🌊 Bienvenue sur Phare Data, la chaîne qui éclaire vos données. Dans l’océan des données, voir clair change tout. Sur Phare Data, on décrypte les services de data, d’analytics et d’IA, avec un ton accessible, des choix techniques assumés, et toujours une touche d’air marin. Que vous soyez architecte, analyste, data engineer, product owner, ou simplement curieux, Phare Data vous accompagne pour comprendre les enjeux réels, éclairer les compromis et prendre de meilleures décisions et parfois avec le cri des mouettes en bruit de fond.
🧠Cap sur l’épisode du jour ! Dans Microsoft Fabric, les Data Agents promettent de révolutionner l’accès aux données via le langage naturel. Mais une question clé divise les approches : Faut-il les connecter à un Lakehouse… ou à un Semantic Model ?
À travers un format original en mode battle live et en compagnie de Akram Drid   / akram-drid  et Emilie Beau   / emilie-beau  , nous confrontons les deux approches sur un même dataset, avec les mêmes questions et des règles strictes. Setup, qualité des réponses, performance, gouvernance : chaque round mettra en lumière les forces et limites de chaque option.
🎯 Objectif : Vous aider à comprendre :
- Quand utiliser chaque approche
- Dans quels cas elles Ă©chouent
- Pourquoi la bonne stratégie consiste souvent à les combiner intelligemment
🎥 Une session dynamique, concrète et sans langue de bois, pour celles et ceux qui veulent faire les bons choix dans Fabric.
📅 Les temps forts de cette vidéo :
00:00 : Phare Data
01:58 : Data Agents dans Fabric : Quand choisir Lakehouse vs Semantic Model ?
02:50 : Microsoft Fabric Data Agent
04:32 : Round 1 – Installation et configuration
09:05 : Round 2 – Premiers Tests
14:18 : Round 3 – Questions complexes
22:20 : Round 4 – Performances
31:34 : Round 5 – SĂ©curitĂ©
36:55 : Round Bonus
40:08 : Conclusion
Quelques sources :
- Fabric Data Agent : https://learn.microsoft.com/fabric/da…
- Fabric Data Agent Python SDK : https://learn.microsoft.com/fabric/da…
