On peut interroger les modèles sémantiques Power BI depuis Microsoft 365 Copilot, sans commencer par créer un Data Agent ou une ontologie. L’enjeu est de réutiliser les préparatifs déjà faits pour Power BI Copilot et de rendre les données accessibles là où les équipes travaillent.
Quelle solution choisir pour commencer ?
Pour démarrer le dialogue en langage naturel avec vos données, je privilégie l’intégration des modèles sémantiques Power BI dans Microsoft 365 Copilot et Cowork. C’est l’option la plus directe quand vos données sont déjà structurées dans Power BI et que le travail de préparation a été réalisé.
Cette approche réutilise les modèles sémantiques et les préparatifs déjà effectués pour Power BI Copilot. Vous partez donc d’un socle de données existant, plutôt que de reconstruire une couche d’analyse. La qualité du modèle sémantique reste déterminante : c’est lui qui donne le contexte nécessaire pour interpréter les questions et les données.
Les autres options répondent à des besoins différents. Les Data Agents sont à envisager lorsque vous avez besoin d’analyses approfondies, de réponses à des questions précises ou d’interroger plusieurs sources Fabric. Les ontologies peuvent, elles, constituer une couche au-dessus des données Fabric. Ce sont des pistes à évaluer quand les besoins de votre organisation le justifient, pas des prérequis pour commencer.
| Besoin | Option à privilégier |
| Démarrer avec les modèles Power BI déjà préparés | Microsoft 365 Copilot et Cowork |
| Analyser plusieurs sources Fabric ou traiter des questions précises | Data Agents |
| Ajouter une couche au-dessus des données Fabric | Ontologies |
Pour commencer, réutilisez vos modèles sémantiques Power BI dans Microsoft 365 Copilot et Cowork. Évaluez les Data Agents ou les ontologies ensuite, en fonction de la profondeur d’analyse et du périmètre de données recherchés.
Comment interroger Power BI depuis Microsoft 365 Copilot ?
Oui, vous pouvez interroger les données Power BI directement depuis l’application Microsoft 365 Copilot, un navigateur ou des fonctionnalités comme Copilot dans Excel. Vous n’êtes pas obligé de passer par le volet Copilot d’un rapport Power BI. C’est un point de départ pratique : vos utilisateurs accèdent aux données depuis l’outil où ils travaillent déjà, sans devoir ouvrir un rapport spécifique.
Les réponses s’appuient sur les modèles sémantiques Power BI. Un modèle sémantique décrit les données, les relations entre les tables, les mesures et les termes métier. Il sert de contexte à Copilot pour interpréter une question et sélectionner les éléments pertinents. La qualité du résultat dépend donc toujours de la qualité du modèle et de la façon dont les indicateurs sont définis.
Le travail préparé pour Copilot dans Power BI reste utile dans ce parcours. Les synonymes associés aux champs aident à faire correspondre le vocabulaire des utilisateurs aux noms présents dans le modèle. Les instructions d’IA donnent du contexte sur les données et les règles métier. Elles restent pertinentes même si la question est posée depuis Microsoft 365 Copilot ou Excel.
Après la préparation du modèle présentée au chapitre précédent, cette intégration constitue une manière simple de tester les questions métier dans un environnement familier. L’utilisateur formule sa demande en langage naturel, puis vérifie que la réponse correspond bien à l’indicateur attendu. Mon point de vigilance : une question claire ne compense pas un modèle ambigu. Les définitions, les synonymes et les instructions restent déterminants.
Selon l’article, cette intégration fournit de meilleures réponses que l’ancienne expérience Copilot dans Power BI. C’est une indication sur la qualité observée, pas une garantie pour chaque question ni une mesure universelle. Il faut donc valider les réponses sur vos propres modèles et cas d’usage.
Quel contexte Microsoft 365 enrichit les réponses ?
L’association des données analytiques de Power BI avec Work IQ peut enrichir les réponses fondées sur les modèles sémantiques. Le modèle apporte les mesures et les relations entre les données ; Work IQ peut compléter ce contexte avec des informations issues du travail quotidien, notamment des courriels ou des transcriptions de réunions.
Cette combinaison aide à relier un résultat analytique à ce qui se passe dans l’entreprise. Une question sur l’évolution d’un indicateur peut ainsi être posée en tenant compte d’éléments évoqués dans une réunion ou échangés par courriel. Le contexte disponible ne se limite donc pas aux données structurées du modèle sémantique.
L’intérêt opérationnel, c’est de poser ces questions dans les applications Microsoft 365 où les utilisateurs travaillent déjà. Ils peuvent demander un éclairage sur leurs données Power BI sans interrompre leur activité pour passer dans un autre outil. C’est utile, par exemple, lorsqu’une conversation dans Teams ou un document de travail appelle une vérification rapide d’un indicateur.
D’autres outils peuvent aussi accéder aux données Power BI via le serveur MCP Fabric IQ. Les éléments établis permettent de distinguer les deux approches ainsi :
- Microsoft 365 Copilot : l’intégration est présentée comme plus simple à configurer et plus étroitement intégrée à Power BI.
- Autres outils : ils peuvent accéder aux données Power BI via le serveur MCP Fabric IQ.
Le choix dépend donc surtout de l’usage visé. Si les questions doivent s’insérer dans les applications Microsoft 365 et bénéficier du contexte de travail associé à Work IQ, Copilot offre l’intégration la plus directe parmi ces options. Le serveur MCP Fabric IQ constitue une autre voie pour accéder aux données Power BI depuis d’autres outils.
Quels coûts faut-il prévoir ?
Le coût dépend du type d’espace de travail, de la capacité Power BI et des licences Copilot utilisées. Il faut distinguer le coût de l’interrogation des données de celui des licences nécessaires pour accéder à Copilot.
Quand le modèle sémantique se trouve sur une capacité, les requêtes DAX générées ou exécutées dans ce contexte consomment des unités de capacité, ou CU. Leur coût est donc lié à la capacité mobilisée et à son usage. Dans un espace Pro ou PPU, l’interrogation ne génère pas de coût supplémentaire au-delà de la licence correspondante.
Pour Microsoft 365 Business Premium, une estimation d’environ 20 dollars américains par mois est parfois citée. Je la traite comme un ordre de grandeur, pas comme un tarif garanti : le montant peut varier selon le pays, les taxes et les conditions de souscription. Les coûts d’IA sont couverts par la licence Copilot Business Premium. Cowork peut toutefois nécessiter des crédits supplémentaires lorsque les tâches sont complexes. Vérifiez les conditions applicables à votre abonnement avant de budgéter.
La comparaison avec l’ancienne expérience Power BI Copilot est importante. Elle nécessitait une capacité Fabric et consommait des CU pour les requêtes DAX comme pour les traitements d’IA. Le modèle de coût n’est donc pas équivalent à celui d’une interrogation dans un espace Pro ou PPU, où aucun coût additionnel d’interrogation n’est indiqué au-delà de la licence.
Voici le récapitulatif des principaux postes à prévoir.
| Situation | Coût à prévoir |
| Modèle sur une capacité | Les requêtes DAX consomment des CU. |
| Espace Pro ou PPU | Pas de coût d’interrogation supplémentaire au-delà de la licence correspondante. |
| Microsoft 365 Business Premium et Copilot Business Premium | Environ 20 dollars américains par mois à titre indicatif ; les coûts d’IA sont couverts par la licence Copilot Business Premium. |
| Cowork | Des crédits supplémentaires peuvent être nécessaires pour les tâches complexes. |
| Ancienne expérience Power BI Copilot | Capacité Fabric requise ; consommation de CU pour les requêtes DAX et l’IA. |
Est-ce le bon point de départ pour vos équipes ?
Pour démarrer le dialogue en langage naturel avec les données, l’intégration des modèles sémantiques Power BI dans Microsoft 365 Copilot et Cowork évite de commencer par des dispositifs plus complexes. Elle réutilise les modèles et les préparatifs IA déjà en place, tout en rapprochant les analyses des applications de travail. Les Data Agents restent pertinents pour des questions approfondies sur plusieurs sources Fabric, et les ontologies peuvent venir structurer une couche supplémentaire. Il faut aussi tenir compte des CU, des espaces Pro ou PPU et des licences Copilot. En partant de l’intégration existante, vous pouvez tester plus simplement l’accès aux données et accélérer leur usage par les équipes.
FAQ
-
Peut-on interroger un modèle sémantique Power BI dans Microsoft 365 Copilot ?
Oui. L’intégration permet d’interroger les modèles sémantiques depuis l’application Microsoft 365 Copilot, un navigateur ou certaines fonctionnalités comme Copilot dans Excel. -
Faut-il créer un Data Agent pour commencer ?
Non. L’intégration des modèles sémantiques Power BI dans Microsoft 365 Copilot et Cowork est un point de départ recommandé. Les Data Agents sont adaptés aux analyses approfondies sur plusieurs sources Fabric. -
Les synonymes et instructions IA préparés pour Power BI Copilot restent-ils utiles ?
Oui. Les modèles sémantiques et les préparatifs à l’IA, notamment les synonymes et les instructions, restent utiles dans cette intégration. -
Les requêtes Power BI entraînent-elles toujours un coût supplémentaire ?
Cela dépend de l’espace de travail. Sur une capacité, les requêtes DAX consomment des unités de capacité. Dans un espace Pro ou PPU, l’interrogation n’entraîne pas de coût supplémentaire au-delà de la licence correspondante. -
Microsoft 365 Copilot peut-il ajouter du contexte aux réponses analytiques ?
La combinaison avec Work IQ peut apporter du contexte issu, par exemple, des courriels ou des transcriptions de réunions, en complément des résultats des modèles sémantiques.
A propos de l’auteur
Je suis Franck Scandolera, expert en data engineering et en automatisation IA. J’accompagne les organisations dans l’intégration de leurs données analytiques et de leurs modèles Power BI aux usages métier, pour rendre les réponses plus accessibles et directement exploitables.
Dev d’applications métier · Data Engineer · Automatisation IA
Clients : Logis Hôtels, Yelloh Village, BazarChic, FFF, Texdecor…
- Apps & agents IA : Node.js, Python, API, RAG, OpenAI, Mistral, Claude
- Data Engineering : BigQuery, Snowflake, PostgreSQL, ClickHouse, dbt, Airflow, Dataform, Looker, Power BI, Metabase
- Automatisation IA : n8n, Apps Script, scraping, API, LLM
- Tracking & perf Web : GA4, GTM server, Matomo, Piano, Tealium, CAPI, Core Web Vitals