Maintenant que nous connaissons les bases d’un agent déclaratif, examinons son fonctionnement en coulisses. Vous allez découvrir toutes les composantes des agents déclaratifs et voir comment elles s’assemblent pour créer un agent. Ces connaissances vous aident à décider si un agent déclaratif convient à votre besoin.

Connaissances personnalisées

Les agents déclaratifs utilisent des connaissances personnalisées pour fournir des données et du contexte supplémentaires à Microsoft 365 Copilot, ciblés sur un scénario ou une tâche spécifique.

Les connaissances personnalisées se composent de deux parties :

• Instructions personnalisées : définissent comment l’agent doit se comporter et comment ses réponses doivent être formulées.
• Ancrage personnalisé (custom grounding) : définit les sources de données que l’agent peut utiliser dans ses réponses.

Que sont les instructions personnalisées ?

Les instructions sont des directives ou recommandations spécifiques transmises au modèle de base afin de façonner ses réponses. Elles peuvent inclure :

• Définitions de tâches : préciser ce que le modèle doit faire, comme répondre à des questions, résumer du texte ou générer du contenu créatif.
• Directives comportementales : définir le ton, le style et le niveau de détail des réponses pour qu’elles correspondent aux attentes de l’utilisateur.
• Restrictions de contenu : spécifier ce que le modèle doit éviter, comme les sujets sensibles ou le contenu protégé par droits d’auteur.
• Règles de mise en forme : indiquer comment la sortie doit être structurée, par exemple sous forme de listes à puces ou selon des styles particuliers.

Exemple dans notre scénario de support informatique :

Vous êtes IT Support, un assistant intelligent conçu pour répondre aux questions courantes de support informatique des employés de Contoso Electronics et gérer les tickets de support. Vous pouvez utiliser l’action Tickets et les documents du site SharePoint Online IT Help Desk comme sources d’information. Lorsque vous ne trouvez pas les informations nécessaires, privilégiez les documents du site IT Help Desk plutôt que vos propres connaissances d’entraînement et veillez à ce que vos réponses ne soient pas spécifiques à Contoso Electronics. Incluez toujours une source citée dans vos réponses. Vos réponses doivent être concises et adaptées à un public non technique.

Qu’est‑ce que l’ancrage personnalisé (custom grounding) ?

L’ancrage est le processus consistant à connecter les modèles de langage (LLM) à des informations réelles, afin de produire des réponses plus précises et pertinentes. Les données d’ancrage servent à fournir du contexte et du support au LLM lors de la génération de réponses. Elles réduisent la nécessité pour le modèle de s’appuyer uniquement sur ses données d’entraînement et améliorent la qualité des réponses.

Par défaut, un agent déclaratif n’est connecté à aucune source de données. Vous pouvez configurer un agent déclaratif pour utiliser une ou plusieurs sources de données Microsoft 365 :

• Documents stockés dans OneDrive
• Documents stockés dans SharePoint Online
• Contenu intégré à Microsoft 365 via un connecteur Copilot

En plus de cela, un agent déclaratif peut être configuré pour utiliser les résultats de recherche Web provenant de Bing.com.

Exemple dans notre scénario IT :
Une bibliothèque de documents SharePoint Online est utilisée comme source de données d’ancrage.

Lorsque Copilot utilise des données d’ancrage dans une réponse, la source est référencée et citée dans la réponse.

Actions personnalisées

Les actions personnalisées permettent aux agents déclaratifs d’interagir en temps réel avec des systèmes externes. Vous créez des actions personnalisées et les intégrez à l’agent déclaratif pour lire et mettre à jour des données dans des systèmes externes en utilisant des API.

Par exemple, dans notre scénario de support informatique, une action personnalisée est utilisée pour lire et écrire des données dans le système de gestion des tickets de support via une API.

Comment un agent déclaratif utilise‑t‑il les connaissances personnalisées et les actions personnalisées pour répondre aux questions ?

Voyons comment les connaissances personnalisées et les actions personnalisées sont utilisées ensemble dans un agent déclaratif pour résoudre notre problème de support informatique.

Vous créez un agent déclaratif avec la configuration suivante :

• Instructions personnalisées : utiliser des instructions pour façonner les réponses afin qu’elles soient adaptées aux utilisateurs non techniques.
• Données d’ancrage personnalisées : utiliser des données d’ancrage pour améliorer la pertinence et la précision des réponses. Par exemple, utiliser des informations stockées dans des articles de base de connaissances sur un site SharePoint Online.
• Action personnalisée : utiliser des actions pour accéder en temps réel aux données de systèmes externes. Par exemple, utiliser une action pour interagir avec les données du système de gestion des tickets via son API afin de gérer les tickets en langage naturel.

Les étapes suivantes décrivent comment Microsoft 365 Copilot traite les requêtes des utilisateurs et génère une réponse :

1. Entrée : L’utilisateur soumet une requête.
2. Vérifications préliminaires : Copilot effectue des contrôles d’IA responsable et des mesures de sécurité pour s’assurer que la requête utilisateur ne présente aucun risque.
3. Raisonnement : Copilot crée un plan pour répondre à la requête de l’utilisateur.
4. Données d’ancrage : Copilot récupère les informations pertinentes dans les données d’ancrage.
5. Actions : Copilot récupère les données provenant des actions pertinentes.
6. Instructions : Copilot récupère les instructions de l’agent déclaratif.
7. Réponse : L’orchestrateur de Copilot compile toutes les données collectées durant le processus de raisonnement et les transmet au LLM pour créer une réponse finale.
8. Sortie : Copilot délivre la réponse dans l’interface utilisateur et met à jour la conversation.

Unité suivante : Quand utiliser des agents déclaratifs