API de langage et de vision en pratique

L’API Computer Vision (/vision/v3.2/analyze) analyse l’URL d’une image ou un flux binaire et renvoie une réponse JSON détaillée contenant les objets détectés, une description de la scène en langage naturel, les couleurs dominantes et l’indication de la présence éventuelle de contenu pour adultes. Vous indiquez les fonctionnalités visuelles souhaitées — Categories, Description, Objects, Tags, Faces, Color, Adult — afin de contrôler les calculs effectués par l’API et de ne payer que ce que vous utilisez.

L’API Read (/vision/v3.2/read/analyze) est le point de terminaison OCR recommandé pour extraire du texte à partir d’images et de fichiers PDF. Contrairement à l’ancien point de terminaison /ocr, l’API Read fonctionne de manière asynchrone : vous envoyez l’image, récupérez une URL d’opération, l’interrogez jusqu’à son achèvement, puis récupérez le résultat. Elle prend en charge les textes imprimés et manuscrits dans 164 langues, conserve l’ordre de lecture des blocs de texte et gère mieux les images pivotées ou de faible résolution que le point de terminaison OCR synchrone.

Le point de terminaison d’analyse des sentiments (/text/analytics/v3.1/sentiment) renvoie une étiquette de sentiment (positif, négatif, neutre ou mixte) ainsi qu’un score de confiance compris entre 0 et 1 pour chaque document envoyé. Il fournit également l’extraction des opinions (analyse des sentiments fondée sur les aspects), qui identifie les aspects précis d’un produit ou d’un service commentés par un évaluateur ainsi que le sentiment associé à chacun — par exemple, détecter qu’un avis sur un restaurant est positif concernant la nourriture, mais négatif concernant le service.

L’extraction de phrases clés identifie les principaux sujets et concepts d’un texte et les renvoie sous forme de liste de phrases. Pour un e-mail d’assistance client, elle peut renvoyer des phrases telles que retard de livraison, confirmation de commande et demande de remboursement. Cette fonctionnalité est utile pour étiqueter automatiquement les tickets d’assistance, résumer des documents afin d’en indexer le contenu pour la recherche ou hiérarchiser le contenu d’une base de connaissances. L’API traite jusqu’à 1 000 documents par requête et prend en charge plus de 10 langues.

La reconnaissance d’entités nommées (NER) identifie et catégorise les mentions d’entités dans un texte, telles que Person, Organisation, Location, DateTime, Quantity, URL et Email. La variante de détection des PII (informations personnelles identifiables) recherche précisément les données sensibles, comme les numéros de carte bancaire, les numéros de sécurité sociale et les numéros de téléphone, et peut les masquer. La détection des PII est utile pour anonymiser automatiquement les données avant de les stocker ou de les traiter à des fins d’analyse.

L’API du Traducteur (/translate) convertit du texte entre plus de 100 langues en un seul appel REST. Vous transmettez le texte source, indiquez un ou plusieurs codes de langue cibles et recevez le texte traduit ainsi que la langue source détectée. L’API fournit également la translittération (conversion d’un système d’écriture, par exemple de l’arabe vers les caractères latins) et la recherche dans le dictionnaire pour obtenir des traductions alternatives au niveau des mots. Le Traducteur prend en charge le traitement par lots de jusqu’à 100 documents par requête, ce qui le rend efficace pour la localisation de contenu à grande échelle.

Azure IA Custom Vision vous permet d’entraîner un modèle de classification d’images ou de détection d’objets à l’aide de vos propres images étiquetées, sans écrire de code ML. Dans le portail Custom Vision, vous chargez des images, vous les étiquetez, puis vous cliquez sur Train. Le service entraîne un modèle et renvoie des métriques de performance (Precision, Recall, AP). Vous testez ensuite le modèle avec de nouvelles images et vous le publiez en tant que point de terminaison de prédiction. Les modèles peuvent également être exportés au format ONNX ou CoreML pour effectuer des inférences sur l’appareil.

La compréhension du langage conversationnel (CLU) est la successeure de LUIS. Vous définissez des intentions (ce que l’utilisateur souhaite, par exemple BookFlight ou GetWeather) et des entités (les données à extraire, par exemple la ville de destination ou la date du voyage), vous fournissez des énoncés d’exemple pour chaque intention, vous entraînez le modèle, puis vous le déployez. Les applications appellent le point de terminaison de prédiction CLU pour classer l’entrée de l’utilisateur dans la bonne intention et extraire les entités. CLU alimente la couche de compréhension des assistants virtuels et des agents conversationnels.

Les API d’Azure IA Services renvoient des codes d’état HTTP standard. 400 Bad Request signifie que l’entrée est mal formée (par exemple, un document trop long — Analyse de texte prend en charge jusqu’à 5 120 caractères par document). 401 Unauthorized signifie qu’une clé API est invalide ou manquante. 429 Too Many Requests signifie que vous avez dépassé le quota de votre service : vous devez mettre en œuvre une temporisation exponentielle avec dispersion aléatoire et réessayer. En production, envisagez une ressource dédiée (plutôt que le niveau gratuit) et demandez une augmentation du quota via le portail Azure si vous avez besoin d’un débit plus élevé.

Azure IA Services peut être intégré à Azure Logic Apps au moyen de connecteurs intégrés, ce qui permet de créer des flux de travail d’IA sans code. Par exemple : lorsqu’un nouvel e-mail arrive → extraire les pièces jointes → appeler l’API Read de Computer Vision pour effectuer l’OCR du texte des pièces jointes → appeler Analyse de texte pour extraire les phrases clés → écrire les résultats dans une liste SharePoint. Logic Apps comprend des connecteurs pour Cognitive Services (Langage, Vision, Traducteur) qui gèrent l’authentification et les appels d’API sans avoir à écrire le code des requêtes REST.

Microsoft publie des packages Python officiels pour chaque service d’IA. Installez azure-ai-textanalytics pour les API de langage ou azure-cognitiveservices-vision-computervision pour la vision. Le SDK gère automatiquement l’authentification, la sérialisation et la logique de nouvelle tentative. Authentifiez-vous avec un AzureKeyCredential ou un DefaultAzureCredential (compatible avec les identités managées). En production, il est préférable d’utiliser le SDK plutôt que des requêtes HTTP brutes, car il garantit la sécurité des types et facilite les mises à niveau lorsque les versions d’API changent.

Vérifiez votre compréhension des concepts de Microsoft Azure Fundamentals (AZ-900) présentés dans cette leçon.

Dans cette leçon, vous avez appris que l’API Vision par ordinateur analyse les images pour y détecter des objets et générer des descriptions ainsi que du texte OCR (à l’aide de l’API Read asynchrone), que les API d’analyse de texte extraient le sentiment, les expressions clés et les PII des textes, et que l’API de traduction convertit du texte entre plus de 100 langues en un seul appel. Nous allons maintenant découvrir Azure Machine Learning Studio pour entraîner et déployer des modèles d’apprentissage automatique personnalisés.