Présentation des services cognitifs Azure

Azure AI Services (anciennement Azure Cognitive Services) est une famille d’API d’IA prédéfinies qui permettent aux développeurs d’ajouter des fonctionnalités intelligentes aux applications sans entraîner de modèles d’apprentissage automatique à partir de zéro. Le portefeuille couvre quatre domaines : Vision (analyser les images et les vidéos), Language (comprendre et générer du texte), Speech (convertir l’audio en texte et inversement) et Decision (personnaliser le contenu et détecter les anomalies). Tous ces services sont accessibles via des API REST, des SDK ou le portail Azure.

Vous pouvez approvisionner Azure IA Services de deux façons. Une ressource multi-services (appelée Azure IA Services dans le portail) permet d’accéder à la plupart des API via un point de terminaison et une clé API uniques — ce qui est pratique pour le développement et l’expérimentation. Une ressource à service unique (par exemple Computer Vision ou Analyse de texte) donne accès à une seule API, avec une facturation dédiée et des limites de quota propres au service. En production, les ressources à service unique sont souvent privilégiées pour contrôler les dépenses et appliquer des stratégies de sécurité propres à chaque service.

La catégorie Azure IA Vision comprend plusieurs API. Computer Vision analyse les images pour détecter les objets, produire des descriptions de scènes, reconnaître du texte (OCR) et détecter du contenu pour adultes. Custom Vision vous permet d’entraîner votre propre modèle de classification d’images ou de détection d’objets à partir de quelques dizaines d’images étiquetées seulement. API Face détecte les visages et les émotions, avec des contrôles d’accès favorisant un usage responsable. Azure IA Video Indexer extrait des informations des fichiers vidéo, notamment la reconnaissance des intervenants, la transcription et la détection des scènes.

La catégorie Langage Azure IA fournit des fonctionnalités d’analyse de texte. Analyse de texte propose l’analyse des sentiments, l’extraction de phrases clés, la reconnaissance d’entités nommées (NER) et la détection de la langue. Traducteur Azure IA traduit du texte entre plus de 100 langues au moyen d’un seul appel d’API. Compréhension du langage Azure IA (CLU) classe les intentions des utilisateurs à partir du langage naturel afin de créer des applications conversationnelles. Réponses aux questions Azure IA crée une base de connaissances à partir de FAQ et de documents pour répondre aux questions en langage naturel.

La catégorie Reconnaissance vocale Azure IA fait le lien entre l’audio et le texte. La reconnaissance vocale en texte (STT) transcrit l’audio parlé en temps réel ou en mode par lots, prend en charge plus de 100 langues et permet d’utiliser des modèles acoustiques personnalisés pour les termes propres à un domaine. La synthèse vocale (TTS) convertit le texte en audio à la sonorité naturelle grâce à des voix neuronales dans plus de 140 langues. La reconnaissance des intervenants identifie ou vérifie les personnes grâce à leur voix. La traduction vocale associe STT et Traducteur pour fournir une traduction vocale en temps réel.

La catégorie Décision comprend des services de personnalisation et de détection des anomalies. Détecteur d’anomalies Azure IA analyse les données de séries chronologiques (par exemple les métriques de serveur et les chiffres de ventes) et identifie automatiquement les anomalies sans nécessiter de jeu de données d’entraînement étiqueté : il apprend les schémas normaux à partir des données historiques. Personalizer Azure IA (désormais intégré à la sécurité du contenu dans certains affichages) utilise l’apprentissage par renforcement pour sélectionner le meilleur élément de contenu à présenter à un utilisateur en fonction de caractéristiques contextuelles. Ces deux services sont utiles dans les scénarios opérationnels et de veille stratégique.

Toutes les API d’Azure IA Services suivent le même modèle : récupérez l’URL du point de terminaison et une clé API (ou utilisez une identité managée) depuis votre ressource, puis envoyez une requête HTTP POST contenant les données utiles et l’en-tête d’authentification. L’API renvoie une réponse JSON contenant les résultats. Microsoft fournit des kits SDK clients pour .NET, Python, JavaScript, Java et Go qui encapsulent les appels REST avec des objets typés et une logique de nouvelle tentative, ce qui simplifie l’intégration sans devoir gérer manuellement HTTP.

Microsoft conçoit Azure IA Services autour de six principes d’IA responsable : équité (l’IA ne doit pas être discriminatoire), fiabilité et sécurité (l’IA doit fonctionner comme prévu), confidentialité et sécurité (les données doivent être protégées), inclusion (l’IA doit donner les moyens d’agir à chacun), transparence (l’IA doit être compréhensible) et responsabilité (les êtres humains doivent répondre des décisions de l’IA). Certaines fonctionnalités, comme celles d’identification de l’API Face, nécessitent de soumettre une demande officielle à Microsoft avant d’obtenir l’accès.

Azure IA Services applique une tarification à l’utilisation : vous payez par appel d’API, par image analysée, par caractère traduit ou par minute audio transcrite. Chaque service et chaque niveau possède sa propre unité de tarification. Un niveau gratuit (F0) existe pour la plupart des services, avec des quotas d’appels limités (par exemple 5 000 appels par mois pour Analyse de texte), ce qui permet d’expérimenter gratuitement. Le niveau Standard (S0) offre des quotas plus élevés et convient à la production. Les coûts augmentent linéairement avec l’utilisation : aucun engagement mensuel fixe n’est requis.

Les ressources d’Azure IA Services doivent être sécurisées au-delà de l’authentification par clé API utilisée par défaut. Les bonnes pratiques consistent notamment à stocker les clés API dans Azure Key Vault plutôt que dans le code, à utiliser une identité managée pour accéder à la ressource sans clé, à restreindre l’accès réseau au moyen de points de terminaison privés afin que la ressource ne soit accessible que depuis votre réseau virtuel, et à activer la journalisation de diagnostic pour auditer tous les appels d’API à des fins de conformité. Les clés API doivent être renouvelées régulièrement : chaque ressource possède deux clés afin de permettre un renouvellement sans interruption de service.

De nombreux services Azure IA peuvent être déployés sous forme de conteneurs Docker dans les scénarios nécessitant une résidence des données (le traitement reste sur site ou dans une région donnée) ou dans des environnements déconnectés. Vous récupérez l’image du conteneur depuis le registre de conteneurs Microsoft, vous l’exécutez avec votre clé API et la configuration du point de terminaison, puis vous appelez l’API REST du service à l’adresse localhost. Le conteneur contacte Azure pour la facturation : toute l’utilisation continue d’être suivie et facturée via votre abonnement Azure, mais le traitement par IA s’effectue localement.

Dans cette leçon, vous avez appris qu’Azure IA Services fournit des fonctionnalités d’IA prédéfinies dans les domaines de la vision, du langage, de la reconnaissance vocale et de la décision, accessibles via des API REST ; qu’une ressource multi-services simplifie l’accès grâce à un point de terminaison et une clé uniques ; et que tous les services doivent être sécurisés avec Key Vault et une identité managée et peuvent être déployés sous forme de conteneurs pour répondre aux exigences de résidence des données. Nous allons maintenant découvrir comment appeler concrètement les API de langage et de vision.