Accéder au contenu principal Passer au contenu complémentaire

Utilisation de prédictions ML

Une fois que vous avez déployé votre modèle d'apprentissage automatique, vous pouvez l'utiliser pour générer des prédictions. Vous pouvez mettre ces prédictions à profit pour prendre des décisions plus efficaces et mieux informées basées sur les données dont vous disposez.

Vous pouvez créer et Modifier des déploiements ML et générer des prédictions dans des espaces personnels ou partagés. Vous pouvez également publier des déploiements ML dans des espaces gérés et générer des prédictions. L'accès aux déploiements ML est contrôlé via l'espace. Pour plus d'informations sur les espaces, voir Utilisation des espaces.

Il est possible de créer des déploiements ML dans des espaces personnels, partagés et gérés. Il est possible de stocker les données de prédiction d'un déploiement ML dans un espace personnel, partagé ou géré.

Flux de travail

Les étapes suivantes montrent, dans un exemple, comment utiliser des déploiements ML et des prédictions.

  1. Déployez le modèle

    Déployez le modèle à utiliser pour faire des prédictions.

    Déploiement de modèles

  2. Réalisation de prédictions

    Effectuez des prédictions manuelles ou planifiées sur les jeux de données ou utilisez l'API de prédiction.

    Création de prédictions sur des jeux de données

  3. Faire approuver votre modèle

    Avant de pouvoir effectuer des prédictions avec le déploiement ML, vous devez activer le modèle source pour qu'il puisse effectuer des prédictions. L'approbation de modèles peut être effectuée par les utilisateurs et les administrateurs titulaires d'autorisations spécifiques.

    Approbation de modèles déployés

  4. Visualisez les informations prédictives

    Chargez les données de prédiction générées dans une application et créez des visualisations.

    Visualisation de valeurs de Shapley dans des applications Qlik Sense

  5. Explorez les données via des scénarios hypothétiques

    Intégrez l'API de prédiction à une application pour obtenir des prédictions en temps réel. Cela vous permet d'essayer des scénarios hypothétiques en modifiant les valeurs des caractéristiques et en obtenant les résultats prédits des nouvelles valeurs. L'enregistrement est transmis au déploiement ML via l'API et une réponse est reçue en temps réel. Par exemple, quel serait le risque de perte de clientèle si nous modifiions le type de programme ou si nous augmentions le tarif de base ?

  6. Agissez

    Analysez les informations prédictives et les scénarios pour savoir comment agir. Qlik Application Automation vous aide à automatiser les actions et fournit des modèles spécifiques pour des cas d'utilisation d'apprentissage automatique. Pour plus d'informations sur les automatisations, voir Qlik Application Automation (uniquement en anglais).

Conditions requises et autorisations

Cette section répertorie les conditions utilisateur à remplir pour pouvoir utiliser des déploiements ML et les prédictions que vous pouvez effectuer grâce à eux.

Déploiements ML

Pour pouvoir utiliser des déploiements ML, vous devez être titulaire des rôles suivants :

  • Droit Professional ou Full User

  • Afficher et créer des déploiements ML : Rôle de sécurité Automl Deployment Contributor ou Automl Experiment Contributor

  • Modifier et supprimer des déploiements ML : Rôle de sécurité Automl Deployment Contributor

  • Rôle requis dans l'espace dans lequel se trouve le déploiement ML.

Pour plus d'informations, voir :

Prédictions

Pour pouvoir créer, modifier et supprimer des configurations de prédiction, vous devez être titulaire des rôles suivants :

  • Droit Professional ou Full User

  • Rôle de sécurité Automl Deployment Contributor

  • Rôle requis dans l'espace dans lequel se trouve le déploiement ML.

Les prédictions peuvent être exécutées par lots (à partir de la configuration d'une prédiction) ou en temps réel. Vous pouvez également utiliser le connecteur Qlik AutoML pour exécuter des prédictions.

Pour pouvoir exécuter des prédictions via l'une de ces méthodes, vous devez être titulaire des rôles suivants :

  • Rôle de sécurité Automl Deployment Contributor

  • Rôle requis dans l'espace dans lequel se trouve le déploiement ML :

    • Espaces partagés : les utilisateurs titulaires de Droit Professional ou Full User doivent disposer du rôle Propriétaire, Peut gérer, Accès en écriture ou Peut consommer des données dans l'espace. Les utilisateurs titulaires de Droit Analyseur doivent disposer du rôle Propriétaire ou Peut consommer des données dans l'espace.

    • Espaces gérés : les utilisateurs titulaires de Droit Professional ou Full User doivent disposer du rôle Propriétaire, Peut gérer ou Peut consommer des données dans l'espace. Les utilisateurs titulaires de Droit Analyseur doivent disposer du rôle Propriétaire ou Peut consommer des données dans l'espace.

  • Pour les prédictions planifiées configurées avec l'interface utilisateur AutoML, il existe également des conditions requises que le propriétaire de la configuration de prédiction doit remplir. Voir : Appartenance de la configuration de prédiction

Les prédictions générées depuis l'interface utilisateur Qlik AutoML sont créées sous forme de jeux de données. Par conséquent, les mêmes conditions requises pour pouvoir utiliser des sources de données dans Qlik Cloud s'appliquent pour pouvoir utiliser la sortie de ces prédictions (par exemple, pour pouvoir l'utiliser dans une application Qlik Sense). Pour pouvoir créer des jeux de données dans votre espace personnel, vous devez être titulaire du rôle Private Analytics Content Creator.

Pour plus d'informations, consultez :

Approbation de modèles

Pour activer et désactiver le modèle déployé source d'un déploiement ML, vous devez disposer d'autorisations spécifiques. Ces autorisations sont différentes selon que vous effectuez ces actions en tant qu'utilisateur ou en tant qu'administrateur. Pour plus d'informations, consultez :

En savoir plus

Cette page vous a-t-elle aidé ?

Si vous rencontrez des problèmes sur cette page ou dans son contenu – une faute de frappe, une étape manquante ou une erreur technique – dites-nous comment nous améliorer !