Copilot qui s'améliore : skills, feedback et itération

Le principe : faire évoluer Copilot pendant l'usage

Un agent Copilot ne devient pas meilleur tout seul. C'est l'itération continue — via prompts affinés, skills documentées et feedback structuré — qui pilote son amélioration. La question posée dans ce webinar Microsoft 365 mérite une réponse concrète : quels mécanismes activer pour que l'agent progresse réellement dans la durée, sans réentraînement de modèle ni intervention développeur.

Trois leviers ressortent : l'affinage conversationnel en temps réel, la construction de skills réutilisables, et la mise en place d'une boucle d'évaluation (thumbs up/down, confidence meter, feedback monitoring tenant).

Affiner la réponse dans la conversation

Le premier niveau d'amélioration est le plus simple : continuer à dialoguer avec l'agent dans le même fil Copilot pour corriger le tir.

Exemple typique : un agent génère un plan de déploiement pour trois bureaux, mais oublie qu'un des sites est international et ne bénéficie pas des mêmes modèles. Plutôt que de relancer un nouveau prompt, on complète directement : « Nous avons trois bureaux, mais l'un est international et n'a pas accès à tous les modèles ». L'agent réintègre cette contrainte et affine sa sortie.

Cette itération conversationnelle reste ponctuelle. Elle ne persiste pas d'une session à l'autre — c'est là qu'interviennent les skills.

Les skills : capitaliser l'amélioration dans un document

Une skill est un fichier Markdown qui encapsule des instructions réutilisables pour un agent. Elle ne modifie pas les appels API sous-jacents — l'agent continue d'interroger les mêmes services (Microsoft 365 Copilot, Azure AI Foundry, ou les moteurs cognitifs utilisés en arrière-plan) — mais elle pilote la façon dont ces appels sont orchestrés et interprétés.

Points pratiques à retenir :

• On peut demander directement à Copilot de générer un template de skill : structure en environ huit sections à compléter.
• Une skill peut intégrer des règles de qualité, des retours d'expérience capitalisés, et des consignes de correction apprises au fil des usages.
• Le fichier est stocké dans un dossier SharePoint, ce qui permet de le gouverner avec les mécanismes de permissions et de rétention habituels de SharePoint (contrôle d'accès, versionning, cycle de vie de contenu).
• Les skills s'appliquent transversalement : Azure, Copilot dans les applications Microsoft 365, et les builds agentiques personnalisés.

Boucler avec l'évaluation : thumbs up/down et confidence meter

L'amélioration continue passe aussi par la mesure. Deux mécanismes natifs méritent d'être exploités systématiquement :

• Thumbs up / thumbs down dans l'interface Copilot : ce signal alimente les métriques de satisfaction et, si le feedback monitoring est activé au niveau du tenant, il devient visible pour les adoption specialists et administrateurs.
• Net Promoter Score (NPS) : toujours utilisé en complément pour évaluer le ressenti global sur les services de productivité, mais moins granulaire que le feedback par interaction.

L'objectif business est ce que les intervenants appellent le "hill climbing" : faire baisser le taux de réponses insatisfaisantes tout en augmentant le taux de satisfaction, de façon progressive et mesurable.

Une pratique personnelle simple à généraliser dans les instructions Copilot :

• Demander systématiquement à l'agent le "meilleur prochain prompt" pour progresser dans le sujet traité.
• Demander un indice de confiance sur une échelle de 1 à 10 pour chaque réponse, afin de décider s'il faut creuser davantage ou vérifier les sources.

Ces deux demandes peuvent être inscrites une fois pour toutes dans les instructions personnalisées de Copilot, pour ne plus avoir à les répéter à chaque session.

Sources de connaissance : garder l'agent à jour

Un agent connecté à un contenu figé (un seul document de référence, par exemple) plafonne rapidement en pertinence. Pour un agent à vocation large, la recommandation est de le connecter à un site SharePoint vivant, régulièrement mis à jour, plutôt qu'à un corpus statique.

Cette distinction a un impact de conception direct :

• Agent à périmètre restreint et stable → un document unique bien structuré suffit.
• Agent généraliste destiné à répondre sur un domaine évolutif → connexion à une source de données rafraîchie en continu (site SharePoint, bibliothèque documentaire vivante).

Le choix du modèle sous-jacent fait aussi partie de l'amélioration itérative : demander à l'agent lui-même s'il existe une façon plus efficace de traiter une tâche, ou si un autre modèle serait mieux adapté au scénario, fait partie intégrante du processus d'optimisation.

Créer une culture d'amélioration continue

La dimension technique ne suffit pas. L'amélioration des agents Copilot progresse plus vite dans les organisations qui structurent le partage d'expérience entre utilisateurs.

Bonnes pratiques observées :

• Organiser des tables rondes mensuelles avec un peu de contenu préparé, mais surtout du temps libre pour les questions et le partage de prompts.
• Le champion ou l'animateur doit montrer l'exemple en partageant ses propres blocages : "voici ce qui m'a posé problème cette semaine".
• Créer un canal de partage de prompts (Teams, distribution list, ou tout autre médium) où chacun poste ses trouvailles, y compris des prompts non liés au travail — ces exemples ludiques abaissent la barrière à l'entrée pour les utilisateurs hésitants.

Chaque utilisateur part d'un point de départ différent en termes de données, d'expérience et de perspective. Un prompt initial variera fortement d'une personne à l'autre — ce n'est pas un problème, c'est la base d'un apprentissage personnalisé comparable à un coaching individuel disponible en continu.

Points clés à retenir

• L'auto-amélioration de Copilot repose sur trois mécanismes combinables : itération conversationnelle immédiate, skills persistantes en Markdown gouvernées via SharePoint, et boucle de feedback (thumbs up/down, confidence meter).
• Les skills n'changent pas les appels API sous-jacents : elles orchestrent l'usage de l'intelligence déjà disponible via Microsoft 365 Copilot ou Azure AI Foundry.
• Connecter un agent à une source SharePoint vivante plutôt qu'à un document figé améliore sa pertinence dans le temps.
• Le feedback monitoring tenant rend visible les évaluations utilisateurs aux administrateurs : à activer en connaissance de cause.
• La culture d'adoption (tables rondes, partage de prompts, tolérance à l'erreur) accélère la montée en compétence collective autant que les réglages techniques.

Pour aller plus loin sur la gouvernance des agents et leur déploiement à l'échelle du tenant, consultez la documentation officielle sur Microsoft Copilot Studio et sur la gouvernance des agents Microsoft 365 Copilot.