Analyse de notebooks en plusieurs étapes avec un contexte complet

Skill26 octobre 2026 · Microsoft Learn - Copilot for Data Engineering and Data Science

Utilisez Copilot dans les notebooks Microsoft Fabric pour générer du code sur des workflows entiers - et pas seulement sur des cellules isolées. Copilot comprend vos données jointes, le code existant et l'état d'exécution, ce qui vous permet de demander des transformations en plusieurs étapes, du profilage et de la validation en une seule conversation. Construisez des pipelines complets plus rapidement et déboguez les erreurs en conservant tout le contexte du notebook.

Le Copilot des notebooks de Microsoft Fabric fonctionne différemment des assistants de code IA classiques. Au lieu de générer des blocs de code isolés, il comprend l'ensemble de votre workflow de notebook : le lakehouse auquel vous êtes connecté, les tables et schémas disponibles, les dataframes déjà chargés et la télémétrie d'exécution.

Ouvrez un notebook dans Fabric et cliquez sur le bouton Copilot pour lancer le volet de discussion à droite. Au lieu de demander « génère une fonction de filtre », vous pouvez demander un travail en plusieurs étapes : « Profile ma table client pour vérifier les valeurs manquantes et les doublons, puis montre-moi les 10 principaux schémas de valeurs manquantes. » Copilot sait automatiquement de quelle table vous parlez, génère le code de profilage sur plusieurs cellules si nécessaire, l'exécute et explique les résultats.

L'avantage clé est la préservation du contexte entre les cellules. Demandez à Copilot de « refactoriser cette logique de nettoyage de données brouillonne en fonctions réutilisables » et il analyse l'ensemble de votre notebook, en suggérant des modifications qui tiennent compte des dépendances entre les cellules. Lorsqu'un code échoue, utilisez « Fix with Copilot » pour obtenir un résumé de l'erreur et une correction recommandée avec tout le contexte du notebook - plus besoin de copier-coller manuellement les journaux d'erreurs.

Un ingénieur data construisant des pipelines ETL, un data scientist itérant sur une analyse exploratoire ou un analyste prototypant des jointures complexes peuvent ainsi aller de bout en bout des données brutes à une sortie validée sans changer de contexte. Copilot gère le cycle plan → génération de code → exécution → diagnostic des erreurs → affinement dans une seule boucle conversationnelle, réduisant de 30 à 40 % le temps de développement habituel d'un notebook.