Fabric Roadshow : Le meilleur des nouveautés de la FabCon Atlanta

0:03[musique] [musique] Bonjour et bienvenue sur Fardata, la chaîne qui éclaire vos données. Dans l'océan de données voir clair change tout. Sur Fre data, on décrypte les services de données d'analytique CDIA. Le tout avec un ton accessible, des choix techniques assumés et une touche derma. Que vous soyez architecte, analyse, dat ingénieur, product honur ou simplement curieux, Fardata 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. Si ce genre de contenu vous parle,

Présentation des intervenants et contexte FabCon Atlanta

0:48n'hésitez pas à vous abonner. Cap sur l'épisode du jour. Aujourd'hui, j'ai le plaisir d'être accompagné par Émilie et Fred pour partager quelques-unes des nouveautés qu'on a sélectionné lors de la FAPCON 2026 à Atlanta. Hier, nous étions à Paris dans les locaux de Microsoft pour présenter ces mêmes démonstrations à la fabrique CRO. [musique] Avant de rentrer dans le vif du sujet et des super démos, Fred Émilie, est-ce que vous pouvez vous présenter qui vous êtes, ce que vous faites ? Oui, donc enchanté Émilie B. Alors moi je suis Solution Engineer euh sur toute la stack data et analytique Microsoft et donc j'accompagne des grands comptes Microsoft d'un point de vue technique sur tous ces sujets. Et bonjour tout le monde Fred Gisberg mais moi je suis partenaire solution architect donc sur tout le périmètre data et j'accompagne les partenaires sur l'implémentation des projets chez nos

Unification des données avec OneLake, mirroring et shortcuts

1:49clients. La FAPCON a eu lieu à Atlanta il y a environ 2 semaines et pour la première fois, elle a réuni communautés à savoir la communauté SQL et celle de Fabrique. Il faut savoir que pour les prochains événements, il se pourrait bien que les deux communautés soient toujours réunies. Il y a eu plus de 8000 participants, ce qui en fait le deuxè plus gros événement Microsoft communautaire. Est-ce que vous connaissez le premier Émilie Fred ? Et bien, je crois que c'est l'ign. Et en effet, c'est l'incroionnant. On peut rappeler que Power BI a bientôt 10 à 11 ans je crois et que Fabric a plutôt 2 ans. Et ils ont profité de la Fabcon pour rappeler quelques reconnaissances et notamment celle du Gartner aussi bien sur les parties data intégration, database, AI et business intelligence et les quelques reconnaissances aussi du Forester notamment sur la partie real time. Alors, on a décidé puisque on avait pas forcément suffisamment de temps pour présenter toutes les nouveautés d'en sélectionner certaines. On va aussi s'appuyer sur le framework Fabrique IQ pour les présenter à différents niveaux. On va commencer par l'unification des données puis leur processing pour arriver aux connaissances et aux fameux data agents. On travaille chez Microsoft ce qui nous a permis d'avoir en avance de phase l'accès à certaines fonctionnalités ce qui nous a permis aussi de créer nos propres démos et de pas vous présenter les mêmes démos qui ont été jouées lors de l'événement. On va essayer d'y inclure aussi quelques retours d'expérience en utilisant ces ces nouvelles fonctionnalités. Alors LIA n'est performante qu'avec des données et un contexte de qualité. La fondation dans le framework Fabric, c'est l'unification de votre patrimoine de données. Dans Microsoft Fabrique, c'est au travers du Oneelake qu'on évoque cette fondation. On l'appelle souvent le OneDrive mais pour vos données d'entreprise. L'idée est simple, proposer un datalec unique pour toute l'organisation, scalable à l'infini et repesant sur des formats de stockage ouvert. La donnée n'est pas dupliquée, mais pourtant elle est accessible par l'ensemble des workloads. On dit que c'est la fin des silotchniques. Le oneelake, il est bien évidemment sécurisé. Les utilisateurs peuvent facilement trouver la donnée dont ils ont besoin tandis que les équipes IT conservent un haut niveau de sécurité, de gouvernance, de conformité avec des outils qui sont déjà intégrés dans la plateforme. En résumé, le Onelec apporte une fondation unique gouvernée et ouverte sur laquelle tous les workload fabriqu peuvent s'appuyer pour accélérer les projets data et dia. Partager la Oneelake, c'est aussi simple que de partager la donnée dans le OneDrive. Grâce au raccourci, les données peuvent être analysées sans être importé, que ce soit on premises ou dans d'autres cloud provider. On peut citer que grâce au mirroring, les données sont répliquées et maintenu à jour en quelques clics. On peut aussi rappeler que le stockage de ces données est gratuit et dépend du SKU. par exemple avec une capacité de F64, ça nous permet de disposer de 64 Tas gratuits, ce qui est assez conséquent. Donc on réduit la complexité d'accès et d'intégration à votre données. On évoque souvent le oneel comme un hub de data virtualisation qui devient un point de convergence multicloud. Alors les collecteurs, il y en a de plus en plus, ils se multiplient. On peut citer euh le JA de SAP datasphère de Oracle et on a annoncé à la Fabconés notamment sur Azure Monitor et Dremio. On retrouve ici la liste complète des différents connecteurs et on peut citer la GIA en bidirectionnelle de Snowflex et la preview de Datab qui va nous permettre à DataBabx de se connecter aux données stockées dans le Onelec directement et simplement. On va voir des démos avec notamment le ShareP list en mirroring. On va voir aussi des démos sur l'accès via des shortcuts à des fichiers Excel. Et on peut aussi rappeler une des nouveautés qui a été annoncée qui est celle du l'extension du mirroring avec notamment le support en preview du Delta Change Datafeit qui va nous permettre d'écouter en temps réel toutes les modifications faites sous mes bases de données lié au mirroring ou encore quelques nouveaux partenariats dans l'Open Mirroring tel que Informatica. Alors, les shortcuts qui sont des raccourcis et qui offrent un accès aux données sans nécessité la création d'une pipeline d'intégration complexe, ils peuvent être également enrichis par certaines transformations, mais on va garder ces données toujours synchronisées, toujours à jour. Donc, on peut citer l'AG de ces shortcut transformation. Et si on a des fichiers non structurés tels que des avis clients, des emails, vous pouvez appliquer des transformations dia intégré tel que la traduction, l'analyse de sentiments, la détection de données sensibles, le masquage de données, bref un certain nombre d'enrichissements que vous pouvez apporter on top de vos données et qui vous permet après coup d'avoir une table au format delta toujours à jour.

Cas d'usage entreprise : intégration et enrichissement des données

7:16Alors, on va prendre un cas d'exemple à se placer dans une entreprise Fardata qui commercialise des produits bretons. Alors, Far Data qui est un détaillant en ligne qui a bien évolué mais qui rencontre aujourd'hui certaines limites. Les données, les outils sont fragmentés. L'intégration de nouvelles données s'avère complexe et coûteuse et en conséquence l'entreprise prend des décisions lentes et peu fiables et elle n'est pas prête à intégrer les alors on va découvrir comment Fardata va transformer sa plateforme de données grâce à Microsoft Fabrique dans l'objectif de conquérir le monde. Alors je suis ici dans fabrique, je suis ici dans une SQL database dans fabrique. J'ai un certain nombre de produits déjà disponibles que je vends. J'ai ici accès à mon one lake à travers de mon house et je vois un certain nombre de sources déjà référencées mais comme beaucoup d'entreprises, j'ai aussi beaucoup de données dans Excel. Alors, j'ai ce fichier Excel qui est classique dans lequel j'ai aussi des formules. Je vais vouloir créer un shortcut sur ce fichier Excel stocké dans un SharePoint. Donc, je crée mon nouveau shortcut de type table. Ici, je vais choisir dans quel dossier ce fichier Excel existe. Je pourrais en avoir plusieurs. Et ici, il va me proposer déjà de sélectionner l'entête comme nom de colonne de ma future table et de pouvoir choisir certaines feuilles qu'il va pouvoir combiner ou pas. Et ici, je vois clairement la transformation Excel delta table. La synchronisation s'effectue et en quelques temps, je vais pouvoir analyser cette nouvelle table. Maintenant, si j'ai des actualisations de cette table, elles seront bien évidemment synchronisées. Mais la question que tout le monde se pose, c'est si je change par exemple le nom d'une colonne, qu'est-ce qui va se passer ? Ici, ce qui est intéressant, c'est que je retrouve aussi le nom de la feuille, le nom du fichier. Voilà. Donc, testons le fait de modifier, de rajouter ici euh une nouvelle colonne, de changer le nom d'une colonne existante pour voir comment ça réagit. La synchronisation a déjà détecté qu'il y avait des changements. Ça s'opère pour moi automatiquement. Et je vois donc mon ancienne colonne qui est vide, la nouvelle 2 qui est pleine et j'ai aussi ma nouvelle colonne test. Maintenant, j'ai des données non structurées qui concernent des avis de clients sur mes produits. Est-ce qu'on en parle de bien de mes produits ou pas ? Vous imaginez l'analyse que je vais en faire de ces différents fichiers texte non structurés qui sont aussi dans différentes langues. Et donc ici, je vois que je vais pouvoir enrichir mes données non structurées par une analyse de sentiments. Très simplement, chaque nouveau fichier sera synchronisé. Je vois ici le résultat. J'ai du mal au longer après une bouchée. Je suppose qu'on parle de Kunyaman, mais on sait que le Kunyaman, c'est bon quand il y a du beurre, donc c'est finalement pas très grave. Autre source de données assez commune chez nos clients, j'ai des données dans une SharePoint list ici en l'occurrence des promotions. Ce que je vais vouloir faire ici, c'est non pas un shortcut mais créer un mirroring. Et on retrouve ici la liste des possibilités en terme de mirroring. Je retrouve ma SharePoint list. Je vais donc choisir dans quelle ShareP list ma donnée que je souhaite répliquer et donner le nom à ma table. Le mirroring est actif et les nouvelles lignes seront automatiquement répliqué dans ma base de données en miroir. Maintenant que j'ai ces différentes sources de données, je vais pouvoir les requêter, créer des requêtes pour les corréler et cetera. Mais ici, en l'occurrence, je vais choisir de créer un modèle pour après créer des visuels et après utiliser la fonctionnalité transliticale qui est en depuis la Fabcon. Je crée ici mon sémantique modèle. Je vais chercher les données sans quitter l'interface sur mon leus. Je reprends les tables qui m'intéressent. Je vais donc être connecté ici en direct le pas besoin de rafraîchir mon sémantique model. J'aurai toujours les dernières données à jour. J'ai ici rajouté la table promotion. Maintenant je souhaite rajouter une dimension date comme souvent. Et là en l'occurrence je vais choisir depuis la galerie TMDL un bout de code TMDL. Et ça me permet de montrer ici une nouveauté, le TMDL view depuis l'interface graphique. Comme ceci, je vais pouvoir créer ma nouvelle table qui est en mode import celle-ci. Et donc, on voit aussi une nouveauté composite modèle entre direct le et mode importu l'interface. Je vais au-dessus d'une table qui est en direct le pouvoir créer des nouveaux colonnes calculées. Ça c'est aussi une nouveauté. Alors, rappelons qu'il est toujours pertinent de faire les choses euh le plus tôt possible, mais euh ça peut être intéressant dans certains cas ici d'avoir les colonnes calculé disponibles sur des données en direct l. Je rajoute ma dernière table sur les produits provenant de mon SQL database. Je suis ici toujours en direct le lc. Maintenant, je vais pouvoir passer à la partie visualisation et créer un rapport au-dessus de mon sémantique modèle ici. En utilisant l'assistant copilote. Je lui demande de créer un rapport sur l'analyse de mes produits, de mes ventes, des sentiments, des catégories et cetera. Mon rapport est créé. J'analyse mes sentiments, les commentaires, j'analyse mes ventes et cetera. Je vois notamment différentes catégories. Une autre nouveauté qui a été annoncée, c'est la possibilité de changer le mode de calcul des totaux sur une table, ce qui était très entendu par nos clients. Maintenant, passons à la partie transliticale qui est en J. Et donc ça passe par la création d'une user data function sur laquelle je vais créer une connexion vers ma SQL database et ça va me permettre comme ceci en lui passant en paramètres la catégorie le produit d'updater la catégorie d'un produit que j'aurais sélectionné. Je montre au passage l'input slicer qui est aussi en J depuis peu et qui va me permettre de renseigner à la main depuis l'interface de mon rapport le nom de ma nouvelle catégorie. Ici, j'ajoute mon UDF et en paramètres donc la chaîne de connexion vers mon input slicer et une mesure qui va me permettre de choisir en fonction euh de la catégorie celle sélectionnée. Et donc comme ceci, je vois ici la box poisson d'avril qui est connectée à la catégorie poisson. Je veux renommer poisson en déco, donc changer le nom de la catégorie. Et ici, j'ai exécuté. Pas besoin de rafraîchir le sémantique modèle puisque je suis en direct lake, je vois directement l'information. Très bien. Avançons. Maintenant, l'entreprise est côté en bourse, il y a besoin de gouvernance et de sécurité. Ça tombe bien, il y a quelques nouveautés qui ont été présentées à la FAPCON sur

Gouvernance, sécurité et monitoring des capacités

14:51le sujet et notamment au travers du Oneel Catalogue. Ici, je vais pouvoir la voir la classification de mes différents objets à l'intérieur de fabrique. En tant qu'administrateur, je vais pouvoir voir les domaines sur lequels il y a moins de classification. Et donc comme ceci, je vais pouvoir m'aider de copilote. J'ai retrouvé le domaine dans lequel il y avait un manque de classification de données rapport que la classification va me permettre notamment de faire du DLP datalos prevention, d'avoir côté pure viiew des euh policy et cetera. Donc ça peut être pertinent hein de classifier vos données. Autre nouveauté, toujours dans le oneeleg catalogue, je vais avoir des informations beaucoup plus précise sur mes sémantiques modèles et je vais pouvoir aussi demander à copilote de me décrire euh ce qui va me permettre ici de mon sémantique modèle, ce qui va me permettre après de mieux le retrouver. par exemple sur le layout, ça me donner aussi plus d'informations sur mes tables, les colonnes, des commentaires et je vois ici notamment des données sur le Social Security Number, des données peut-être importantes que je devrais pas donner accès à tout le monde. Ça tombe bien sans quitter l'interface encore une fois du Oneel catalogue dans la partie sécurisation je vais avoir un accès central pour gérer toute la sécurité de mes objets et notamment le colonne level sécurité qui est aussi en J depuis peu. Comme ceci je vais pouvoir créer un nouveau rôle dans lequel je vais ajouter Éric Charbonnier parce que j'ai pas envie qu'il ait accès à cette colonne là. Et donc comme ceci, j'ai simplifié euh j'ai sécurisé ma donnée. Maintenant l'usage de fabrique évolue dans mon organisation. J'ai de plus en plus de capacités. Je vais vouloir monitorer en temps réel leur usage. Ça tombe bien, j'ai des nouveaux events en temps réel que je vais pouvoir monitorer comme le capacity event overview qui est en J. Et très bientôt, on va voir les capacity operation event qui vont me permettre d'être encore un peu plus granulaire sur les événements au-dessus de mes capacités. J'ai des workspace des fois qui consomment un peu trop de ressources. Ici via le workspace level surge protection, je vais pouvoir limiter ce qu'ils vont pouvoir consommer. Je vais aussi pouvoir donner euh une catégorie à certains workspace mission critical qui vont euh qui seront du coup pas limité. par euh ce paramètre capacity overage billing. Très intéressant. Plutôt que doubler euh le coût de ma capacité euh peut-être pendant un temps donné, je vais ici activer le capacity overage qui fait que j'aurai plus de throing. Je vais pouvoir comme ceci consommer un certain nombre de cuotling, des ralentissements. Je vais pouvoir payer on top un certain nombre euh de CU pour optimiser l'usage de ma capacité. On va regarder ici une démonstration. Je suis sur une capacité, je vais ici autoriser 96 CU que je vais pouvoir consommer dans les 24 heures. Je pourrais très bien savoir combien C8CU va me coûter en amont, hein. Donc je définis un seuil. Maintenant, je regarde ma capacité. Tiens, j'ai eu des pics de consommation. C'est peut-être encore une fois ce Éric Charbonnier qui a surconsommé et peut-être ici on le voit à travers du copilote. Donc il a effectué pas mal d'activités. Maintenant, on se demande est-ce que ça a eu un impact ? va regarder si ça a eu un impact en terme de rafraîchissement de mes sémantiques modèles. Il n'y a pas eu de rejection. Par contre, est-ce qu'il y a eu des interactive rejection ? La réponse est il y en aurait eu si je n'avais pas activé le capacity overage. Maintenant, on va regarder combien ce capacity overage m'a coûté et je vais avoir ici la le détail sur le nombre de CU par seconde qui ont été consommés. On se pose tous la question maintenant combien ça m'a coûté en terme d'euros. Et là pour se faire, je vais côté Azure, je vais côté et je retrouve ce meters capacity overage capacity usage. Mais dans cette liste de metteurs, il y en a certains qui sont intégrés au prix de ma capacité, d'autres ne le sont pas comme celui-ci. Ça peut être intéressant d'avoir une solution on top pour monitorer l'ensemble de vos coûts fabriques. Ça tombe bien, il a été annoncé à Fabcon ce jump start qui référence un certain nombre de solutions euh qui sont prêts au déploiement et j'ai notamment une solution qui s'appelle fabrique cost analysis et qui comme son nom l'indique va nous aider dans la compréhension des des coûts fabriques. Je retrouve ici cette solution. Je vais avoir le détail. OK, elle se connecte aux Azure Cost, aux réservations au quota. Ces données sont enrichies pour me permettre après de les analyser au travers d'un data agent expert en FinOPS ou de rapport. Donc vous pouvez le l'installer. On peut aussi la retrouver dans le GitHub de la Toolbox. Cette solution, je l'ai déployé. Ça me permet de monitorer tous mes coûts. Je vois les coûts qui sont intégrés au prix de ma capacité. Je vois ceux qui sont top comme ce fameux capacity overage. Ça va me permettre aussi d'avoir le détail sur les activités. Par exemple, copilote au travers de leur usage sur mes x capacités, combien ça m'a coûté d'avoir aussi l'information sur l'impact du pose. Le nombre de capacités augmenté. J'ai créé des réservations, ce qui me permet de diminuer le coût. Je vois où sont mes capacités, je vois leur usage, je vois aussi le détail de différentes opérations teles que voilà copilote par exemple. Ça m'a permis notamment d'apprendre qu'à un moment donné, mes réservations n'étaient pas totalement utilisées. C'est dommage. Ça m'a permis aussi de grandir sereinement puisque j'avais une visibilité sur les quotas toujours utiles. Donc en tant que CTO de Fardata, je peux dire que le oneel qui va unifier la donnée, le catalogue renforce la gouvernance et la sécurité et nouveauté côté capacity management rendre l'exploitation beaucoup plus prévisible. l'ençant offre aux utilisateurs et aux agents un contexte fiable et actionnable. N'hésitez pas à investir dans F data. Et ben, on va continuer sur la partie euh process et toute la partie connaissance avec une petite nouveauté déjà pour commencer plutôt à destination des administrateurs ou des utilisateurs plutôt avancés avec ce qu'on a appelé les edges skills fort fabric. Alors, c'est quoi les edges skills ? Ce sont des compétences que l'on va pouvoir fournir à des agents IA et ces agents IA au travers de ces skills vont pouvoir créer, interroger et gérer des objets fabriques mais de manière complètement sécurisée et gouvernée. Alors comment on va les utiliser ? Et ben, on va les utiliser au travers de gitup coilot d'outils comme VS Code Copilot, Cloud Code et cetera. Il y en a d'autres qui sont compatibles et chacun de ces skills va en fait être dédié à une action précise. On va utiliser les API fabriques derrière en respectant les contraintes de sécurité et on va pouvoir créer un workspace, attacher une capacité à un workspace, créer des layouts, exécuter des pipeline et cetera. Et donc ensuite et ben un agent va pouvoir combiner plusieurs de ces skills pour pouvoir réaliser des scénarios complets de projet data. Autre nouveauté, là on va passer côté ingestion données. Alors les nouveautés côté ingestion données, on a on en a eu pas mal et on en a eu une très intéressante côté notamment Azure Data

Migration Azure Data Factory et nouveautés Data Factory

22:33Factory. On a annoncé dans Azure Data Factory un assistant de migration pour pouvoir migrer en quelques étapes les items depuis Azure Data Factory vers Fabrique Data Factory. Et pour ça, on a un nouveau petit bouton côté Azure Data Factory pour pouvoir migrer les pipelines, les datasets, les datafow et même les mapping datafow. Alors, on va regarder comment ça se passe en démonstration. Là, je suis du coup côté Azure Data Factory. Je vois à gauche que j'ai quatre pipelines à migrer et donc j'ai ce petit bouton pour pouvoir lancer cet assistant de migration. Ici, je vois un assessment qui est fait pour pouvoir identifier la compatibilité de mes différentes étapes avec notamment fabrique Data Factory. Je vais sélectionner le workspace dans lequel je vais faire atterrir mes différents pipelines et ensuite je vais repasser côté fabrique pour pouvoir terminer la configuration de cette migration. Donc là, je retrouve mes datasets, mes data flow, mes pipeline que je suis en train de migrer. Je retrouve le détail de mon assistant de migration. Et ce que je vais faire, c'est du remapping des chaînes de connexion. Donc soit le mapping est fait automatiquement, soit j'ai besoin de le refaire manuellement. Ensuite, j'ai plus qu'à sélectionner un dossier pour pouvoir héberger ces différents pipelines et l'assistant de migration se lance et donc va transcoder le code Azure Data Factory vers Fabrique Data Factory. Et donc je vais me retrouver avec exactement le même pipeline que j'avais côté ADF mais cette fois-ci vraiment au sein de l'interface Azure Fabrique Data Factory. Ce qui est très intéressant aussi, c'est que on a annoncé une nouveauté côté pipeline au niveau des activités, une nouvelle activité SSIS pour pouvoir invoquer un package SSIS. En paramétrant un accès vers un house qui contient des packages SSIS, on va pouvoir exécuter tout notre historique, tout notre patrimoine de transformation au travers des CISS. Donc ultra imprtique, si vous avez pas encore eu l'occasion finalement de de faire la transition entre SSIS et les nouveaux outil de TL côté fabrique, vous avez la possibilité de continuer à les exécuter au travers de cette de cette nouvelle action. Et bien sûr, je termine par la partie map mapping data flow dont je parlais tout à l'heure avec cette capacité aussi de l'émigrer. Donc là pareil, je vais sélectionner un mapping datafow. Je vais faire le mapping euh côté chaîne de connexion. Et ce qui est intéressant, c'est que je vais me retrouver côté fabrique avec exactement la même interface, la même expérience des mapping data flow que celle que je pouvais avoir côté fabrique, côté euh Azure Data Factory. Donc vous voyez ici que je suis vraiment exactement dans les mêmes dans la même configuration. je peux venir rajouter euh différentes transformations de données. Et donc une fois que mon pipeline a été migré, je me retrouve avec mon pipeline historique qui était sur Azure Data Factory que je vais pouvoir enrichir avec les nouvelles actions qui sont disponibles aujourd'hui euh côté fabrique Data Factory. On continue au niveau des nouveautés avec cette fois-ci des nouveautés côté transformation données. Alors c'est pas une nouveauté en tant que telle. Euh ce sont les materialized like views qu'on

Materialized Like Views et gestion de la qualité

25:59appelle en raccourci les MLV qu'on a annoncé en general availability. Ces MLV, à quoi ça va servir ? Et ben, ça va tout simplement nous permettre de simplifier les transformations de données dans des architectures le houseous dans le sens où ça va nous aider à faire des transformations pour faire passer des données d'une étape à une autre. Par exemple, si on parle d'une médaille en architecture, de passer d'une étape bronze à une étape silver, puis d'une étape silver à une étape gold, mais de manière plus simple, sans avoir à mettre en place des pipelines, des data flow. Et ces transformations euh effectivement, on peut les faire avec d'autres types de de workload fabrique. Mais là, l'idée c'est vraiment d'avoir des transformations de type code déclaratif. Donc c'est du code que l'on va réaliser dans des notebooks fabriqu soit en Spark SQL soit en Python et qui ont l'intérêt de pouvoir persister ses vues en tant que table delta dans le house. Donc je vais créer ma vue telle que je souhaite l'avoir dans mon étape cible et ensuite cette vue sera persistée en tant que MLV au sein de mon house dans une table delta. Ce qui va être très intéressant aussi, c'est la possibilité de pouvoir intégrer des contraintes de qualité donné directement dans la définition de ces transformation. Et donc si ma règle métier n'est pas respectée, je vais pouvoir choisir soit de ne pas intégrer la donnée qui effectivement ne répond pas à cette contrainte, soit de mettre ma MLV en échec de façon à pouvoir corriger ces problématiques de de data quality avant de la relancer. Dernier intérêt, c'est que je vais avoir un graphe visuel qui va me permettre de suivre les étapes de transformation et qui va permettre aussi le refresh séquentiel de l'ensemble du chaînage de mes MLV. Donc, je vais partir de ma source et ensuite mes transformations vont se faire au fur et à mesure de manière séquentielle sur la définition de ma de mes différentes MLV. Alors, on va voir tout ça en démonstration. Donc là, je suis dans un environnement dans lequel j'ai fait un mirroring sur une table postgel d'une table sur laquelle j'ai des problématique de qualité, notamment par exemple ici des numéros de téléphone qui me manquent. Et bien, je vais aller au niveau de mon house et je vais venir sélectionner l'option materialize leg views. Le fait de sélectionner cette option, ça va m'ouvrir du coup, comme vous l'avez compris, un notebook. Et dans ce notebook ici, j'ai choisi de faire ma MLV en Python. Je vais commencer par définir ma MLV. Donc je vais lui donner un nom, euh un commentaire. Je vais définir les différentes colonnes que je souhaite voir apparaître dans ma nouvelle vue. Et surtout, c'est là que je vais définir mes contraintes de qualité. Par exemple, ici, si le numéro de téléphone n'est pas présent dans la ligne que je souhaite insérer, à ce moment-là, je n'insère pas cette ligne. Ces contraintes de qualité, je vais pouvoir en faire différemment. Je vais pouvoir checker si euh j'ai un code PI dans une liste. Je vais pouvoir faire une expression régulière. Je vais pouvoir vérifier la présence d'une donnée à partir d'une base de d'une autre table en réalisant une requête SQL. Bref, j'ai plusieurs façons de définir ces contraintes de qualité et comme je vous le disais, on peut le faire en Python, mais on peut le faire aussi en Spark SQL. Donc là, de la même façon, je crée ma matérialise View. Ensuite, je vais faire comme un citas, hein. Je vais définir le select pour définir les colonnes que je souhaite voir dans ma vue. Et je vais venir euh positionner mes contraintes de qualité, mes checks de qualité au niveau de cette MLV. Une fois que j'ai réalisé mes différentes MLV, je reviens au niveau de mon option matériel like Views et je vais dans la partie manage pour pouvoir accéder à ce fameux lineé edge. Et là, je vais avoir une petite icône de type triangle quand il s'agit de mes tables sources. Et lorsque je vois une matérial use qui a été créée, je vois une petite icône de type éclair. Donc là, je vois que j'ai réalisé deux MLV euh en séquence pour pouvoir traiter, transformer ces données. Et de cette façon, je vais pouvoir visualiser vraiment l'enchaînement des évolutions de ma donnée et des transformations que j'ai pu y faire avec ces différentes MLV. Je vais pouvoir schéduler donc euh l'ensemble du déclenchement de ces transformations et qui vont pouvoir être réalisé euh de façon delta, c'est-à-dire je vais pouvoir venir mettre à jour uniquement les données qui ont changé au niveau de la source de données. Ensuite, ce qui est intéressant aussi, c'est que je vais avoir tout un reporting pour pouvoir suivre justement euh les données qui n'ont pas pu être intégrées au travers de ces contraintes de qualité de données. Par exemple, ici, je vois le nombre de lignes qui ont effectivement été insérées et le nombre de lignes qui ont été rejetées parce que elles n'ont pas répondu aux contraintes de sécurité de de qualité. Je vais aussi pouvoir visualiser quelles sont finalement les tables qui ont eu le plus de lignes rejetées par rapport à ces contraintes de qualité. Et je vais également pouvoir voir quelles sont les contraintes en tant que telles euh qui se sont vu voir le plus de rejets. Donc quelles sont les contraintes les plus drastiques finalement pour lesquelles j'ai le plus à travailler au niveau de la qualité de mes données en amont. Donc une fonctionnalité très intéressante encore une fois qui est passée en general en general availability. Et on va terminer par une très grande nouveauté qu'on a annoncé aussi lors de cette FAPCON. Euh là, on va passer plutôt sur la partie analytique où bah finalement les plateformes analytiques aujourd'hui comme fabrique, on les utilise beaucoup pour comprendre ce qui s'est passé sur son business. Donc qu'est-ce qui s'est passé dans le passé ? Avec bien sûr toute la partie realtime intelligence, on est en capacité de surveiller ce qui se passe en temps réel sur son business et de pouvoir suivre à l'instant ce qu'il se passe. Mais finalement, quand on arrive en matière de planification, on se retrouve souvent sur des outils qui sont déconnectés, des processus manuels, souvent de la saisie manuelle dans des fichiers Excel ou dans des outils EPM séparés. et ça va nécessiter de faire des extractions, des copies et finalement beaucoup de réconciliations manuelles. Et le problème c'est que la planification, elle doit être absolument connectée aux données opérationnelles euh et au et au reporting qu'on qu'on en fait pour pouvoir justement ajuster ces plans quand les données réelles évoluent. Et donc si on a des fichiers Excel statiques ou des outils déconnectés, et ben on a vraiment des difficultés à avoir une vision vraiment fiable et à jour de ces projections.

Fabric Plan : planification collaborative

33:04C'est pourquoi on a annoncé une nouvelle capacité au sein de fabrique qui s'appelle fabrique plan. Et cette nouvelle capacité, elle va justement nous permettre de faire de la planification d'entreprise. On va pouvoir créer des objectifs, créer des budget, faire des prévisions. On va pouvoir définir des scénarios, des scénarios optimistes, des scénarios pessimistes, du watif et surtout on va pouvoir comparer les plans par rapport aux données actuelles. Et ce qui est vraiment intéressant, c'est que tous ces toutes ces planifications, on va pouvoir les renseigner, les écrire, les créer directement au sein de fabrique sur la plateforme de données et ensuite les persister au sein de fabrique, au côté euh de nos données analytiques. Alors, concrètement euh plan, ça fait partie du workload IQ et ça vient d'un éditeur qui s'appelle Lumel qui est spécialisé dans tout ce qui est planification et pilotage de la performance. C'est une fonctionnalité en nos codes. Donc on fait vraiment de la saisie manuelle comme on pourrait la faire dans Excel. On va saisir donc ses prévisions, ses budgets et surtout on a accès ça sur la collaboration de façon à pouvoir offrir un outil qui soit le plus collaboratif possible permettant à plusieurs personnes de définir ses objectifs, ses plans. Une petite démonstration pour rendre tout ça concret. Donc ici, je suis un manager commercial et du coup mon CO m'a demandé de soumettre un plan pour atteindre un revenu de 19 milliards de dollars en 2026. Donc ce que je vais faire, c'est que je vais aller dans plan et je vais créer une planning sheet. Cette planning sheet, je vais la connecter à mes données. Donc mes données sur les derniers quarters. Ici, je suis sur un modèle sémantique dans lequel je vois ventiler les catégories de produits sur les différents quarters de l'année 2025. Et bien ce qui va être intéressant, c'est que je vais pouvoir me rebaser sur ces données pour pouvoir euh effectuer mes projections futures. Donc je vais copier mes données 2025 et je vais venir les réajuster directement en saisie ici. Donc par exemple, je vais venir prendre une catégorie de produits à fort potentiel, je vais lui rajouter un 14 %. Donc là, on voit bien que je double clique dans la cellule et je viens directement rajouter un pourcentage supplémentaire euh en saisi directement dans ce tableau. Je vais pouvoir aussi par exemple pour une catégorie de produits que je lance euh récemment venir directement me donner un objectif chiffré à 45 millions de dollars. Et ce qui est intéressant, c'est qu'une fois que j'ai fait ça, je vais loquer l'ensemble de ce que j'ai déjà travaillé en terme de projection et je vais mettre mon objectif global qui est mes 19 milliards de façon à ce qu'il reventile l'ensemble de ces objectifs sur les catégories de produits que je n'ai pas encore euh redéfini manuellement. Je vais pouvoir notifier mon manager de ce plan et ensuite je vais pouvoir lui proposer ces fameux scénarios euh plutôt optimiste ou pessimiste. Donc pour ça, je crée un scénario dans lequel je vais avoir un curseur qui va me permettre d'aller ajuster plutôt à la hausse ou à la baisse les objectifs que je suis venue définir. Et donc de cette façon, de manière très simple, j'ai la possibilité de me créer ces différents scénarios pour les soumettre à mes collègues. On a également une vue ici que l'on voit au travers de ce de ce map où je vais pouvoir voir la ventilation de ces différents objectifs et tout ce que je vais modifier ici dans cette vue sera répertorié bien sûr au niveau de ma vue tableur. Ici je vais comme je vous le disais on est sur du collaboratif donc je vais pouvoir ajouter des commentaires. Je vais pouvoir ajouter un statut, une date et bien sûr euh un responsable pouvoir définir une personne qui sera responsable de la définition d'un objectif. Je vais pouvoir mettre des contraintes de sécurité pour que n'importe qui n'ait pas accès à cette working sheet et surtout euh je vais pouvoir derrière monitorer qui est venu ajouter quelle donnée, modifier quelle données sur cette planning sheet. Ensuite, je vais persister ces données au sein d'une table fabrique. Et donc l'ensemble de la planification que j'aurait réalisé manuellement sera enregistré dans cette table euh qui est disponible au sein de la partie SQL dans fabrique. Et ce qui est intéressant, c'est que je vais pouvoir l'utiliser avec l'ensemble des autres workload. Par exemple, si j'utilise IQ euh au niveau de mon anthologie, je vais permettre à mes agents, à mes copilotes de venir interroger à la fois mon mes données historiques et de pouvoir les confronter euh à mes objectifs, à mes planifications futures sur 2026. Donc voilà pour ces belles nouveautés côté FAPCON, côté analyse et process. Super, merci. Bien super. Ben merci Émilie, merci Romain. On va on va continuer sur la présentation des nouveautés. Donc on va remonter un petit peu dans les couches. On va pas mal parler de fabrique IQ et d'une autre partie qui est un peu moins un peu moins connue à présent, c'est les applications dans dans Fabrique. Euh donc vous avez beaucoup entendu parler d'IA et que l'IA sur la data mais c'est ça ça fonctionne pas très bien aujourd'hui. Il faut comprendre que sur cette place de la donnée au service de l'IA, le temps réel va prendre beaucoup plus de place et et on s'aperçoit avec tous les use cas, les cas d'usage qu'on a chez chez nos clients, on a de plus en plus de volonté d'aller chercher la donnée au plus près des systèmes en amont bien évidemment de de la récupérer, de s'y connecter et de prendre des décisions sur sur cette donnée. Mais tout ça reste un peu un peu technique et souvent trop technique et on a besoin de rajouter cette cette couche métier au-dessus de toutes ces ces événements et ces données techniques que l'on va récupérer pour faire ce dernier kilomètre et amener justement cette observabilité, cette décision jusqu'au métier. OK ? Donc on a on a besoin de simplifier cette trajectoire vers le métier. Donc la brique temps réel dans Microsoft Fabrique prend de plus en plus de place dans les architectures des architectures d'entreprise. Donc on va faire le le focus sur quelques nouveautés. Il y a eu énormément de nouveautés qui ont été annoncées sur la brique temps réel. On va faire le focus sur trois grandes nouveautés. Alors, la première, c'est

Nouveautés temps réel : connecteurs, custom stream et business events

39:37euh l'enrichissement des connecteurs. Euh quand on parle de temps réel, on pense souvent à des plateformes type euh Solas, type Confluent euh avec qui nous avons de très bons partenariats pour se connecter justement de notre plateforme Trael à leur plateforme Trael. Mais de plus en plus, on est en train d'enrichir notre propre plateforme euh Torel avec un euh énormément de de connecteurs. Donc je vais pas tous les citer. Euh vous avez la liste à l'écran et on a annoncé pas mal de connecteurs même pour des produits tels que Say Force, Snowflex, Service No où on va pouvoir aller capturer des transactions et capturer des événements pour les injecter directement dans notre dans notre plateforme. Le deuxième la deuxième annonce qui pour moi est assez majeure aussi, c'est ce qu'on appelle le custom stream connector. Ça peut paraître un peu barbare mais c'est cette capacité que vous allez avoir si le connecteur n'existe pas dans la bibliothèque fabrique de créer votre propre connecteur sur un standard qui est Kafka Connect. Donc c'est un standard qui est assez euh partagé par euh plusieurs éditeurs et vous allez pouvoir euh coder, paramétrer votre propre connecteur et l'uploader directement dans les interfaces euh fabriques et à partir de là l'utiliser en source d'un event stream au même titre qu'un connecteur qui est managé par euh par euh par Microsoft. La troisième information qu'on voulait vraiment mettre en avant, c'est ce qu'on appelle les business events. Les business events, ça a été annoncé justement à la à la Fabc. Donc c'est en public prévu aujourd'hui. Ça va vous permettre de transformer un ensemble de signaux très techniques, des transaction euh des événements qui arrivent sur des event up, sur des upafk ou autres en des événements métiers. Par exemple, vous pouvez dire, j'ai tout un tas d'événements qui se sont fait dans mes dans mes systèmes en amont, peut-être dans plusieurs systèmes, un système SAP, un système S force et autres qui représentent, je sais pas, l'édition d'une facture. Et donc, vous allez pouvoir corréler tous ces événements entre eux et vous dire bah si ce schéma est respecté, alors la sortie de de mon event stream est aussi un business event de type la facture a été émise. Et à partir du moment où on a cet artefact qui a été créé, donc c'est un vrai objet au sens fabrique, on va pouvoir y associer des alertes par exemple via notre service d'activateor ou autrees pour déclencher des choses, déclencher des mails, déclencher des publications Teams, déclencher des notebooks ou euh ou autres ou autres événements dans la plateforme. Donc voilà. Donc c'est vraiment cette transition entre des éléments qui sont très techniques en amont et on va les transformer en ces fameux business. Euh on on va s'arrêter là sur le temps réel en en tant que tel. Vous avez énormément d'annonces qui ont été faites. On va s'intéresser maintenant à toute la la l'ensemble IQ. Donc donc l'ensemble de

Fabric IQ : modèles, graphes, ontologies et agents

42:34connaissances, on va dire fabric IQ comme l'ensemble des connaissances qu'on a dans la plateforme fabrique. Vous connaissez, vous savez que le l'ADN de fabrique c'est d'un même plateforme. Ça c'est vrai. Donc on essaie justement de de connecter cette plateforme sous la forme d'un data hub dans l'entreprise. Donc on essaie de la connecter nativement ou en dupliquant la donnée dans fabrique ou en elle a très bien dit Romain ou en faisant des de la virtualisation donnée via des shortcuts sur des choses qui restent dans le du client. Et à partir du moment où on a connecté cette plateforme au d'entreprise, on va aller raisonner à l'intérieur de cette plateforme sur des projets de de données qui peuvent être du mèche, qui peuvent être du médaillon, qui peuvent être plein de choses. C'est pas parce qu'on a fait un data hub en centrale que derrière on est obligé de se limiter à ce à ce à ce dat. Donc ça c'est très bien, mais comment est-ce qu'on va un peu plus loin en disant bah maintenant que cette plateforme est connectée, comment on met à la disposition facilement les données qu'il y a à l'intérieur à nos métiers ? Et c'est là où tout fabrique IQ, on l'appelle comme ça la les bases de connaissance au sens large fabriquent ont beaucoup de valeur. Donc vous voyez, ça englobe un certain nombre de d'artefacts propres à la plateforme fabrique. On va retrouver les les modèles sémantiques, on va retrouver les digital twin, donc ces jumeaux numériques dans les de de de potentiel système qui vont avoir leur jumeaux numérique directement dans la plateforme. cette notion de graphe où on est tout n'est pas table ou vu mais on va aussi avoir des relations sur la forme de de graphe les les cartes les dates agents les operational agent on va voir tout ça juste après mais aussi l'ontologie l'ontologie ça va être cette cette notion de domaine de connaissance que vous allez mettre à disposition d'agent ou directement de métiers pour parcourir plus facilement les informations que vous allez dans l'entreprise. [grognement] Donc c'est quoi cette ontologie ? Globalement dans votre entreprise, vous avez avoir un certain nombre d'entités. C'est très propre à beaucoup d'entreprises. C'est pour ça qu'on narrive pas avec un un un concept très défini de l'ontologie, mais vous allez pouvoir l'adapter à votre modèle d'entreprise. Un certain nombre d'entités, certains vont s'y retrouver des produits, des distributeurs, des clients, des inventaires et autres. Ces produits sont des entités et ils vont être liés entre eux par tout simplement des de relations. Donc c'est cette modélisation qui va vous permettre d'avoir cette ce modèle d'ontologie en reliant les entités euh entre elles via des relations. Bien évidemment, toutes ces entités vont aussi porter un certain nombre de propriétés, porter un certain nombre d'attributs qui vont permettre de définir les entités, mais auxquelles aussi vous allez rattacher un certain nombre d'actions qui sont propres à vos entités. par exemple ici le le transform tout ça pourquoi pour résoudre et participer à un certain un certain nombre d'objectifs métiers que vous allez fixer. C'est là où de plus en plus on dit que les sociétés doivent devenir data centrique parce qu'on va apporter la donnée jusqu'au métier pour leur permettre ou de cette donnée d'en faire un produit d'entreprise à part entière et là l'ontologie peut avoir beaucoup de sens en cette notion ou ce produit peut aussi rendre un de vos produits historiques d'entreprise très premium parce qu'on va rajouter de la donnée, on va rajouter de la valeur à ce produit à ce produit historique. Voilà, ça ça participe à tout cette à toute cette notion. Donc la première chose qu'on a annoncé, c'est la général availability, donc la possibilité d'utiliser en production toute cette notion de graphe. D'accord ? Donc tous les graphes, le nouveau moteur de graphe que l'on a de de fabrique peut aller en production. Donc c'est un moteur qui est très puissant, qui est issu de l'engineering LinkedIn euh avec qui on a travaillé pour intégrer ce moteur directement dans la fabrique. Donc ça c'est en production euh aujourd'hui. Au-dessus du graphe, vous allez avoir l'ontologie qui elle euh reste en public preview et on va avoir d'autres annonces qui vont être faites dans les dans les dans les mois qui viennent. La deuxième général avability, c'est toute la partie cartographie. Donc ça c'est plutôt sympa. On va ramener cette notion de cartographie très poussée maintenant en tant qu'un artefact propre. Donc vous êtes pas obligé de dépendre par exemple d'un type de graphique dans Power BI ou autre. Vous allez pouvoir créer un artefact de type carte qui va vous permettre de d'empiler les les couches directement dans cette cartographie pour représenter différentes informations qu'elles proviennent de plusieurs sources plutôt d'un d'un LOS directement d'un du du W Lake ou potentiellement d'une base qui va être très orientée Time Series sur un event OS ou autre. Donc vous allez pouvoir faire des représentations assez poussées sur cette notion de de cartographie. Euh la partie la plus euh émergente, on va dire et de de cette de ce fabric IQ est tout ce qui est euh sur la notion d'agent. Donc vous avez deux grands types d'agents euh dans Fabrique aujourd'hui, les data agents et les operation agents. Donc une des énormes nouveautés de la FAPCON, c'est que nos dates à agents aujourd'hui sont euh général availability, donc utilisable en production. C'était très attendu par euh par nos clients. Qu'est-ce que c'est un data agent ? est un agent conversationnel que vous allez pouvoir créer au-dessus de vos données. Donc vous allez pouvoir lui rattacher un certain nombre de sources de données que ce soit des Lakos, des eventos, des warehous, de l'ontologie, un un grand nombre de de sources de données. Vous allez pouvoir le verticaliser avec un certain nombre d'instructions. Donc ce data agent par exemple est spécialisé dans les relations marketing, les relations de vente et autres. Et en plus, vous allez pouvoir euh détailler au sein même d'un dat agent euh quelle sous-partie des données et euh est directement utilisable depuis cette source ou depuis cette source. Donc c'est très très puissant. Donc ça c'était très attendu. Les data agents euh les data agents c'est une conversation de l'utilisateur vers l'agent et à contrario, on a créé les operation agents qui eux restent en public preview pour l'instant euh qui sont une conversation de l'agent vers l'utilisateur. Donc c'est un agent qui va monitorer vos données, qui va suivant des règles que vous avez créé et paramétré va monitorer les données et au déclenchement de ces règles va avoir une interaction avec vous. L'interaction peut être par exemple sur euh un canal Teams, vous allez recevoir un message parce que justement les règles ont été euh euh bah ont été validées et du coup un message vous a été envoyé pour vous alerter de quelque chose et à partir de là vous allez ou réagir avec l'agent ou peut-être déclencher des outils liés à l'agent pour corriger des choses ou faire des des des interventions. Donc très intéressant mais c'est plutôt une une relation l'agent vers vers l'utilisable. Alors on va passer par sur un concept un petit peu un petit peu différent et c'est et et là où on nous attendait pas beaucoup dans dans Microsoft Fabric, c'est pourquoi pas votre capacité de

Fabric Extensibility Toolkit et création d'applications

49:56créer votre propre ce qu'on appelle workload mais on va aller un peu plus loin votre propre application directement dans Microsoft Fabric. Aujourd'hui, quand vous créez un un rapport Power BI, un warehouse, un Lake House, ce genre de choses, ce sont des workload Microsoft. Donc on a des euh on a annoncé euh et pareil en général availability. Donc pour moi, ça reste la plus grosse annonce qu'on a fait euh à la FPCON, c'est euh la possibilité d'aller en production avec vos propres applications, vos propres workload à l'intérieur de fabrique. Donc ça s'appelle le Fabric Extensibility Tool Kit. Donc tout est dans le nom. Euh vous allez pouvoir étendre les capacités de la plateforme fabrique avec votre vos propres applications, vos propre création. Euh on a énormément de partenaires qui sont de type ISV qui sont en train de euh réfléchir ou en ou en train de développer ou certains ont déjà développé leur workload et vous pouvez en bénéficier dans la plateforme fabrique ont développé des solutions que vous pouvez directement provisionner. Donc je sais pas, on peut citer ici bah le fameux Lumel dont parlait Émilie tout à l'heure. C'est un work fabrique qui a été fait par l'UMEL et qui va justement permettre d'étendre les capacités. Donc voyez, on a cette notion un petit peu de marketplace. D'ailleurs euh si vous voulez que votre workload que vous avez créé euh soit rendu public et et utilisable par plusieurs clients, vous allez le publier sur la marketplace sur une euh solution SAS et il va pouvoir après être euh redescendu dans les différentes tenant clients qui ont envie de consommer votre workload. Euh je tiens à dire que ce workload n'a pas forcément valéité à être public. Vous pouvez avoir un workload qui peut être partagé par beaucoup de clients, mais vous pouvez avoir un workload qui est votre application d'entreprise, votre déclinaison d'une application dans l'entreprise que vous allez publier dans euh dans Fabrique et qui reste privé à votre tenant. Et donc c'est là où ça devient intéressant. Vous avez une application, vous pouvez avoir dans différents worksplace, vous faites new item et vous redescendez votre application dans les différents workplace. Donc ça devient très très puissant. Alors, on a fait une petite démonstration euh comme le disait Romain au début, on vous a voilà, on a accès à ces à ces outils, on a créé des choses. Euh on connaît beaucoup les démonstrations Microsoft sur les taxis new yorkaais. On connaît maintenant avec les E Tour approche de e-commerce avec le avec la démonstration Zava. Euh nous

Démonstration : monitoring de flotte de montgolfières

52:39on a fait une démonstration qui est un petit peu particulière qui est une le monitoring une flotte de mongolfière dans le centre de la France au-dessus des des châteaux de la Loire. Donc on a fait toute une vidéo et je vous propose justement de d'expliquer cette cette démonstration. Donc tout part de ce fameux concept de workload. Donc dans Microsoft Fabric, on a voyez si on clique sur l'onglet workload, vous avez tous les workload partenaires. Et là, on a été créé un workload qui s'appelle Skynifit Manager. Vous allez pouvoir décrire ce workload. Donc ça va nous faire des beaux dashboards. Vous allez voir, on peut faire voir un petit peu des une description, vous pouvez mettre des images, vous pouvez mettre le lien guit sur sur World Workload et cetera. La première chose que l'on a fait, c'est on a été simulé une télémétrie de mongolfière euh avec tous les artefacts de la de la mongolfière avec le niveau de propane, l'altitude, la télémétrie sur le vent et autres avec une petite une petite application assez sympathique sur laquelle on peut même déclencher des alarmes. Par exemple, on a une alerte sur un niveau de proprielfère et derrière on va récupérer toutes ces informations dans fabrique. Tout ça est streamé dans fabrique. Et par exemple, on peut déclencher directement avec l'activateor des alertes parce qu'on a reçu une télémétrie sur par exemple un niveau de propane trop faible. On va derrière stocker toutes ces informations directement dans une base euh très orientée Time Series, un event house qui va nous stocker bah toute la télémétrie qui est qui est remontée. On a été même jusqu'à créer une ontologie donc un système de vision des des différents domaines. Al bien sûr, on va aller matérialiser les ballons, les pilotes, les mongossières, les pilotes, les vols, les sites, les zones de restriction de vol et cetera et derrière ça va nous générer un graphe complet avec les différentes entités et les relations entre entités et les attributs qui sont portés par ces entités. Donc ça c'est intéressant parce que derrière on va pouvoir aller analyser toutes ces entités directement dans notre dans notre workload. Et donc vous vous retrouvez dans votre workload qui a été créé. Vous voyez, c'est très très customisé. On n pas l'impression d'être dans fabrique. Si vous enlevez le menu à gauche, on a absolument pas l'impression d'être dans fabrique. Vous avez en réel et vous voyez avancer les différentes mongolfières sur la carte au-dessus des différents chirquez sur les mongolfières, vous zoomez dessus. Vous avez l'historique des des vols, vous avez les différentes alertes, vous avez toute la notion de télémétrie qui est remontée. Mais [grognement] ce que l'on a fait, on a été aussi encapsulé un agent directement à l'intérieur du workload dans Microsoft Fabrique. Et la particularité de cet agent, c'est qu'il est baqué par Microsoft Foundry avec un modèle GPT à qui on a donné l'accès à un certain nombre de serveurs MCP, par exemple les la météo, les vents et cetera. Et vous pouvez directement par exemple là dire euh à l'agent donne-moi un statut de ma flip de de mongolfire et il va aller chercher la témétrie et vous donner un statut de la flongolfire. Vous pouvez lui dire aussi quel mongolfire est en danger ou qui a été quel mongolfière est soumis à des vents très forts. Et donc là, il va aller activer les serveurs MCP et retourner en plus de la télémétrie les différentes informations. On a été aussi jusqu'à lui donner l'ontologie en source de cet agent. Donc il n'a pas juste accès à la télémétrie mais à toute l'ontologie. Vous voyez ici les ballons, les vols, vous pouvez naviguer entre ces euh différentes entités mais vous voyez du coup tous les attributs qui peuvent être requiétés par euh l'agent directement dans le dans workload. Donc tout ceci pour dire que euh ce workload amène l'information euh directement au business dans une application qui lui est propre et qui lui est très métié. Ici, vous avez affaire à quelqu'un qui gère les opérations sur une sur une sur une flit. Et vous voyez qu'on déborde complètement de cette juste notion de plateforme fabrique avec en embarquer toute cette notion de métier directement dans Microsoft Abonne. Donc on a rendu public ce repository. Donc vous avez la la l'adresse ici AK.s Skynav. Vous pouvez complètement vous projeter dans ces dans ces workload. vous pouvez complètement recréer cette démo de votre côté en installant les différents les différents artefacts. Si vous ne voulez pas aller aussi loin que la démonstration Skynav, il existe aussi une adresse pour le Extensibility Starter Kit qui va vous permettre de faire une sorte de hello world sur les workload, donc de publier publier d'en fabrique un Hello World sous la forme d'un d'un workload. et ils ont fait les choses euh ils ont commencé à faire les choses vraiment enfin c'est c'est très bien fait maintenant parce qu'ils ont publié justement à la Fapcon une skills qui va vous permettre si vous avez un GUP copilote ou autre directement en langage naturel de commencer les développements et en vibe codant en allant directement à l'essentiel et en commençant à publier des choses. Bien évidemment c'est pas production ready. C'est pour ça que Skynave que vous avez vu tout à l'heure est très production ready. vous allez avoir toutes les étapes pour rentrer en production votre workload. Mais voilà, je trouve que cette extension de la plateforme fabrique vers les applications est vraiment une avancée majeure que l'on a aujourd'hui sur sur la plateforme.

Livre sur Microsoft Fabric et conclusion

58:11Super, merci beaucoup. Vous l'aurez peut-être compris hein, on a rédigé le livre The Definitive Guide to Microsoft Fabrique ensemble avec Fred Christopher qui devait être sur scène aussi lors de le Fabric Show et aussi Jean-Pierre Riel. On a écrit un livre. Donc on a essayé lors de cette présentation des nouveautés de la Fabcon ben de coller à peu près à nos chapitres parce qu'on imagine aussi mettre à jour notre livre et donc se tenir toujours au courant des nouveautés. N'hésitez pas à profiter puisqu'on a demandé à notre éditeur Pact d'avoir un discountte pendant cette période à utiliser le discount qui offre je crois 10 à 15 € de réduction sur livre ce jusqu'au 5 avril. Donc voilà, encore une fois n'hésitez pas à en profiter. Merci à vous deux. Merci à vous d'avoir suivi cet épisode de Fardata. Si vous avez des questions, n'hésitez pas à les mettre en commentaire et on vous dit à très vite pour un nouvel épisode. Merci, à bientôt. Merci. Merci, à bientôt.