
Fabric Data Agent et Fabric IQ : Microsoft Fabric à l'ère agentique
Data Agents, Fabric IQ, ontologie, graphe, MCP : comment Microsoft Fabric passe de la BI aux agents IA, comment fonctionne un Fabric Data Agent et comment réussir son projet.
Ressources
Les décryptages de nos experts pour comprendre la data, l'intelligence artificielle et Microsoft 365 : ils décryptent les évolutions des solutions comme celles de Microsoft, Snowflake ou Semarchy, et partagent leurs méthodes et retours d'expérience. Vous y trouverez aussi les actualités de Kwanzeo.

Data Agents, Fabric IQ, ontologie, graphe, MCP : comment Microsoft Fabric passe de la BI aux agents IA, comment fonctionne un Fabric Data Agent et comment réussir son projet.

Gouvernance et accès, dette documentaire, cas d'usage, prérequis techniques, conduite du changement et pilote : les étapes pour préparer Microsoft 365 avant Copilot.

L'AI Act exige des données fiables, traçables et documentées pour les IA à haut risque. Comment le MDM devient un socle de conformité et de maîtrise des risques.

Sans données de référence fiables, l'IA produit des résultats biaisés et risqués. Pourquoi le MDM devient en 2026 le socle des projets d'intelligence artificielle.

Retours de déploiement de Microsoft 365 Copilot et Copilot Studio : usages réels, agents métier, gouvernance et sécurité, et ce que l'IA révèle de votre maturité numérique.

L'intranet n'est pas mort : l'IA le renforce sans le remplacer. Pourquoi un simple champ conversationnel ne suffit pas, et quelle place donner à l'IA dans l'intranet.

Cortex AI apporte l'IA générative dans Snowflake (LLM, embeddings, Document AI, Copilot SQL) ; Snowpark y exécute Python, Pandas et le machine learning au plus près des données.

Tour d'horizon de l'IA générative : grands modèles de langage, réseaux génératifs, synthèse vocale, modèles multimodaux et architectures qui permettent de créer du contenu original.

IA analytique, automatisée ou cognitive : comment les services d'IA intégrés aux Data Platforms améliorent la productivité, l'automatisation et la prise de décision en entreprise.

Le RAG (Retrieval-Augmented Generation) permet à une IA générative de s'appuyer sur des sources externes ou internes à jour : fonctionnement, usages en entreprise, limites et mise en œuvre.

Objectif, niveau de performance, budget, tests sur vos propres cas : la méthode pour choisir le modèle GPT adapté à votre usage, rédaction, code, chatbot ou analyse.
Webinaires, matinées et cafés data : inscrivez-vous aux prochains rendez-vous ou revoyez les replays, avec leur résumé écrit.