WEBVTT

00:00:00.080 --> 00:00:01.040
Bienvenue dans ce nouvel épisode.

00:00:01.640 --> 00:00:04.940
Le sujet d'aujourd'hui est quelque chose dont vous avez sûrement entendu parler en réunion dans des articles techniques.

00:00:05.060 --> 00:00:09.160
Microsoft Fabric, si vous êtes comme la plupart des gens, vous n'êtes pas tout à fait sûr de ce dont il s'agit.

00:00:09.820 --> 00:00:14.320
Est-ce juste un autre produit Microsoft, une nouvelle version d'un ancien outil, ou quelque chose de totalement différent ?

00:00:14.320 --> 00:00:15.440
C'est moi à vous donner une réponse courte.

00:00:15.940 --> 00:00:17.440
Microsoft Fabric n'est pas juste un produit de plus.

00:00:18.100 --> 00:00:21.640
C'est une plateforme de données complète, un lieu unique pour effectuer tout votre travail de données.

00:00:21.940 --> 00:00:24.340
Stockage, transformation, analyse et reporting.

00:00:25.420 --> 00:00:28.400
A la fin de cet épisode, vous comprendrez ce qu'est Fabric, pourquoi Microsoft l'a créé,

00:00:28.400 --> 00:00:30.900
et comment les éléments principaux s'articulent, s'articulent.

00:00:31.260 --> 00:00:32.940
Prenez votre café et plongeons dans le vif du sujet.

00:00:33.500 --> 00:00:36.400
L'ancienne méthode, pourquoi les données étaient cloisonnées ?

00:00:36.400 --> 00:00:39.760
Pour comprendre pourquoi Fabric existe, vous devez comprendre le problème qu'il résout.

00:00:40.620 --> 00:00:44.080
Il y a 20 ans, si vous dirigez une entreprise, vous achetiez un serveur pour stocker les données,

00:00:44.560 --> 00:00:48.300
un outil distinct pour les rapports et un autre produit pour l'analyse en temps réel.

00:00:48.980 --> 00:00:51.660
Avant même de vous en rendre compte, vous aviez 5 systèmes différents,

00:00:51.800 --> 00:00:54.760
chacun avec ses accès, sa méthode de travail et son équipe dédiée.

00:00:55.380 --> 00:00:56.800
Pendant longtemps, les données ont vécu en silo.

00:00:56.800 --> 00:00:59.920
Les données de vente étaient dans un système, les données clés dans un autre,

00:01:00.120 --> 00:01:02.080
et les données financières ailleurs.

00:01:02.840 --> 00:01:04.640
Si vous vouliez poser une question croisant ces systèmes,

00:01:04.840 --> 00:01:06.780
comme quels clients achètent les produits les plus rentables,

00:01:07.040 --> 00:01:10.260
il fallait déplacer les données, les exporter d'un système,

00:01:10.400 --> 00:01:13.120
les transformer, les charger dans un autre, puis recommencer dès que les données changeaient.

00:01:13.640 --> 00:01:17.000
Passer plus de temps à déplacer les données entre les systèmes qu'à les analyser.

00:01:17.360 --> 00:01:19.780
L'intégration des données est devenue un travail à plein temps pour des équipes entières.

00:01:20.240 --> 00:01:22.560
Le pire, c'est qu'à chaque déplacement de données, on crée une copie,

00:01:22.560 --> 00:01:28.000
une version différente de la réalité, et bientôt, plus personne ne savait laquelle était la bonne.

00:01:28.740 --> 00:01:31.540
Microsoft a observé cette fragmentation et a posé une question simple.

00:01:32.020 --> 00:01:34.060
Si tous ces services fonctionnaient ensemble ?

00:01:34.060 --> 00:01:37.480
Si au lieu d'assembler des produits séparés, vous avez une plateforme qui faisait tout ?

00:01:37.480 --> 00:01:39.400
Cette question est ce qui a mené à Microsoft Fabric.

00:01:40.380 --> 00:01:42.780
Ce qu'est réellement Microsoft Fabric ?

00:01:42.780 --> 00:01:43.780
Alors qu'est-ce que Fabric ?

00:01:43.780 --> 00:01:44.880
Voici la définition la plus saine.

00:01:45.300 --> 00:01:48.000
Microsoft Fabric est une plateforme unifiée de données et d'analytiques.

00:01:48.540 --> 00:01:49.760
Un lieu unique pour tout votre travail sur les données.

00:01:49.760 --> 00:01:51.760
Imaginez cela comme un immeuble de bureau moderne.

00:01:52.180 --> 00:01:55.420
Chaque outil, comme Power BI ou Azure Synapse, est une pièce à l'intérieur de ce bâtiment.

00:01:55.780 --> 00:01:58.580
Ils ont leur propre utilité, leur mobilier, leurs outils, mais ils font tous partie de la même structure.

00:01:59.140 --> 00:02:01.420
Vous n'avez pas besoin de sortir à l'extérieur pour passer d'une pièce à l'autre.

00:02:01.780 --> 00:02:02.300
Ils sont connectés.

00:02:02.660 --> 00:02:03.280
C'est ce que fait Fabric.

00:02:03.580 --> 00:02:09.520
Il réunit l'ingénierie des données, l'intégration, l'entrepôt, l'analyse en temps réel et la business intelligence sur une seule plateforme.

00:02:10.080 --> 00:02:11.660
Tout fonctionne sur une plateforme, ça c'est unique.

00:02:11.660 --> 00:02:16.200
Ce qui signifie aucune infrastructure distincte à gérer, aucun serveur à provisionner ou réseau à configurer.

00:02:16.800 --> 00:02:18.060
Microsoft occupe de tout cela pour vous.

00:02:18.060 --> 00:02:22.680
Depuis son lancement en 2023, Fabric est devenu le produit de données à la croissance la plus rapide de l'histoire de Microsoft.

00:02:23.600 --> 00:02:27.120
Aujourd'hui, plus de 25 000 clients l'utilisent, dont 80% du Fortune 500.

00:02:27.780 --> 00:02:29.320
C'est une adoption massive en très peu de temps.

00:02:29.760 --> 00:02:30.640
La différence clé est celle-ci.

00:02:31.080 --> 00:02:33.920
Auparavant, vous achetez des produits séparés et tentez de les faire communiquer entre eux.

00:02:34.820 --> 00:02:37.100
Avec Fabric, vous n'avez plus besoin d'assembler différents services.

00:02:37.100 --> 00:02:40.640
C'est une expérience unique, une connexion unique, une façon de travailler unique et cela change tout.

00:02:41.620 --> 00:02:42.680
One Lake, la fondation.

00:02:43.300 --> 00:02:45.440
Parlons maintenant de la fondation qui permet à tout cela de fonctionner.

00:02:45.440 --> 00:02:48.240
Au cœur de Fabric se trouve ce qu'on appelle One Lake.

00:02:48.800 --> 00:02:51.720
La manière la plus simple de concevoir One Lake est de le comparer à OneDrive pour vos données.

00:02:52.200 --> 00:02:55.420
Vous savez comment OneDrive vous offre un emplacement unique pour stocker tous vos fichiers personnels,

00:02:55.680 --> 00:02:57.560
accessible par toutes les applications de votre ordinateur.

00:02:58.180 --> 00:03:00.740
One Lake fait la même chose, mais pour les données de votre organisation.

00:03:01.400 --> 00:03:02.220
Voici ce qui le rend puissant.

00:03:02.220 --> 00:03:06.760
Chaque charge de travail fabrique, qu'il s'agisse d'un lake house, d'un entrepôt ou d'un travail d'analyse en temps réel,

00:03:07.040 --> 00:03:08.580
stocke automatiquement ces données dans One Lake.

00:03:09.020 --> 00:03:12.860
Vous n'avez rien à copier manuellement ni à configurer de connexion, cela se fait tout seul.

00:03:13.200 --> 00:03:14.680
Et il n'y a qu'un seul One Lake partenant.

00:03:15.020 --> 00:03:17.680
Une source unique de vérité pour toute votre organisation, tout vous.

00:03:18.120 --> 00:03:21.840
Vous vous demandez peut-être, et si je veux changer de plateforme plus tard, suis-je enfermé dans le système ?

00:03:21.840 --> 00:03:22.520
La réponse est non.

00:03:23.280 --> 00:03:25.800
One Lake stocke les données dans des formats ouverts comme Delta Parquet,

00:03:26.260 --> 00:03:28.920
un standard industriel utilisé par Databricks et Apache Spark.

00:03:29.380 --> 00:03:30.580
Vous n'êtes jamais prisonnier de Microsoft.

00:03:31.340 --> 00:03:33.020
Si vous souhaitez déplacer vos données ailleurs, vous pouvez le faire.

00:03:33.500 --> 00:03:34.120
Ce sont vos données.

00:03:35.080 --> 00:03:36.680
Mais voici où One Lake devient vraiment intéressant.

00:03:36.980 --> 00:03:37.440
Les raccourcis.

00:03:37.940 --> 00:03:40.220
Un raccourci est un pointeur virtuel vers des données qui résident ailleurs.

00:03:40.380 --> 00:03:44.380
Vous pouvez créer un raccourci vers des données stockées sur AWS S3, Google Cloud ou même en local,

00:03:44.540 --> 00:03:46.840
et elles apparaissent dans One Lake comme si elles y étaient stockées.

00:03:47.220 --> 00:03:47.940
Comme si elles y étaient stockées.

00:03:48.160 --> 00:03:49.980
Aucun déplacement de données requis, aucune duplication.

00:03:49.980 --> 00:03:52.620
Pointez simplement vers elles et elles apparaissent.

00:03:53.680 --> 00:03:56.820
One Lake est construit sur Azure Data Lake Storage, le stockage cloud entreprise de Microsoft,

00:03:57.040 --> 00:04:00.380
mais vous ne gérez pas cette infrastructure car elle est entièrement gérée en tant que service SaaS.

00:04:01.220 --> 00:04:04.040
Vous ne provisionnez pas de serveur et ne configurez pas de réseau, vous l'utilisez simplement.

00:04:04.400 --> 00:04:05.700
Qu'est-ce que cela signifie pour vous ?

00:04:05.700 --> 00:04:08.000
Cela signifie que vous pouvez avoir des données provenant de sources multiples,

00:04:08.120 --> 00:04:10.720
de stockage cloud, de bases de données sur site ou de plateformes tierces,

00:04:10.840 --> 00:04:13.640
le tour regroupé, en un seul endroit sans duplication, le tour occasion.

00:04:13.900 --> 00:04:14.500
Et le véritable atout.

00:04:15.000 --> 00:04:18.640
Toute donnée écrite dans One Lake peut être utilisée immédiatement par n'importe quelle charge de travail fabrique.

00:04:18.640 --> 00:04:21.220
Vous l'écrivez une fois et chaque outil de fabrique peut y accéder.

00:04:21.600 --> 00:04:22.520
C'est là toute la magie de One Lake.

00:04:23.360 --> 00:04:25.240
Les Lake House, le centre de l'ingénierie des données.

00:04:25.620 --> 00:04:28.060
Vous avez donc vos données dans One Lake, maintenant vous devez les exploiter.

00:04:28.420 --> 00:04:29.480
C'est là qu'intervient le Lake House.

00:04:29.880 --> 00:04:30.900
Voici la définition la plus simple.

00:04:31.120 --> 00:04:35.520
Un Lake House est un magasin de données qui associe la flexibilité d'un Data Lake à la structure d'une base de données.

00:04:36.360 --> 00:04:38.580
Dans un Data Lake traditionnel, vous pouvez tout stocker.

00:04:38.760 --> 00:04:41.980
Fichier CSV brut, documents JSON, images, vidéos, mais c'est désordonné.

00:04:41.980 --> 00:04:45.020
Sans structure, ni schéma, donc difficile à interroger.

00:04:45.640 --> 00:04:48.340
Dans une base de données traditionnelle, tout est structuré et interrogeable.

00:04:48.640 --> 00:04:50.120
Mais vous ne pouvez stocker que certains types de données.

00:04:50.520 --> 00:04:51.400
Le Lake House vous offre les deux.

00:04:51.780 --> 00:04:55.580
Vous pouvez conserver des fichiers bruts, comme des CSV, JSON, ou même des images, dans un Lake House.

00:04:56.440 --> 00:04:59.080
Et vous pouvez également stocker les tables structurées que vous pouvez interroger avec SQL.

00:04:59.700 --> 00:05:00.580
Les deux cohabitent au même endroit.

00:05:01.100 --> 00:05:05.920
Ces tables utilisent le format Delta parquet, le même format ouvert et rapide utilisé par Databricks et d'autres plateformes majeures,

00:05:06.140 --> 00:05:07.620
conçues pour traiter des volumes massifs de données.

00:05:07.980 --> 00:05:09.740
Les Lake House prennent en charge plusieurs outils.

00:05:10.220 --> 00:05:12.460
Vous pouvez utiliser Spark pour le traitement de données à grande échelle.

00:05:12.800 --> 00:05:14.280
Vous pouvez utiliser Python pour l'apprentissage automatique.

00:05:14.280 --> 00:05:16.160
Vous pouvez utiliser SQL pour des requêtes simples.

00:05:16.580 --> 00:05:18.540
Quel que soit l'outil que vous préférez, le Lake House peut le gérer.

00:05:19.460 --> 00:05:22.200
Considérez le Lake House comme votre espace de travail pour construire des pipelines de données.

00:05:22.580 --> 00:05:25.580
Vous y importez des données brutes, les transformez, les nettoyez et les préparez pour l'analyse.

00:05:25.960 --> 00:05:26.460
Et les préparer.

00:05:26.720 --> 00:05:28.380
Vous pouvez exécuter des modèles d'apprentissage automatique.

00:05:28.780 --> 00:05:30.580
Vous pouvez y créer des jeux de données d'entraînement, le tout même endroit.

00:05:30.940 --> 00:05:33.300
Pour les ingénieurs de données préférant un environnement orienté code,

00:05:33.520 --> 00:05:34.660
les Lake House prennent en charge les notebooks.

00:05:35.180 --> 00:05:38.740
Ce sont les documents interactifs où vous écrivez du code, visualisez les résultats et documentez votre travail,

00:05:38.900 --> 00:05:40.040
comme un cahier de laboratoire pour les données.

00:05:40.040 --> 00:05:43.420
Vous pouvez écrire du code Spark dans une cellule, voir le résultat dans la suivante,

00:05:43.580 --> 00:05:44.900
puis expliquer ce que vous avez fait dans celle d'après.

00:05:45.480 --> 00:05:48.640
Le Lake House est le point d'entrée pour la plupart des ingénieurs de données travaillant dans Fabrique.

00:05:49.560 --> 00:05:50.900
C'est là que se fait le gros du travail.

00:05:51.380 --> 00:05:55.100
Et comme tout est stocké dans OneLake, chaque donnée placée dans un Lake House est immédiatement disponible

00:05:55.100 --> 00:05:58.460
pour toute autre charge de travail fabrique dans les Warehouse, le moteur d'analyse SQL.

00:05:59.800 --> 00:06:01.880
Maintenant, si le Lake House est le centre de l'ingénierie des données,

00:06:02.000 --> 00:06:05.120
considérez le Warehouse comme le moteur d'analyse SQL conçu pour un autre type d'utilisateur.

00:06:05.120 --> 00:06:09.060
Un entrepôt dans Fabrique est une base de données d'analyse SQL entièrement gérée.

00:06:09.880 --> 00:06:13.240
Si vous êtes administrateur de bases de données au développeur SQL, vous vous y sentirez comme chez vous.

00:06:13.960 --> 00:06:17.860
Vous pouvez écrire des requêtes TSQL, créer des vues, des procédures stockées et des politiques de sécurité.

00:06:18.760 --> 00:06:21.660
Cela ressemble à un entrepôt de données traditionnel, mais voici ce qui le rend différent.

00:06:22.120 --> 00:06:25.600
Contrairement à un entrepôt de données classique, celui de Fabrique stocke les données directement dans un OneLake bug.

00:06:26.080 --> 00:06:28.980
Il n'y a pas de couche de stockage séparée, ni d'infrastructures supplémentaires à gérer.

00:06:28.980 --> 00:06:33.120
Les données résident dans le cake, et l'entrepôt n'est que l'interface que vous utilisez pour les interroger.

00:06:33.620 --> 00:06:37.620
C'est important, car l'entrepôt et le Lake House partagent les mêmes données, donc vous ne dupliquez rien.

00:06:38.500 --> 00:06:43.460
Si un ingénieur de données charge des données dans un Lake House, un développeur SQL peut les interroger immédiatement depuis un entrepôt.

00:06:43.780 --> 00:06:47.480
Pas de copie, pas de déplacement. Ce sont les mêmes données accessibles, via des outils différents.

00:06:48.120 --> 00:06:50.200
L'entrepôt est conçu pour l'analyse à grande échelle.

00:06:51.080 --> 00:06:54.400
En coulisses, il utilise le traitement massivement parallèle pour gérer d'énormes ensembles de données.

00:06:55.040 --> 00:06:56.820
Et Microsoft investit massivement dans les performances.

00:06:56.820 --> 00:07:01.480
Rien qu'au cours des 6 derniers mois, les performances se sont améliorées de 36% ?

00:07:01.480 --> 00:07:03.000
C'est une amélioration considérable en peu de temps.

00:07:03.620 --> 00:07:07.840
Si vous migrez depuis une autre plateforme, Fabrique dispose d'un assistant de migration pour vous aider à passer de Snowflake ou Synapse.

00:07:08.800 --> 00:07:11.360
Il analyse votre configuration existante et vous guide tout au long du processus.

00:07:11.800 --> 00:07:13.780
L'objectif est de rendre la migration aussi simple que possible.

00:07:14.240 --> 00:07:16.400
Alors, quelle est la différence entre un Lake House et un entrepôt ?

00:07:16.400 --> 00:07:17.280
Tout dépend de l'interface.

00:07:17.720 --> 00:07:19.380
Les entrepôts sont orientés SQL avant tout.

00:07:19.780 --> 00:07:22.820
Ils sont conçus pour ceux qui pensent en termes de tables, de requêtes et de procédures stockées.

00:07:23.460 --> 00:07:25.000
Les Lake House sont orientés développeurs avant tout.

00:07:25.000 --> 00:07:27.940
Ils sont conçus pour ceux qui souhaitent utiliser Spark, Python et des notebooks.

00:07:28.600 --> 00:07:30.500
Mais en dessous, ils stockent tous deux les données dans le même One Lake View.

00:07:31.000 --> 00:07:32.580
Ce sont deux façons de travailler avec les mêmes données.

00:07:33.340 --> 00:07:35.700
Importer des données, Data Factory, mise en miroir et raccourci.

00:07:36.340 --> 00:07:40.480
Vous avez donc un One Lake pour le stockage, des Lake Views pour la transformation et des entrepôts pour l'interrogation.

00:07:40.800 --> 00:07:42.740
Mais comment les données arrivent-elles réellement ?

00:07:42.740 --> 00:07:43.760
C'est là que Data Factory entre en jeu.

00:07:44.240 --> 00:07:46.680
Data Factory est le service d'intégration de données intégré à Fabrique.

00:07:47.200 --> 00:07:51.420
Et il propose plus de 200 connecteurs pour extraire des données de base de données, du stockage cloud, d'application SaaS et plus encore.

00:07:51.420 --> 00:07:54.960
C'est l'outil d'intégration de données le plus utilisé au monde, et pour une bonne raison.

00:07:55.600 --> 00:08:00.640
Au sein de Data Factory, vous disposez Data Flows Gen 2, qui vous offre un moyen sans code de transformer vos données avec Power Query.

00:08:01.180 --> 00:08:04.480
Si vous avez déjà utilisé Power Query dans Excel ou Power BI, vous connaissez déjà le principe.

00:08:04.900 --> 00:08:07.740
Vous utilisez une interface visuelle pour nettoyer, remodeler et combiner vos données.

00:08:08.080 --> 00:08:11.720
Aucun codage n'est requis et c'est une solution de niveau entreprise, capable de gérer des ensembles de données massifs.

00:08:11.720 --> 00:08:20.080
Plus de 22 milliards d'orchestrations sont exécutées sur Data Factory chaque mois, ce qui signifie que des milliards de transferts de données s'effectuent automatiquement, faisant de cet outil une infrastructure majeure.

00:08:20.720 --> 00:08:23.580
Mais il existe un moyen encore plus simple d'intégrer des données dans One Lake, le mirroring.

00:08:24.120 --> 00:08:31.140
Le mirroring copie les données de base de données externes comme Azure SQL, Oracle ou Google BigQuery vers One Lake en temps quasi réel, et voici le meilleur point.

00:08:31.140 --> 00:08:34.660
C'est gratuit, inclus dans le service sans coût supplémentaire.

00:08:35.260 --> 00:08:37.960
Il vous suffit d'indiquer votre base de données source et Fabrique s'occupe du reste.

00:08:38.420 --> 00:08:41.720
Suite à les raccourcis, que nous avons évoqués plus tôt, mais ils méritent plus d'attention.

00:08:42.140 --> 00:08:46.040
Les raccourcis sont des pointeurs virtuels vers des données stockées ailleurs, ne nécessitant aucun transfert de données.

00:08:46.460 --> 00:08:52.360
Vous créez un raccourci vers un bucket AWS S3 et il apparaît dans One Lake comme s'il y était stocké, alors que les données restent à leur emplacement d'origine.

00:08:52.900 --> 00:08:53.840
Vous ne faites que pointer vers elles.

00:08:54.240 --> 00:08:55.860
Et désormais les raccourcis ne servent pas qu'à pointer.

00:08:56.760 --> 00:09:00.060
Les transformations de raccourcis vous permettent d'appliquer des transformations pilotées par l'IA à la volée.

00:09:00.060 --> 00:09:05.920
Vous pouvez effectuer une analyse de sentiments sur des données textuelles, traduire du contenu ou détecter des informations personnelles identifiables,

00:09:06.040 --> 00:09:08.240
tout cela sans déplacer les données ni créer de pipeline.

00:09:08.900 --> 00:09:10.920
La transformation s'effectue au moment où vous accédez aux deux.

00:09:11.780 --> 00:09:16.060
L'objectif de tous ces outils est simple, rassembler toutes vos données dans One Lake sans construire de pipeline complexe.

00:09:17.040 --> 00:09:23.980
Que vous utilisiez Data Factory pour le TL traditionnel, le mirroring pour la réplication en tant qu'Asie réelle ou les raccourcis pour un accès virtuel, le résultat est le même.

00:09:24.940 --> 00:09:27.720
Vos données finissent dans One Lake prêtes pour toute charge de travail Fabrique.

00:09:27.720 --> 00:09:30.960
Intelligence en temps réel, base de données IA

00:09:30.960 --> 00:09:35.920
Jusqu'à présent, nous avons parlé du déplacement et du stockage des données, mais qu'en est-il des données qui ne cessent jamais de bouger ?

00:09:35.920 --> 00:09:39.660
Flux de données provenant de capteurs IoT, parcours de navigation sur site web, télémétrie d'appareils.

00:09:40.320 --> 00:09:41.840
C'est là qu'intervient l'intelligence en temps réel.

00:09:42.380 --> 00:09:45.320
Fabrique gère les flux de données via ce qu'on appelle un AK Event Househawk,

00:09:45.520 --> 00:09:50.040
qui stocke et interroge des données de séries chronologiques à haut volume en utilisant KQL, le langage de requête Cousteau.

00:09:50.040 --> 00:09:56.840
C'est le même moteur qui alimente Azure Data Explorer, conçu pour la vitesse afin que vous puissiez ingérer des millions d'événements par seconde et les interroger en quelques millisecondes.

00:09:57.500 --> 00:09:58.800
C'est important, et voici pourquoi.

00:09:59.260 --> 00:10:02.080
46% des clients de Fabrique utilisent déjà l'intelligence en temps réel.

00:10:02.540 --> 00:10:03.440
Cela représente près de la moitié.

00:10:03.700 --> 00:10:04.560
Les cas d'usage sont partout.

00:10:05.460 --> 00:10:09.580
Une entreprise de logistique suivant ses camions de livraison, un détaillant surveillant le trafic piétonnier en magasin,

00:10:09.720 --> 00:10:13.000
fabriquant observant les données de capteurs d'équipements industriels, tout cela en temps réel.

00:10:13.000 --> 00:10:15.600
Mais Fabrique ne se limite pas à l'analyse.

00:10:16.040 --> 00:10:17.640
Il inclut également des bases de données opérationnelles,

00:10:17.700 --> 00:10:20.800
comme une base de données SQL pour les données relationnelles et Cosmos DB pour les charges de travail noSQL.

00:10:21.500 --> 00:10:24.020
Ce sont les mêmes bases de données que celles utilisées pour exécuter vos applications.

00:10:24.640 --> 00:10:27.980
Et comme elles sont intégrées à Fabrique, elles stockent automatiquement leurs données dans One Lake.

00:10:28.800 --> 00:10:30.420
Pas de pipeline supplémentaire, pas de copie manuelle.

00:10:30.880 --> 00:10:33.420
Vos données transactionnelles et analytiques se trouvent au même endroit.

00:10:34.340 --> 00:10:37.040
Parlons maintenant de l'IA, car c'est là que Fabrique devient vraiment intéressant.

00:10:37.800 --> 00:10:39.700
L'intégration de l'IA est profonde dans toute la plateforme,

00:10:39.700 --> 00:10:43.360
vous offrant des modèles pré-entraînés pour l'analyse de texte, la traduction et l'analyse de sentiments.

00:10:43.980 --> 00:10:46.520
Vous pouvez les utiliser directement dans vos flux de données sans écrire une ligne de code.

00:10:47.040 --> 00:10:49.340
Il suffit de pointer vers vos données, de sélectionner modèle et s'exécuter.

00:10:49.820 --> 00:10:51.820
Puis il y a Copilot, qui est intégré à travers tout Fabrique.

00:10:52.460 --> 00:10:54.920
Il vous aide à rédiger des requêtes, construire des rapports et créer des pipelines.

00:10:55.440 --> 00:10:58.660
Vous décrivez simplement ce que vous voulez en langage courant, et Copilot génère le code.

00:10:59.200 --> 00:11:02.560
C'est comme avoir un ingénieur de données junior assis à côté de vous ou prêt à aider à tout moment.

00:11:03.020 --> 00:11:03.920
La vision ici est simple.

00:11:04.040 --> 00:11:06.160
L'IA travaille sur vos données sans les déplacer.

00:11:06.800 --> 00:11:09.060
Vos données restent dans One Lake et les modèles d'IA viennent aux données.

00:11:09.700 --> 00:11:12.160
Pas de copie, pas d'exportation, pas de risque de sécurité.

00:11:12.940 --> 00:11:14.800
Les données ne quittent jamais votre environnement sécurisé.

00:11:16.820 --> 00:11:18.700
Power BI gouvernance et valeurs commerciales.

00:11:18.940 --> 00:11:22.360
Nous arrivons maintenant à la partie que la plupart des gens voient, la porte d'entrée vers les insights Power BI.

00:11:23.020 --> 00:11:26.540
Il est utilisé par 550 organisations et 34 millions d'utilisateurs chaque mois,

00:11:26.680 --> 00:11:30.280
ce qui en fait l'outil de Business Intelligence le plus utilisé au monde.

00:11:31.060 --> 00:11:33.540
Et dans Fabrique, il devient encore plus puissant.

00:11:34.180 --> 00:11:34.660
Voici la clé.

00:11:35.160 --> 00:11:39.520
Dans Fabrique, Power BI se connecte directement à One Lake en utilisant le mode Direct Lake.

00:11:39.700 --> 00:11:43.920
Ceci est différent du mode d'importation traditionnel où vous copiez les données dans le stockage interne de Power BI.

00:11:44.620 --> 00:11:47.320
Au lieu de cela, Direct Lake interroge les données là où elles se trouvent dans One Lake,

00:11:47.400 --> 00:11:50.900
sans rafraîchissement nécessaire, sans duplication, et les données sont toujours à jour et ultra rapides.

00:11:51.980 --> 00:11:54.160
Sous chaque rapport, Power BI se trouve un modèle sémantique,

00:11:54.240 --> 00:11:58.560
le cerveau de votre rapport, où vous définissez la logique métier, les mesures et les relations.

00:11:59.360 --> 00:12:01.980
Et vous pouvez désormais construire ces modèles entièrement dans un navigateur web.

00:12:01.980 --> 00:12:05.060
La modélisation web est disponible, vous pouvez donc créer un modèle sémantique,

00:12:05.200 --> 00:12:08.180
établir des relations et écrire les mesures d'axe depuis un navigateur,

00:12:08.280 --> 00:12:10.480
même sur Mac, même sur Mac, qu'une application de bureau n'est rue.

00:12:10.800 --> 00:12:13.180
Mais toute cette puissance de données ne signifie rien sans gouvernance,

00:12:13.360 --> 00:12:15.140
et Fabrique intègre la gouvernance dès le départ.

00:12:15.860 --> 00:12:18.760
Microsoft Purview fournit des étiquettes de sensibilité qui suivent vos données partout.

00:12:19.620 --> 00:12:21.360
Si un rapport contient des informations sensibles,

00:12:21.560 --> 00:12:23.500
cette étiquette reste associée même en cas d'exportation.

00:12:23.500 --> 00:12:27.400
Les politiques de prévention de la perte de données détectent automatiquement les données sensibles

00:12:27.400 --> 00:12:29.180
et bloquent tout partage non autorisé.

00:12:29.900 --> 00:12:32.780
Et les contrôles d'accès garantissent que seules les bonnes personnes voient les bonnes données.

00:12:33.860 --> 00:12:36.060
Les domaines vous aident à organiser les données par secteur d'activité

00:12:36.060 --> 00:12:38.340
avec des règles de gouvernance distinctes afin que vos données financières

00:12:38.340 --> 00:12:40.280
puissent avoir des contrôles plus stricts que vos données marketing.

00:12:41.240 --> 00:12:43.040
Chaque domaine peut être géré par sa propre équipe,

00:12:43.140 --> 00:12:45.360
ce qui permet une gouvernance qui évolue avec votre organisation.

00:12:45.860 --> 00:12:47.060
Parlons maintenant des résultats concrets.

00:12:47.600 --> 00:12:48.580
Il ne s'agit pas seulement de théories.

00:12:48.580 --> 00:12:53.020
Les semaines chemical à utiliser Fabrique pour réduire le temps de préparation des ventes de 83% en...

00:12:53.020 --> 00:12:55.840
Ce qui prônait 4 heures ne prend désormais qu'environ 40 minutes.

00:12:56.500 --> 00:12:58.900
Eton Solutions a réduit les efforts manuels de 75%

00:12:58.900 --> 00:13:01.960
avec des processus nécessitant 10 à 15 étapes qui n'en demandent plus que 2.

00:13:02.640 --> 00:13:05.300
Sonata Software a économisé 30 000 heures de rapprochement manuel par an

00:13:05.300 --> 00:13:08.880
réorientant cet effort humain vers un travail à plus forte valeur ajoutée.

00:13:09.320 --> 00:13:10.240
Le modèle de coût est simple.

00:13:10.920 --> 00:13:13.920
Payé pour la capacité, la puissance de calcul qui exécute vos charges de travail.

00:13:14.220 --> 00:13:17.220
Microsoft intègre des fonctions de lissage et de protection contre les pics de charge pour gérer surcharge.

00:13:17.340 --> 00:13:20.220
Le lissage répartit le coût des opérations en arrière-plan sur 24 heures

00:13:20.220 --> 00:13:22.540
afin d'éviter les pics soudains et la protection contre les surcharges.

00:13:22.540 --> 00:13:24.900
Limite les tâches d'arrière-plan durant les périodes d'activité intense

00:13:24.900 --> 00:13:26.640
pour maintenir une performance interactive stable.

00:13:27.580 --> 00:13:29.660
Payez ce que vous utilisez et vous n'avez pas de mauvaise surprise.

00:13:31.260 --> 00:13:31.900
Faisons le bilan.

00:13:32.480 --> 00:13:33.980
Fabrique n'est pas juste un autre produit Microsoft.

00:13:34.680 --> 00:13:37.240
C'est une refonte complète de la manière dont les plateformes de données devraient fonctionner.

00:13:37.640 --> 00:13:40.600
Une plateforme, un lac, une copie de données et des possibilités infinies.

00:13:40.980 --> 00:13:43.040
Et avec l'IA éco-pilot intégré, c'est accessible à tous.

00:13:43.480 --> 00:13:44.420
Pas seulement aux professionnels des données,

00:13:44.540 --> 00:13:46.460
mais aux analystes métiers, aux équipes commerciales, aux responsables des opérations,

00:13:46.460 --> 00:13:49.060
à quiconque a besoin d'opter des réponses à partir des réponses à partir des données.

00:13:49.180 --> 00:13:49.780
Voici votre devoir.

00:13:50.040 --> 00:13:51.620
Allez sur fabrique.microsoft.com,

00:13:51.860 --> 00:13:53.980
démarrez un essai gratuit, créez votre premier espace de travail.

00:13:54.460 --> 00:13:54.860
Essayez simple.

00:13:55.400 --> 00:13:58.720
Vous verrez comment les pièces s'assemblent d'une manière qu'aucune lecture ne pourra remplacer.

00:13:59.560 --> 00:14:01.220
Si cet épisode vous a aidé à mieux comprendre Fabrique,

00:14:01.340 --> 00:14:02.900
abonnez-vous sur votre plateforme de podcast préférée

00:14:02.900 --> 00:14:05.160
et partagez-le avec quelqu'un qui commence son aventure dans les données.

00:14:05.600 --> 00:14:06.100
Nous remercierons.

00:14:06.100 --> 00:14:09.620
La prochaine fois, nous expliquerons les raccourcis One Lake en termes simples.

00:14:10.480 --> 00:14:12.280
Comment ils fonctionnent, pourquoi ils sont importants

00:14:12.280 --> 00:14:14.160
et comment les utiliser sans déplacer les données.

00:14:14.840 --> 00:14:15.860
C'est un épisode à ne pas manquer.

00:14:16.160 --> 00:14:17.100
D'ici là, continuez à apprendre.
