Plan du cours
Introduction à AI Builder et à l'IA low-code
- Capacités d'AI Builder et scénarios courants
- Licenciement, gouvernance et considérations au niveau du locataire (tenant)
- Vue d'ensemble des intégrations Power Platform (Power Apps, Power Automate, Dataverse)
OCR et traitement de formulaires : documents structurés et non structurés
- Différences entre les modèles structurés et les documents en format libre
- Préparation des données d'entraînement : étiquetage des champs, diversité des échantillons et directives de qualité
- Construction d'un modèle de traitement de formulaires AI Builder et évaluation de la précision de l'extraction
- Post-traitement des données extraites : validation, normalisation et gestion des erreurs
- Travail pratique : extraction OCR à partir de types de formulaires mixtes et intégration dans un flux de traitement
Modèles de prédiction : classification et régression
- Formulation du problème : tâches qualitatives (classification) vs quantitatifs (régression)
- Préparation des caractéristiques et traitement des données manquantes au sein des flux de travail Power Platform
- Entraînement, test et interprétation des métriques du modèle (précision, exactitude, rappel, RMSE)
- Explicabilité des modèles et considérations d'équité dans les cas d'usage métier
- Travail pratique : construction d'un modèle de prédiction personnalisé pour le churn/score ou la prévision numérique
Intégration avec Power Apps et Power Automate
- Intégration des modèles AI Builder dans les applications canvas et model-driven
- Création de flux automatisés pour traiter les données extraites et déclencher des actions métier
- Modèles de conception pour des applications pilotées par l'IA évolutives et maintenables
- Travail pratique : scénario de bout en bout — téléchargement de document, OCR, prédiction et automatisation du flux de travail
Concepts complémentaires de Process Mining (optionnel)
- Comment Process Mining aide à découvrir, analyser et améliorer les processus à l'aide de journaux d'événements
- Utilisation des résultats de Process Mining pour informer les caractéristiques du modèle et automatiser les boucles d'amélioration
- Exemple pratique : combiner les insights de Process Mining avec AI Builder pour réduire les exceptions manuelles
Considérations de production, gouvernance et surveillance
- Gouvernance des données, confidentialité et conformité lors de l'utilisation d'AI Builder sur des documents sensibles
- Cycle de vie du modèle : réentraînement, gestion des versions et surveillance des performances
- Opérationnalisation des modèles avec des alertes, des tableaux de bord et une validation humaine (human-in-the-loop)
Résumé et prochaines étapes
Pré requis
- Expérience avec Power Apps, Power Automate ou l'administration de Power Platform
- Familiarité avec les concepts de données, les idées de base du ML et l'évaluation des modèles
- Aisance dans le travail avec des jeux de données, des exports Excel/CSV et le nettoyage de données de base
Public cible
- Développeurs et architectes de solutions Power Platform
- Analystes de données et responsables de processus recherchant l'automatisation par l'IA
- Responsables de l'automatisation des activités axés sur le traitement des documents et les cas d'usage de prédiction
Nos clients témoignent (3)
Ateliers pratiques et interactifs sur le développement de rapports avec Power BI. Les ateliers étaient excellents et le formateur a proposé des séances très concrètes.
Sinzala Sichaanji - Bank of Zambia
Formation - Mastering Power Platform: Power Apps, Power Automate, DataVerse, Power BI, and Power Virtual Agents
Traduction automatique
Nous avons travaillé sur des exemples assez complexes afin de pouvoir nous faire une idée de ce que peut ressembler le travail réel avec Power Automate Desktop dans un scénario réel.
Michal Strnad - MicroNova AG
Formation - Microsoft Flow/Power Automate
Traduction automatique
Dynamique, adaptable et informatif
Marcia - Complete Coherence
Formation - Microsoft Power Platform Fundamentals
Traduction automatique
