---
sourceDocument: Xanadu Activer AI
sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/fr-FR/xanadu/intelligent-experiences

 Release :

    - xanadu

ft:locale :

    - fr-FR

ft:publication_title :

    - Xanadu Activer AI

ft:clusterId :

    - platai

bundleId :

    - platai

workflow :

    - Platform


---

# Intelligence prédictive Cadres

# Intelligence prédictive Cadres {#ariaid-title1}

* Rversion finale: Xanadu
* 
* Mis à jour 31 juil. 2024
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 2 minutes de lecture

Intelligence prédictive fournit trois cadres de travail de modèle différents dans la Xanadu version : Classification, Similarité et Clustering. Chaque framework est spécialisé dans différents types de prédictions.

## Intelligence prédictive Cadre de travail de classification {#predictive-intelligence-frameworks__section_esm_z2t_n1b}

Le Intelligence prédictive cadre de travail de classification vous permet d'utiliser des algorithmes d'apprentissage machine pour définir des valeurs de champ catégorielles lors de la création d'enregistrements. Par exemple, vous pouvez utiliser le modèle pour définir la catégorie d'incident en fonction de la brève description. Vous pouvez former des modèles prédictifs afin qu'ils agissent en tant qu'agent pour catégoriser et router automatiquement le travail en fonction de votre expérience passée en matière de gestion des enregistrements.  
Permet Intelligence prédictive de gérer des volumes de demandes entrantes à moindre coût. Automatiser la catégorisation et l'affectation des demandes pour réduire :

* Délais de résolution des tâches.
* Nombre d'interactions requises pour résoudre les tâches.
* Les taux d'erreur lors de la catégorisation et de l'affectation du travail.
{#predictive-intelligence-frameworks__ul_bfq_ggt_n1b}

Pour plus d'informations, consultez [Créer et former une solution de classification](https://servicenow-prod.fluidtopics.net/GE1J2HiYK6HvEM82acSJcg "Spécifiez les enregistrements utilisés pour former une solution de classification, les champs qui déclenchent une prédiction et la fréquence à laquelle vous souhaitez reformer votre solution.").

## Intelligence prédictive Cadre de ressemblance {#predictive-intelligence-frameworks__section_csk_nj3_qfb}

Le Intelligence prédictive cadre de travail de similarité identifie les enregistrements existants qui ont des valeurs similaires à celles d'un nouvel enregistrement. Par exemple, vous pouvez former un sous-ensemble de vos enregistrements d'incidents afin qu'il recommande une résolution basée sur les informations d'un enregistrement d'incident similaire. En empruntant à des incidents similaires fermés dont la résolution a fait ses preuves, vous pouvez aider les agents et les prestataires à fournir rapidement la meilleure résolution pour un incident entrant.

Le cadre de similarité n'a pas besoin d'une correspondance exacte des mots-clés pour ses comparaisons de texte, car ses algorithmes identifient des mots et des synonymes similaires en fonction de contextes similaires. Par exemple, les expressions imprimante qui ne fonctionne pas et imprimante cassée sont toutes deux reconnues comme similaires. Le cadre de travail collecte, apprend et applique également le contexte spécifique à votre secteur. Par exemple, l'expression incapable de rejoindre le réseau a un contexte différent dans une entreprise de réseau informatique que dans une compagnie d'assurance maladie.

Le cadre de ressemblance utilise une solution de similarité de workflow. Pour plus d'informations, consultez [Créer et former une solution de similarité](https://servicenow-prod.fluidtopics.net/dd98JBOhNxrcCIq4pKFCEA "Créez et formez une solution d’apprentissage machine pour collecter et comparer vos enregistrements existants à de nouveaux enregistrements similaires. Par exemple, vous pouvez comparer le texte d’un enregistrement d’incident ouvert à un enregistrement d’incident résolu pour réutiliser sa résolution.").

## Intelligence prédictive Cadre de travail de mise en grappe {#predictive-intelligence-frameworks__section_awv_zkl_chb}

La mise en grappe divise les données en groupes qui peuvent ensuite être utilisés pour identifier des modèles. Vous pouvez ensuite traiter les enregistrements collectivement ou trouver des lacunes dans les données existantes. Par exemple, vous pouvez regrouper de nouveaux incidents similaires pour identifier une panne majeure.

Le cadre de travail de mise en grappe utilise une solution de mise en grappe de workflows. Pour plus d'informations, consultez [Créer et former une solution de mise en grappe](https://servicenow-prod.fluidtopics.net/EwvDDQnDbmMCGcTY6UVNGw "Regroupez des enregistrements similaires dans des grappes pour les traiter collectivement ou identifier des schémas.").

## Déconseillé dans la Washington DC version : Intelligence prédictive cadre de travail de régression {#predictive-intelligence-frameworks__section_xwb_vqd_xkb}

Important :  
La prise en charge de la création de nouvelles solutions de régression a été supprimée dans la Washington DC version. Vous pouvez former et modifier des solutions existantes, mais vous ne pouvez pas en créer de nouvelles. Ces informations sont fournies dans leur contexte d'héritage.La régression est un cadre d'apprentissage machine qui utilise des données historiques pour prédire les sorties numériques, telles qu'une température ou une cotation.

Pour plus d'informations, consultez [Créer et former une solution de régression](https://servicenow-prod.fluidtopics.net/AfFpUeiY0~IoXvvpyvVIdQ "Formez votre solution en utilisant des données historiques pour prédire les sorties numériques, telles qu’une température ou une cotation. Par exemple, vous pouvez utiliser la régression pour estimer le temps nécessaire pour résoudre un incident ou un ticket.").