Microsoft 365 Copilot Prompts : Microsoft Copilot Prompt Flow expliqué

By Mirko Peters · 2026-03-15 · Updated 2026-03-24

Les invites de Microsoft 365 Copilot expliquées : maîtrisez le prompt flow ! Découvrez comment rédiger des invites efficaces pour votre assistant IA dans Microsoft 365.

Automatically translated with AI from the original post. Read the English original

Microsoft Copilot Prompt Flow est la colonne vertébrale de la manière dont Copilot fournit des réponses intelligentes et contextualisées à vos questions ou commandes du quotidien. En bref, le prompt flow désigne l’enchaînement structuré de la saisie de l’utilisateur, de l’interprétation par l’IA, des sorties et des retours qui alimentent les capacités interactives de Copilot.

Ce guide vous explique précisément ce que recouvre le prompt flow, comment il fonctionne en coulisses et pourquoi il est essentiel, tant pour les profils techniques que pour les utilisateurs métier. Vous découvrirez comment le prompt flow transforme vos instructions en actions concrètes, au service de votre productivité au sein de l’écosystème Microsoft.

Que vous créiez des automatisations, que vous utilisiez l’IA pour analyser des données ou que vous souhaitiez simplement une aide plus intelligente dans Microsoft 365, comprendre le prompt flow est essentiel. Décomposons ce processus complexe en éléments simples et concrets afin que vous tiriez le meilleur parti de Copilot.

Comprendre les bases de Microsoft Copilot

Microsoft Copilot est un assistant alimenté par l’IA, conçu pour simplifier des tâches complexes et automatiser les processus du quotidien dans l’environnement Microsoft. Il occupe une place centrale dans Microsoft 365, Azure, Power Platform et les services cloud les plus récents, et fonctionne de manière fluide dans des applications comme Word, Excel, Outlook et Teams.

La finalité première de Copilot est de vous aider à en faire davantage, avec moins d’efforts. Pour cela, il interprète vos invites en langage naturel et les transforme en actions, analyses ou informations, sans qu’il soit nécessaire de coder ni de disposer de compétences techniques spécifiques. Qu’il s’agisse de rédiger un rapport, de résumer un fil de messages ou d’automatiser des approbations en plusieurs étapes, Copilot s’adapte à vos objectifs.

Copilot intègre des capacités d’IA directement dans des outils Microsoft familiers. Pour les organisations, cela se traduit par des flux de travail plus rapides, une productivité accrue et une expérience utilisateur homogène d’un service à l’autre. Il aide les utilisateurs, des analystes métier aux professionnels de l’IT, à gérer l’information, à optimiser les opérations et à faire ressortir des informations fondées sur les données.

En définitive, la valeur de Copilot réside dans sa capacité à comprendre le contexte, à s’adapter à vos besoins et à accompagner aussi bien les tâches courantes que des processus plus complexes et spécialisés. La magie opère en coulisses, où le prompt flow orchestre les échanges entre votre intention et les réponses dynamiques de l’IA.

Qu’est-ce qu’une invite dans Microsoft Copilot ?

Une invite dans Microsoft Copilot est simplement la saisie ou la question que vous adressez à l’IA, par exemple en tapant « Créez un résumé du projet à partir de ces documents » ou en disant « Affichez-moi les derniers chiffres de vente ». Les invites orientent Copilot en exprimant votre intention en langage naturel.

La manière de formuler votre invite a un impact important. Copilot s’appuie sur vos mots pour identifier votre objectif et déterminer la marche à suivre. Une invite claire et précise permet à l’IA de produire des résultats plus exacts et pertinents. À l’inverse, des invites vagues peuvent conduire à des réponses confuses ou peu utiles. Une conception réfléchie des invites est donc essentielle pour tirer le meilleur parti des capacités d’IA de Copilot.

Comment le prompt flow alimente l’intelligence de Copilot

Le prompt flow permet à Copilot de transformer vos questions ou instructions ouvertes en résultats intelligents et exploitables. Considérez-le comme une boucle dynamique : vous soumettez une invite à Copilot, celui-ci traite votre demande via son moteur d’IA, puis fournit une réponse, en demandant souvent des précisions supplémentaires ou en agissant en votre nom.

Ces allers-retours, où les invites entraînent des sorties et où vos retours entraînent des ajustements, sont au cœur de la capacité de Copilot à rester sensible au contexte et réactif. Plutôt que de fonctionner en vase clos, Copilot s’appuie sur le prompt flow pour suivre la conversation, retenir les éléments de contexte importants et adapter ses actions aux signaux qu’il reçoit.

À chaque interaction, Copilot s’appuie sur les informations précédentes, prend en compte les nouveaux éléments et affine sa compréhension de vos besoins. Cette approche itérative ancre l’IA dans votre flux de travail et fait que chaque résultat ressemble moins à une réponse toute faite qu’à une collaboration avec un collègue expérimenté qui saisit réellement ce que vous attendez.

Composants clés du prompt flow de Copilot

Au fond, le prompt flow de Copilot se compose de plusieurs étapes interconnectées qui guident l’IA depuis la réception de votre requête jusqu’à la remise et l’affinage de ses réponses. Chacune de ces étapes joue un rôle distinct dans la création d’une expérience utilisateur fluide et intelligente.

Tout d’abord, il y a la manière dont vous exprimez votre intention à travers votre saisie, qu’il s’agisse de taper, de parler ou de choisir parmi des options. La façon dont Copilot traite cette saisie, gère le contexte et orchestre ses tâches d’IA internes détermine la qualité et la fiabilité du flux. Après avoir généré des résultats, il referme la boucle en apprenant de vos retours et en affinant continuellement ses réponses futures.

Les éléments fonctionnent ensemble : la saisie pose le cadre, l’orchestration de l’IA façonne l’expérience, les résultats vous apportent de la valeur, et vos retours permettent au système de gagner en intelligence jour après jour. Cet aperçu montre que le prompt flow ne se limite pas à fournir des réponses isolées, mais permet de construire, au fil du temps, des interactions avec Copilot plus adaptatives et plus efficaces.

Intention de l’utilisateur et saisie

L’intention de l’utilisateur et la saisie sont à l’origine de tout dans le prompt flow. Ce que vous tapez, dites ou sélectionnez dans Copilot communique vos objectifs à l’IA. Qu’il s’agisse d’une demande simple comme « Envoie une invitation à une réunion demain à 10 h » ou d’une commande plus complexe impliquant plusieurs données, la clarté et le contexte comptent vraiment.

Copilot prend en charge différentes formes de saisie, notamment le texte en langage naturel, la voix, les données riches ou même les modèles structurés. Le système s’appuie sur la compréhension du langage intégrée pour interpréter votre message, en détectant le « quoi » et parfois le « pourquoi » de votre requête. Lorsque votre saisie est claire et précise, Copilot est beaucoup plus susceptible de fournir un résultat exact et exploitable qui correspond à votre intention.

Orchestration de l’IA et gestion du contexte

Une fois que Copilot a reçu votre invite, il s’appuie sur son moteur d’orchestration de l’IA pour comprendre ce que vous voulez. Cela implique de faire passer votre saisie par des modèles de machine learning, de récupérer le contexte de l’application en cours, les interactions récentes et parfois même les courriels ou documents associés.

La couche d’orchestration assure la pertinence de la conversation. Elle décide quelles tâches d’IA déclencher, gère les questions de suivi et identifie ce qui compte le plus pour votre flux de travail. Cette gestion du contexte garantit que les réponses ne sont pas seulement « intelligentes », mais qu’elles tiennent compte en profondeur des particularités de votre tâche, en s’adaptant dynamiquement à l’évolution de vos besoins.

Génération des résultats et actions

Après avoir traité votre saisie et le contexte, Copilot génère le résultat ou l’action appropriés. Il peut s’agir d’une recommandation sous forme de texte, d’un brouillon prêt à l’emploi, d’une étape automatisée dans un processus plus vaste, voire d’une synthèse visuelle, selon la plateforme (comme Microsoft 365, Power Platform ou Azure).

Les résultats de Copilot ne sont pas de simples réponses : ce sont des éléments exploitables qui peuvent être utilisés, partagés ou affinés. L’IA s’intègre nativement aux outils Microsoft pour livrer ces résultats exactement là où vous en avez besoin, et transformer vos invites en progrès concrets dans vos tâches.

Retours et affinage itératif

Les retours sont le moteur qui favorise l’amélioration du prompt flow de Copilot. Lorsque vous confirmez, corrigez ou complétez une réponse de Copilot, vous aidez le système à comprendre ce qui fonctionne et ce qui ne fonctionne pas. Cette boucle de rétroaction permet à Copilot de s’adapter, de gagner en intelligence et de fournir des résultats plus personnalisés au fil de votre utilisation.

À chaque cycle itératif, qu’il s’agisse d’accepter des suggestions, d’apporter des précisions ou de signaler des incohérences, Copilot construit une compréhension plus fine de vos préférences et du contexte de votre organisation. Plus les retours sont nombreux, meilleur Copilot devient pour anticiper vos besoins et y répondre, tout en réduisant les erreurs répétitives et les malentendus.

Prompt flow dans Power Platform et Azure Machine Learning

Le prompt flow ne se limite pas aux interactions conversationnelles avec Copilot ; il joue aussi un rôle central dans la manière dont Power Platform et Azure Machine Learning automatisent les processus métier et l’entraînement des modèles. Dans Power Platform, les prompt flows traduisent vos saisies low-code ou no-code en automatisations étape par étape. Par exemple, vous pouvez configurer un flux Power Automate dans lequel votre invite détermine quels courriels déclenchent une réponse automatique, une génération de documents ou des flux d’approbation.

Dans Azure Machine Learning, le prompt flow aide les data scientists et les développeurs à concevoir des invites plus riches pour les grands modèles de langage, à les entraîner avec des saisies issues du monde réel et à itérer sur les résultats pour des tâches comme la synthèse de documents, l’extraction de données ou l’analyse de sentiments. Le prompt flow permet de réutiliser le contexte, d’enchaîner les appels de modèles et de recueillir les retours, autant d’éléments essentiels pour affiner efficacement les modèles d’IA.

Ces plateformes utilisent prompt flow pour simplifier les tâches fastidieuses ou répétitives, en transformant les opérations manuelles en résultats fiables et automatisés. Qu’il s’agisse de créer des tableaux de bord, de traiter des demandes ou de développer des modèles de prédiction, prompt flow fait le lien entre l’intention de l’utilisateur et une intelligence artificielle puissante et adaptable, qui opère en coulisse.

Comparaison de prompt flow : Copilot Studio et Power Automate

Si Copilot Studio et Power Automate recourent tous deux largement à prompt flow, ils l’abordent de manières différentes, adaptées à des besoins métier distincts. Copilot Studio est conçu pour créer des robots conversationnels dotés d’IA, capables d’enchaîner une série de requêtes et de réponses, pour offrir une expérience utilisateur très interactive et adaptable. Dans Copilot Studio, prompt flow consiste avant tout à séquencer le dialogue, à gérer le contexte et à permettre des clarifications dynamiques ou des conversations à embranchements.

Power Automate, en revanche, utilise prompt flow pour déclencher et séquencer des étapes d’automatisation en fonction des entrées et des conditions définies par les utilisateurs. Même si l’accent est moins mis sur le contexte conversationnel, Power Automate excelle dans l’orchestration de flux de travail structurés, comme l’acheminement de données, les notifications ou les approbations en plusieurs étapes, pilotés par des requêtes et des portes logiques.

Dans les deux outils, la rétroaction et l’itération sont intégrées, mais Copilot Studio met l’accent sur l’apprentissage adaptatif au sein des dialogues, tandis que Power Automate privilégie l’exécution fiable et reproductible des processus. Comprendre ces différences aide les organisations à choisir la plateforme adaptée, selon qu’elles souhaitent des expériences intelligentes de type robot conversationnel ou une automatisation robuste des flux de travail.

Rédiger des requêtes efficaces pour obtenir des résultats optimaux

1. Soyez clair et précis : des requêtes directes et sans ambiguïté permettent à Copilot de comprendre exactement ce que vous attendez. Évitez les formulations vagues. Au lieu de « Fais un rapport », essayez « Résume les ventes du T2 à partir de cette feuille Excel en un paragraphe ».
2. Définissez l’objectif : indiquez dès le départ le résultat attendu. Donnez à Copilot un objectif clair, par exemple « Génère trois objets d’e-mail pour une campagne de prospection client ».
3. Fournissez les détails pertinents : le contexte compte. Incluez les dates, les noms de fichiers ou d’autres précisions, comme « Ajoute tous les membres de l’équipe à l’invitation de réunion de vendredi à 9 h ».
4. Utilisez un langage simple : rédigez naturellement, mais en employant des termes que Copilot peut facilement interpréter. Des instructions simples et conversationnelles sont généralement préférables à un jargon complexe ou technique.
5. Proposez des exemples si nécessaire : pour les tâches délicates, montrez ce que vous attendez. Par exemple, « Mets la synthèse en forme ainsi : des puces pour les constats, un paragraphe de conclusion pour les recommandations ».
6. Relisez et reformulez : si Copilot ne réussit pas du premier coup, ajustez votre requête. Modifiez la formulation ou ajoutez des détails pour obtenir des réponses plus précises.
7. Évitez de surcharger une seule requête : découpez les gros travaux. Plutôt qu’une requête géante, utilisez plusieurs consignes claires que Copilot peut traiter étape par étape.

Cas d’usage courants tirant parti de prompt flow dans Copilot

• Rédaction de documents et d’e-mails : Copilot transforme des requêtes simples en rapports, propositions ou courriers détaillés dans Word, Outlook ou Teams, ce qui permet de gagner des heures sur la rédaction courante.
• Automatisation des approbations : prompt flow peut déclencher des chaînes d’approbation en plusieurs étapes et des notifications dans Power Platform, pour accélérer la prise de décision avec un minimum d’effort manuel.
• Génération d’analyses et de tableaux de bord : Copilot utilise des requêtes pour extraire les bonnes données dans Excel, Power BI ou Azure, et générer instantanément des graphiques, des synthèses ou des indicateurs de performance.
• Traitement des demandes de support : des tickets informatiques dans Teams aux automatisations du service d’assistance dans Power Automate, prompt flow simplifie la création, l’acheminement et la mise à jour des dossiers.
• Renforcement de la sécurité et de la conformité : Copilot contribue à faire respecter les stratégies ou à signaler les problèmes en traduisant les requêtes des utilisateurs en audits, en contrôles de étiquettes de confidentialité ou en flux de travail de conformité dans Microsoft 365.

Sécurité et gouvernance dans les flux de prompt Copilot

À mesure que Copilot et les autres agents d’IA s’intègrent plus profondément dans les plateformes d’entreprise, il est primordial de garantir la sécurité et la bonne gouvernance des flux de prompt. La souplesse et la rapidité de l’automatisation pilotée par l’IA introduisent de nouveaux risques, tels que les fuites de données, les actions non autorisées et les écarts de conformité, qui exigent une supervision rigoureuse.

Une bonne gouvernance des flux de prompts Copilot protège à la fois l’organisation et l’utilisateur final. Elle garantit que les données sensibles ne sont pas mal utilisées, que les accès sont correctement restreints et que les résultats de l’IA n’introduisent pas de nouveaux problèmes de sécurité ou de confidentialité. Concrètement, cela passe par la mise en place de stratégies d’utilisation claires, d’une surveillance continue et de mécanismes d’application qui répondent aux menaces émergentes.

Les sections ci-dessous examinent de plus près les défis potentiels de gouvernance liés aux flux de prompts IA, suivis de bonnes pratiques éprouvées que votre organisation peut appliquer pour renforcer la sécurité et la conformité de ces flux, afin d’adopter une automatisation puissante sans inquiétude.

Voici sept faits surprenants sur Microsoft Copilot Prompt Flow, que beaucoup d’utilisateurs et de développeurs ne soupçonnent pas.

1. Orchestration visuelle des prompts : Prompt Flow n’est pas un simple éditeur de texte. Il fournit une toile visuelle permettant d’enchaîner, de ramifier et de déboguer des prompts. Il traite l’ingénierie des prompts comme un flux de travail low-code, afin que les non-experts puissent tester des interactions en plusieurs étapes.
2. Changement de modèle intégré : Vous pouvez acheminer certaines parties d’un flux vers différents modèles ou fournisseurs de modèles au sein d’un même pipeline. Vous pouvez ainsi mettre en œuvre des stratégies hybrides, par exemple un modèle rapide et peu coûteux pour le prétraitement, puis un modèle de meilleure qualité pour le résultat final, sans code d’intégration spécifique.
3. Prompts sensibles aux données grâce aux connecteurs : Prompt Flow prend en charge des connecteurs vers des sources de données et des services Azure, afin que les prompts puissent intégrer directement des données en temps réel, des embeddings et des résultats de recherche, et non uniquement du texte statique.
4. Observabilité et traçabilité : La plateforme capture les entrées, les réponses intermédiaires et les sorties. Elle fournit une traçabilité et des métriques de bout en bout, qui permettent d’auditer, de surveiller et de comparer les versions de prompts dans le temps.
5. Composants paramétrables et réutilisables : Les flux vous permettent de définir des composants de prompts réutilisables et paramétrables (modèles, garde-fous, validateurs), ce qui réduit les duplications et améliore la gouvernance entre les équipes.
6. Intégration de la sécurité et des garde-fous : Prompt Flow peut intégrer des contrôles de sécurité et des filtres à plusieurs étapes (avant et après le modèle), permettant l’application des stratégies, la modération de contenu et la détection de biais, directement dans le flux plutôt qu’en réflexion après coup.
7. Exportable et prêt pour la production : Conçus pour le cycle de vie de production, les flux peuvent être exportés sous forme d’artefacts déployables ou connectés à des pipelines CI/CD et de déploiement Azure, ce qui simplifie le passage de l’expérimentation à la production.

Défis potentiels de gouvernance liés aux agents IA

• Automatisations non autorisées : Sans supervision stricte, les agents IA peuvent lancer des actions ou accéder à des données au-delà du rôle d’un utilisateur, ce qui crée un risque de Shadow IT et de défaillances de conformité. Pour une analyse plus approfondie, consultez comment les agents IA peuvent dépasser la gouvernance.
• Mauvaise utilisation et exposition des données : Des flux de prompts mal gouvernés peuvent accéder à des données confidentielles ou les diffuser par inadvertance, en particulier sans prévention efficace des pertes de données (DLP) ni audit.
• Attaques par injection de prompts : Des entrées malveillantes peuvent manipuler les agents IA et les amener à exécuter des actions inattendues ou nuisibles si la validation des entrées est insuffisante.
• Autorisations mal configurées : Attribuer des autorisations trop larges ou incorrectes, comme celles évoquées dans l’illusion de la gouvernance dans Microsoft 365, peut créer un risque invisible, car les contrôles natifs ne garantissent pas à eux seuls une supervision correcte.

Une surveillance continue et des stratégies applicables sont indispensables pour conserver le contrôle et la visibilité à mesure que l’automatisation et l’adoption de l’IA se développent.

Bonnes pratiques pour sécuriser vos flux de prompts

• Appliquer le principe du moindre privilège : Limitez les autorisations de Copilot et des autres agents IA grâce à des contrôles fins et à des audits réguliers, comme le décrit ce guide sur la sécurisation de Copilot avec les autorisations Microsoft Graph.
• Mettre en place des pistes d’audit robustes : Suivez et examinez les actions des flux de prompts avec des outils comme Microsoft Purview et Sentinel, afin de détecter rapidement les violations de stratégie ou les fuites de données.
• Étendre et automatiser les contrôles des données : intégrez les règles DLP, l’étiquetage automatique et les métadonnées de confidentialité à l’ensemble des résultats de l’IA, en suivant les recommandations de cette liste de contrôle de la gouvernance de Copilot.
• Sensibiliser les utilisateurs et les administrateurs : proposez une formation concrète pour que chacun comprenne les risques liés aux requêtes mal formulées, aux automatisations inattendues et au partage de données dans les systèmes pilotés par des requêtes.
• Adopter un cadre de gouvernance : concevez des stratégies applicables, attribuez la responsabilité des données et des rôles, et mettez en place des processus de revue impliquant les équipes juridique, sécurité et technique, afin d’assurer une utilisation durable et conforme de Copilot.

Évolutions futures et tendances de Copilot Prompt Flow

Copilot Prompt Flow évolue rapidement, et la prise en charge multilingue figure sans doute en tête de liste. Gartner prévoit qu’en 2026, 70 % des IA conversationnelles prendront en charge plusieurs langues, ce qui rendra les technologies Copilot plus inclusives pour les organisations mondiales. Les équipes du monde entier tireront une réelle valeur lorsque leur IA comprendra d’emblée l’argot local et le jargon métier.

L’apprentissage contextuel avancé constitue une autre avancée majeure. Microsoft développe des intégrations avec l’écosystème plus large de l’IA, en reliant entre eux des outils d’Azure et de Power Platform. Les experts anticipent que des liens plus étroits permettront à Copilot de tenir compte des connaissances de l’organisation, et pas seulement des données publiques. Cela se traduira par des réponses plus pertinentes, des flux de travail plus rapides et une IA qui comprend réellement le fonctionnement de votre entreprise.

Questions fréquentes : utiliser copilot pour chat flow et data flow

Qu’est-ce que Microsoft Copilot Prompt Flow et quel est son lien avec Microsoft 365 Copilot ?

Prompt Flow est un outil de développement et un flux de travail permettant de concevoir, tester et itérer des prompts et des flux qui interagissent avec les grands modèles de langage (LLM) et les expériences Microsoft 365 Copilot. Il vous permet de créer un flux à partir de prompts, d’enchaîner des nœuds et des services. Le flux ainsi obtenu est un actif de développement qui peut être intégré aux applications Microsoft 365, à Microsoft Teams et aux autres services Microsoft 365.

Comment créer un flux avec Copilot ou en décrivant ce que je souhaite ?

Vous pouvez créer un flux en décrivant le comportement souhaité à Copilot, ou en composant manuellement les nœuds dans l’éditeur de flux de Prompt Flow. Utilisez Copilot pour créer un flux en fournissant une requête ou un exemple initial, puis affinez le flux généré, modifiez son nom et testez votre chat flow et son exécution avec des exemples d’entrée de flux 1 et d’entrée de flux 2.

Quels sont les composants clés d’un flux dans Prompt Flow (nœuds, entrées, sorties) ?

Un flux comprend généralement des nœuds (chacun représentant une étape, comme l’envoi d’un prompt au LLM, une recherche de données ou une évaluation), des valeurs d’entrée de flux 1 et d’entrée de flux 2, ainsi que des résultats de sortie de flux 1 et de sortie de flux 2. L’ensemble du flux définit l’exécution, au cours de laquelle chaque nœud traite ses entrées et transmet ses sorties au nœud suivant, ce qui permet de gérer des scénarios complexes de flux de données et de chat flow.

Comment tester et exécuter un flux : que signifie « tester votre chat flow » ?

Pour tester votre chat flow, fournissez une entrée pour tester le flux (entrée de test du flux), lancez l’exécution du flux et observez les sorties intermédiaires des nœuds ainsi que la sortie finale du flux. Vous pouvez faire référence à l’entrée de flux à chaque nœud, examiner le flux dans son ensemble et itérer en modifiant les prompts ou les nœuds jusqu’à ce que le comportement corresponde à vos attentes.

Prompt Flow peut-il être intégré à Azure Machine Learning Studio ou à d’autres flux cloud ?

Oui. Prompt Flow peut interagir avec un flux cloud et Azure Machine Learning Studio pour appeler des modèles, des points de terminaison de scoring ou des pipelines de données. Vous pouvez créer des intégrations de flux cloud qui transmettent des données à des services externes, ce qui permet de mettre en place des scénarios de flux de données hybrides et d’exploiter Azure Machine Learning Studio pour l’évaluation et le déploiement de modèles personnalisés.

Comment Prompt Flow gère-t-il les mises à jour de sécurité, les limites des données et la frontière de service de Microsoft 365 ?

Prompt Flow suit les recommandations de sécurité de Microsoft et respecte la frontière de service Microsoft 365 lorsqu’il est intégré aux services Microsoft 365. Les administrateurs doivent examiner les mises à jour de sécurité, les paramètres de gouvernance et les règles de traitement des données afin de garantir la conformité des données traitées par Copilot. Appuyez-vous sur les contrôles au niveau du locataire et suivez les ressources Microsoft Learn pour une configuration sécurisée.

Quel est le cycle de développement recommandé pour les applications d’IA utilisant Prompt Flow et l’architecture Copilot ?

Le cycle de développement comprend la conception du flux (le flux est un outil de développement), l’élaboration de variantes de prompts, les tests avec des entrées de flux réelles, l’évaluation des sorties (flux d’évaluation), le déploiement dans Microsoft 365 Copilot ou copilot chat, la surveillance des performances et l’application des mises à jour de sécurité. Ce cycle s’appuie sur l’architecture de Copilot et repose sur de grands modèles de langage pour des améliorations itératives.

Où puis-je trouver des ressources complémentaires, une assistance technique et des conseils sur Microsoft Learn ?

Microsoft Learn propose des didacticiels et des modules consacrés à Prompt flow dans Microsoft Foundry ainsi qu’au flux dans le portail Microsoft Foundry. Pour l’assistance technique et les ressources complémentaires, consultez la documentation Microsoft, les forums communautaires et les canaux d’assistance officiels afin d’obtenir de l’aide pour la création de flux, le dépannage des exécutions de flux et l’intégration aux services Microsoft 365.

Comment évaluer et déboguer un flux : à quoi ressemblent les informations détaillées de la vue d’ensemble du flux ?

Utilisez la vue d’ensemble du flux pour accéder aux informations détaillées, notamment les journaux au niveau des nœuds, les instantanés des entrées et sorties du flux, ainsi que les traces d’exécution. Le débogage consiste à examiner le prompt envoyé au LLM à chaque nœud, à vérifier les sorties intermédiaires, à ajuster le prompt d’entrée ou les paramètres du nœud, puis à réexécuter le flux pour valider les corrections.

Puis-je utiliser Prompt flow pour créer des expériences de conversation dans Microsoft Teams et dans d’autres applications Microsoft 365 ?

Oui. Vous pouvez développer un Prompt flow et l’intégrer à Microsoft Teams ou à d’autres applications Microsoft 365, ce qui permet d’obtenir des réponses de Copilot et de proposer des expériences de chat basées sur un flux. Configurez l’événement qui déclenche le flux (par exemple, un message ou un bouton), associez la sortie 1 et la sortie 2 du flux aux réponses visibles par l’utilisateur, puis testez l’exécution du flux dans le contexte de l’application cible afin de vérifier que son comportement est correct.