Il existe actuellement 5 façons de tirer profit de l’intelligence artificielle dans Power BI sans licence Copilot. Dans cette série de 5 articles, nous vous présentons ces fonctionnalités en les appliquant à des cas concrets.
Dans ce 4e article, nous couvrons l’intégration avec Azure Machine Learning
Apprentissage machine
Avant de se lancer dans la création de nos fonctions de Machine Learning, il est important de comprendre ce qu’est l’apprentissage machine. Il s’agit en fait d’entraîner un modèle à faire des prévisions ou à prendre des décisions.
Pour entraîner le modèle, des données déjà traitées ou catégorisées sont fournies à l’ordinateur. Pendant la phase d’entraînement, le modèle apprendra à reconnaitre des tendances ou des règles qu’il pourra ensuite appliquer dans une phase de test. Si le test est concluant, le modèle pourra ensuite être utilisé pour la prise de décision.
Prérequis
Avant de pouvoir utiliser les outils d’intelligence artificielle couverts dans cet article, vous devez vous assurer d’avoir réalisé les prérequis suivants :
- Avoir un compte Microsoft Azure
- Créer un espace de travail Azure Machine Learning
- Créer et entraîner un modèle
Prévision des ventes
Lorsqu’un modèle a été créé et entraîné dans Azure, il peut ensuite être appelée par une fonction dans Power BI.
Dans le présent article, j’utilise une fonction qui me permet de créer des prévisions de vente basées sur des données historiques.
J’ai utilisé des données historiques très simples qui ressemblent à celles-ci :
J’ai fourni ces données à Azure Machine Learning pour entraîner un modèle de prévision. Lorsque le modèle a été entraîné et publié, il peut ensuite être utilisé dans Power BI pour générer des prévisions.
Je vais donc utiliser cette fonction pour prévoir les ventes de 2025 pour les produits 1 et 2. J’ai créé dans Power Query la table de données pour lesquelles je veux prévoir les ventes :
J’appelle ensuite la fonction précédemment créée pour prévoir la quantité vendue pour chaque combinaison de numéro de produit et de date.
Les deux valeurs à passer en paramètre dans ma fonction sont la colonne [Date] et la colonne [NoProduit]. Ces deux valeurs ont servi de variables indépendantes lors de l’entraînement du modèle. C’est pourquoi on doit les fournir au modèle pour produire des prévisions.
La valeur prévue par le modèle se retrouve dans la colonne « Scored label ».
Nous pouvons dès maintenant utiliser ces valeurs dans des visuels dans Power BI.
Lorsqu’on compare les ventes historiques avec les ventes prévues, on remarque que la prévision ne semble pas de très grande qualité. En effet, puisque les valeurs soumises à l’IA pour entrainer le modèle étaient très simples, l’IA n’a pas généré un modèle très complexe ni très précis.
J’ai donc cherché à améliorer mes prévisions en précisant mon modèle. J’ai entraîné un nouveau modèle en fournissant plus d’information à la source pour l’apprentissage :
Lorsque j’applique ce nouveau modèle plus précis à aux données futures, j’ai maintenant 6 paramètres à fournir pour générer les prévisions.
Le résultat obtenu est plus intéressant avec un modèle plus complet mais pourrait tout de même être amélioré.
Vous comprendrez donc que plus vos données d’entraînement seront précises, plus le modèle sera puissant et précis.
Consultez tous les articles de cette série
- Insights sur texte et images : Analyse de sentiments, Extraction de phrases clés, Détection de langue
- Balisage d’image : Identification du contenu d’images
- Visuels : Influenceurs clés, arbre de décomposition, détection d’anomalie
- Intégration avec Azure Machine Learning : Pour utiliser des modèles personnalisés
- Exploration de données : Q&A et insights automatiques (à venir)
Afin de recevoir nos nouveaux articles directement dans votre boite courriel, abonnez-vous à nos infolettres. Vous pouvez également consulter tous nos articles en lien avec l’intelligence artificielle.
Voir nos formations Power BI en anglais
Découvrez également notre parcours de 10 formations sur Power BI. Ce parcours vous donne le droit de vous inscrire à un coaching en ligne gratuit de 3 heures pour vous préparer à passer l'examen d'accréditation de Microsoft en Power BI.
