droits d’auteur inclus dans le jeu de formation.
• La protection des droits d’auteur ne s’applique pas aux modèles entraînés à l’aide de contenu protégé par des droits d’auteur non autorisés. Vous assumez l’entière responsabilité d’une telle utilisation.

Suppression de données

• Si un utilisateur dont les données sont utilisées dans l’apprentissage d’un modèle envoie une demande de suppression valide en vertu du RGPD (ou d’une réglementation similaire), vous devez réentraîner le modèle.
• Lorsque vous ajustez un modèle, les pondérations du modèle sont ajustées en fonction des données d’entraînement. Vous pouvez supprimer le modèle affiné à tout moment.

Contenu connexe

• Agents pour Microsoft 365 Copilot
• Générer des agents avec Copilot Studio générateur d’agents
• vue d’ensemble de Copilot Studio