{"id":11657,"date":"2026-01-06T09:39:23","date_gmt":"2026-01-06T09:39:23","guid":{"rendered":"https:\/\/techhub.saworks.io\/?post_type=docs&p=11657"},"modified":"2026-01-06T11:10:11","modified_gmt":"2026-01-06T11:10:11","slug":"introduction","status":"publish","type":"docs","link":"https:\/\/techhub.saworks.io\/fr\/docs\/tutoriel-agent-intermediaire\/ms-4010-etendre-microsoft-365-copilot-avec-des-agents-declaratifs-en-utilisant-visual-studio-code\/introduction\/","title":{"rendered":"Introduction"},"content":{"rendered":"\n
\n

Microsoft 365 Copilot est un outil de productivit\u00e9 aliment\u00e9 par l\u2019IA qui utilise des mod\u00e8les de langage de grande taille (LLM) et int\u00e8gre vos donn\u00e9es avec Microsoft Graph et les applications Microsoft 365.<\/p>\n\n\n\n

Lorsque vous posez des questions, Copilot raisonne \u00e0 partir des donn\u00e9es de votre entreprise et utilise les informations qu\u2019il a recueillies dans sa r\u00e9ponse. Cependant, selon l\u2019intention de l\u2019utilisateur, cette approche n\u2019est pas toujours optimale. Et si vous vouliez que Copilot se concentre uniquement sur des donn\u00e9es sp\u00e9cifiques ? Et si vous vouliez que Copilot se concentre sur une t\u00e2che particuli\u00e8re ? Comment optimiser Microsoft 365 Copilot pour ces sc\u00e9narios ?<\/p>\n\n\n\n

Les agents d\u00e9claratifs vous fournissent les composants n\u00e9cessaires pour \u00e9tendre Microsoft 365 Copilot \u00e0 des sc\u00e9narios sp\u00e9cifiques.<\/p>\n\n\n\n

<\/div>\n\n\n\n
\"\"<\/figure>\n\n\n\n
<\/div>\n\n\n\n

Exemple de sc\u00e9nario<\/strong><\/h3>\n\n\n\n


Supposons que vous travailliez dans une \u00e9quipe de support informatique. Vous et votre \u00e9quipe r\u00e9digez des articles de base de connaissances et les stockez dans une biblioth\u00e8que de documents SharePoint Online au format PDF. Vous g\u00e9rez \u00e9galement des tickets de support dans un syst\u00e8me sp\u00e9cialis\u00e9. Vous souhaitez cr\u00e9er un assistant de support informatique en libre-service que les employ\u00e9s peuvent utiliser pour obtenir des r\u00e9ponses aux questions courantes en utilisant les informations des articles de la base de connaissances, r\u00e9duisant ainsi le nombre de tickets cr\u00e9\u00e9s. Les articles de la base de connaissances sont de nature technique. Vous voulez que l\u2019assistant soit capable de cr\u00e9er des r\u00e9ponses en anglais simple et d\u2019\u00e9viter l\u2019utilisation de jargon. Vous souhaitez \u00e9galement que les employ\u00e9s puissent cr\u00e9er et mettre \u00e0 jour des tickets de support via l\u2019assistant s\u2019ils ne peuvent pas r\u00e9soudre le probl\u00e8me eux-m\u00eames.<\/p>\n\n\n\n

Ici, vous voyez comment un agent d\u00e9claratif peut am\u00e9liorer la pertinence et la pr\u00e9cision des r\u00e9ponses aux questions de support informatique. Il accomplit cette t\u00e2che en utilisant les articles de la base de connaissances et en interagissant avec le syst\u00e8me de gestion des tickets.<\/p>\n\n\n\n

<\/div>\n\n\n\n

Que ferons-nous ?<\/strong><\/h3>\n\n\n\n


Nous analysons les fonctionnalit\u00e9s cl\u00e9s des agents d\u00e9claratifs pour vous aider \u00e0 d\u00e9cider quand les utiliser :<\/p>\n\n\n\n

    \n
  • Connaissance personnalis\u00e9e :<\/strong> sur quelles donn\u00e9es voulons-nous que notre agent raisonne et comment les r\u00e9ponses doivent-elles \u00eatre formul\u00e9es ?<\/li>\n\n\n\n
  • Actions personnalis\u00e9es :<\/strong> quelles interactions devons-nous effectuer avec des syst\u00e8mes externes ?<\/li>\n<\/ul>\n\n\n\n
    <\/div>\n\n\n\n

    Quel est l\u2019objectif principal ?<\/strong><\/h3>\n\n\n\n


    \u00c0 la fin de ce module, vous serez capable de d\u00e9cider si un agent d\u00e9claratif est un bon choix pour \u00e9tendre Microsoft 365 Copilot.<\/p>\n\n\n\n

    <\/div>\n\n\n\n

    Unit\u00e9 suivante : Qu\u2019est-ce qu\u2019un agent d\u00e9claratif ?<\/strong><\/h3>\n<\/div>\n","protected":false},"excerpt":{"rendered":"

    Microsoft 365 Copilot est un outil de productivit\u00e9 aliment\u00e9 par l\u2019IA qui utilise des mod\u00e8les de langage de grande taille (LLM) et int\u00e8gre […]<\/p>\n","protected":false},"author":2,"featured_media":0,"parent":11652,"menu_order":3,"comment_status":"closed","ping_status":"closed","template":"","doc_tag":[151],"doc_badge":[155],"class_list":["post-11657","docs","type-docs","status-publish","hentry","doc_tag-formation","doc_badge-training-main-article"],"author_avatar":"https:\/\/secure.gravatar.com\/avatar\/6a70e7c73db9f245e650948d09d74f61?s=96&d=mm&r=g","author_name":"Annick N'dri","_links":{"self":[{"href":"https:\/\/techhub.saworks.io\/fr\/wp-json\/wp\/v2\/docs\/11657"}],"collection":[{"href":"https:\/\/techhub.saworks.io\/fr\/wp-json\/wp\/v2\/docs"}],"about":[{"href":"https:\/\/techhub.saworks.io\/fr\/wp-json\/wp\/v2\/types\/docs"}],"author":[{"embeddable":true,"href":"https:\/\/techhub.saworks.io\/fr\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/techhub.saworks.io\/fr\/wp-json\/wp\/v2\/comments?post=11657"}],"version-history":[{"count":0,"href":"https:\/\/techhub.saworks.io\/fr\/wp-json\/wp\/v2\/docs\/11657\/revisions"}],"up":[{"embeddable":true,"href":"https:\/\/techhub.saworks.io\/fr\/wp-json\/wp\/v2\/docs\/11652"}],"wp:attachment":[{"href":"https:\/\/techhub.saworks.io\/fr\/wp-json\/wp\/v2\/media?parent=11657"}],"wp:term":[{"taxonomy":"doc_tag","embeddable":true,"href":"https:\/\/techhub.saworks.io\/fr\/wp-json\/wp\/v2\/doc_tag?post=11657"},{"taxonomy":"doc_badge","embeddable":true,"href":"https:\/\/techhub.saworks.io\/fr\/wp-json\/wp\/v2\/doc_badge?post=11657"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}