Aller au contenu

Lab 094: Gouvernance et FinOps Copilot : contrôles IA, politiques, budgets et crédits

Level: L300 Parcours: enterprise Durée: ~90 min Coût: Simulation gratuite ; parcours réel payant

Conception gratuite d'abord

Terminez l'exercice avec Copilot Free ou la simulation incluse. Les fonctions payantes sont facultatives et clairement indiquées.

Impact sur les AI Credits

Faible pour l'exercice guidé ; moyen/élevé pour les exécutions agentiques ou répétées. Préférez la sélection automatique du modèle, planifiez avant d'agir, gardez un contexte ciblé et évitez les sessions parallèles inutiles.

Ce que vous apprendrez

  • Cartographier politiques Copilot et AI Controls
  • Concevoir exclusion de contenu, audit et dépannage
  • Estimer l'usage en AI Credits sans inventer de quotas
  • Créer budgets en couches et playbooks de seuils

Alignement GH-300

Data and architecture (10–15%) · Privacy and safeguards (10–15%). Cette correspondance suit l'instantané GH-300 du 07/08/2026. Le plan officiel peut conserver des termes anciens comme « Copilot Edits » ; ce lab enseigne l'expérience actuelle et signale la différence.

Carte conceptuelle

flowchart TD
  E[Enterprise credit pool] --> O[Organization budgets]
  O --> T[Team alerts]
  T --> U[User guidance]
  U --> M{Threshold}
  M -->|50%| A[Observe]
  M -->|75%| B[Optimize context/model]
  M -->|90%| C[Investigate outliers]
  M -->|100%| D[Apply approved limits]

Exercice pratique

Étape 1: Simulation gratuite : matrice de politiques

Pour chaque persona, décidez si complétions, chat, CLI, MCP, agent cloud, revue et agents tiers sont permis. Les agents VS Code locaux ne sont pas gouvernés de la même façon.

Étape 2: Simulation gratuite : estimateur de crédits

Classez les charges faible, moyenne ou élevée. Estimez tokens entrée × prix + tokens sortie × prix, puis divisez les USD par 0,01 pour obtenir les crédits. Utilisez les prix officiels actuels.

Étape 3: Concevoir des budgets en couches

Allouez pool entreprise, garde-fous organisation, alertes équipe et guidance utilisateur. Définissez les actions à 50 %, 75 %, 90 % et 100 %.

Étape 4: Parcours payant facultatif

Dans une entreprise autorisée, reproduisez la matrice dans AI Controls, configurez audit et liste MCP, puis comparez usage réel et simulation.

Simulation Gratuite Complète de Gouvernance

Matrice de Politiques

Persona CLI MCP Agent cloud Revue Décision
Étudiant Autoriser Serveurs locaux approuvés Simuler Autoriser si activée Apprentissage gratuit
Développeur Autoriser Liste du registre Dépôts sélectionnés Autoriser Ingénierie standard
Prestataire Conditionnel Bloquer les serveurs inconnus Bloquer Lecture seule Frontière de données restreinte
Admin plateforme Autoriser Gérer la liste Organisations sélectionnées Autoriser Administration auditée

Estimateur d'AI Credits

Utilisez ce scénario transparent :

Charge Tokens entrée Tokens sortie Prix entrée / 1M Prix sortie / 1M USD estimé AI Credits
Chat ciblé 8 000 1 000 1,00 $ 4,00 $ 0,012 $ 1,2
Plan de dépôt 60 000 4 000 1,00 $ 4,00 $ 0,076 $ 7,6
Session agent 250 000 20 000 1,00 $ 4,00 $ 0,330 $ 33,0

Formule : USD = tokens_entrée / 1 000 000 × prix_entrée + tokens_sortie / 1 000 000 × prix_sortie ; AI Credits = USD / 0,01.

Ces prix sont des entrées illustratives, pas une promesse de tarifs actuels. Remplacez-les par la table officielle avant toute décision réelle.

Kit d'accompagnement

Le build du site génère des téléchargements PDF et ZIP stables. Le ZIP contient le guide du lab et tous les fichiers d'accompagnement déclarés.