Accéder au contenu principal Passer au contenu complémentaire

Source analytique Cohere (Amazon Bedrock)

Utilisez le connecteur analytique Cohere (Amazon Bedrock) pour communiquer avec Cohere en enrichissant vos applications Qlik Sense d'informations analytiques et contextuelles approfondies provenant de la technologie d'IA générative et de la technologie LLM (Large Language Model - Grand modèle de langage).

Avec le connecteur analytique Cohere (Amazon Bedrock), vous pouvez envoyer à Cohere des données provenant de l'entrée du consommateur de l'application ou des données chargées dans votre script. Vous pouvez vous connecter à cette source analytique depuis la page Créer du centre d'activités Analyses, de Script ou au sein d'une application.

Le connecteur analytique Cohere (Amazon Bedrock) supporte les variantes de modèle suivantes :

  • Command

  • Command Light

  • Embed English v3

  • Embed Multilingual v3

La plateforme Cohere

Models

Conditions préalables requises

Pour pouvoir utiliser ce connecteur, vous devez être un utilisateur AWS disposant d'une clé d'accès et d'une clé secrète. Vous devez également être titulaire de l'autorisation bedrock:invokemodel.

Activation des points de terminaison d'apprentissage automatique dans la Qlik Cloud

Pour pouvoir utiliser ce connecteur, il convient d'activer des points de terminaison d'apprentissage automatique dans le centre d'activités Administration. Il est possible de le faire sous Contrôle de fonction dans la section Paramètres.

Pour plus d'informations, consultez Activation de connections analytiques pour des points de terminaison d'apprentissage automatique.

Limitations

  • Ce connecteur a une limite de requête de 25 lignes par requête, avec une taille de lot maximale d'une ligne envoyée à la fois.

  • Les ressources disponibles sur les services sur lesquels le modèle a été déployé impacteront et limiteront les performances de chargement de Qlik Sense et de réactivité du graphique.

  • Dans un scénario dans lequel une application est régulièrement chargée, la bonne pratique consiste à mettre en cache les prédictions d'apprentissage machine via un fichier QVD et à envoyer uniquement les nouvelles lignes au point de terminaison. Cela améliore les performances de rechargement de l'application Qlik Sense et réduit la charge sur le point de terminaison du modèle.

  • Si vous utilisez un nom de connexion relatif et si vous décidez de déplacer votre application d'un espace partagé vers un autre espace partagé, ou si vous la déplacez d'un espace partagé vers votre espace privé, il faudra du temps pour que la connexion analytique se mette à jour afin de refléter le nouvel emplacement d'espace.

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 !