LE MÉDIA DE L’IA QUI SERT VRAIMENT.Édition française · Comprendre & passer à l’action
Microsoft

Déployer un modèle Azure OpenAI vers une région optimale

preset

En bref

Déploie un modèle Azure OpenAI vers une région optimale, en analysant la capacité sur toutes les régions disponibles : la région courante est vérifiée en premier, puis des alternatives sont proposées si besoin. Le SKILL.md renvoie vers customize pour le choix d’un SKU, d’une version, d’une capacité personnalisée ou d’un déploiement à débit provisionné (PTU).

Ce que ça fait

  • Choisit une région optimale selon la capacité
  • Vérifie d’abord la région courante
  • Renvoie les choix de SKU, version ou PTU vers customize

Pour qui, et un exemple

Les équipes qui veulent un déploiement Azure OpenAI rapide, dans la meilleure région disponible, sans tout paramétrer à la main.

Exemple de demande : « Déploie ce modèle dans la meilleure région disponible, en vérifiant d’abord notre région actuelle. »

Cela concerne un déploiement rapide, le choix automatique d’une région optimale ou une haute disponibilité, et non pour un SKU, une version, une capacité ou un PTU personnalisés. Exemple rédigé par iadujour.fr à partir du SKILL.md, non testé.

Installer

npx skills add microsoft/skills (sélection de la skill dans l’assistant, README).

npx skills add microsoft/skills

Fonctionne avec

  • GitHub Copilot
  • Copilot CLI

Source : README : exemples de « Copilot CLI » et « GitHub Copilot in VS Code » ; l’installation `npx skills add` envoie les fichiers vers le répertoire de l’agent choisi, sans liste exhaustive.

Niveau : Avancé

S’adresse à un usage avancé (sécurité, production, architecture ou réglages fins) décrit dans le SKILL.md.

À savoir

Dépôt officiel Microsoft ; le README le présente comme un travail en cours (skills et tests encore enrichis).

Extrait du SKILL.md

La description d’origine, celle que l’agent lit pour décider de charger la skill (en anglais) :

Intelligently deploys Azure OpenAI models to optimal regions by analyzing capacity across all available regions. Automatically checks current region first and shows alternatives if needed. USE FOR: quick deployment, optimal region, best region, automatic region selection, fast setup, multi-region capacity check, high availability deployment, deploy to best location. DO NOT USE FOR: custom SKU […]

Citée depuis le SKILL.md au commit b8a1c66 . Le dossier contient aussi 3 fichiers annexes (references/).

Le SKILL.md compte 94 lignes et 10 sections principales :

  • What This Skill Does
  • Prerequisites
  • Quick Workflow
  • Fast Path (Current Region Has Capacity)
  • Alternative Region Path (No Capacity)
  • Deployment Phases
  • Error Handling
  • Advanced Usage
  • Notes
  • Related Skills

Licence : MIT

Vérifiée le 10 novembre 2026 sur : fichier de licence d’un dossier parent (.github/plugins/azure-skills/LICENSE) . Licence déclarée dans le frontmatter : « MIT ». Titulaire : Copyright 2025 (c) Microsoft Corporation..

La licence autorise la reprise : le texte intégral du SKILL.md est reproduit ci-dessous, sans modification, avec sa mention de licence.

Texte intégral du SKILL.md

Reproduit sans modification depuis microsoft/skills (commit b8a1c66) , © Microsoft, sous licence MIT (fichier de licence d’origine ).

Afficher le SKILL.md original (94 lignes, en anglais)
---
name: preset
description: "Intelligently deploys Azure OpenAI models to optimal regions by analyzing capacity across all available regions. Automatically checks current region first and shows alternatives if needed. USE FOR: quick deployment, optimal region, best region, automatic region selection, fast setup, multi-region capacity check, high availability deployment, deploy to best location. DO NOT USE FOR: custom SKU selection (use customize), specific version selection (use customize), custom capacity configuration (use customize), PTU deployments (use customize)."
license: MIT
metadata:
  author: Microsoft
  version: "1.0.1"
---

# Deploy Model to Optimal Region

Automates intelligent Azure OpenAI model deployment by checking capacity across regions and deploying to the best available option.

## What This Skill Does

1. Verifies Azure authentication and project scope
2. Checks capacity in current project's region
3. If no capacity: analyzes all regions and shows available alternatives
4. Filters projects by selected region
5. Supports creating new projects if needed
6. Deploys model with GlobalStandard SKU
7. Monitors deployment progress

## Prerequisites

- Azure CLI installed and configured
- Active Azure subscription with Cognitive Services read/create permissions
- Microsoft Foundry project resource ID (`PROJECT_RESOURCE_ID` env var or provided interactively)
  - Format: `/subscriptions/{sub-id}/resourceGroups/{rg}/providers/Microsoft.CognitiveServices/accounts/{account}/projects/{project}`
  - Found in: Microsoft Foundry portal → Project → Overview → Resource ID

## Quick Workflow

### Fast Path (Current Region Has Capacity)
```
1. Check authentication → 2. Get project → 3. Check current region capacity
→ 4. Deploy immediately
```

### Alternative Region Path (No Capacity)
```
1. Check authentication → 2. Get project → 3. Check current region (no capacity)
→ 4. Query all regions → 5. Show alternatives → 6. Select region + project
→ 7. Deploy
```

---

## Deployment Phases

| Phase | Action | Key Commands |
|-------|--------|-------------|
| 1. Verify Auth | Check Azure CLI login and subscription | `az account show`, `az login` |
| 2. Get Project | Parse `PROJECT_RESOURCE_ID` ARM ID, verify exists | `az cognitiveservices account show` |
| 3. Get Model | List available models, user selects model + version | `az cognitiveservices account list-models` |
| 4. Check Current Region | Query capacity using GlobalStandard SKU | `az rest --method GET .../modelCapacities` |
| 5. Multi-Region Query | If no local capacity, query all regions | Same capacity API without location filter |
| 6. Select Region + Project | User picks region; find or create project | `az cognitiveservices account list`, `az cognitiveservices account create` |
| 7. Deploy | Generate unique name, calculate capacity (50% available, min 50 TPM), create deployment | `az cognitiveservices account deployment create` |

For detailed step-by-step instructions, see [workflow reference](references/workflow.md).

---

## Error Handling

| Error | Symptom | Resolution |
|-------|---------|------------|
| Auth failure | `az account show` returns error | Run `az login` then `az account set --subscription <id>` |
| No quota | All regions show 0 capacity | Defer to the [quota skill](../../../quota/quota.md) for increase requests and troubleshooting; check existing deployments; try alternative models |
| Model not found | Empty capacity list | Verify model name with `az cognitiveservices account list-models`; check case sensitivity |
| Name conflict | "deployment already exists" | Append suffix to deployment name (handled automatically by `generate_deployment_name` script) |
| Region unavailable | Region doesn't support model | Select a different region from the available list |
| Permission denied | "Forbidden" or "Unauthorized" | Verify Cognitive Services Contributor role: `az role assignment list --assignee <user>` |

---

## Advanced Usage

```bash
# Custom capacity
az cognitiveservices account deployment create ... --sku-capacity <value>

# Check deployment status
az cognitiveservices account deployment show --name <acct> --resource-group <rg> --deployment-name <name> --query "{Status:properties.provisioningState}"

# Delete deployment
az cognitiveservices account deployment delete --name <acct> --resource-group <rg> --deployment-name <name>
```

## Notes

- **SKU:** GlobalStandard only — **API Version:** 2024-10-01 (GA stable)

---

## Related Skills

- **microsoft-foundry** - Parent skill for Microsoft Foundry operations
- **[quota](../../../quota/quota.md)** — For quota viewing, increase requests, and troubleshooting quota errors, defer to this skill
- **azure-quick-review** - Review Azure resources for compliance
- **cost-estimation** - Estimate costs through the separately installed `azure-cost` plugin
- **azure-validate** - Validate Azure infrastructure before deployment
Source. Fiche rédigée par iadujour.fr à partir de : Frontmatter, sections et corps du SKILL.md, README du dépôt. Consultée le 10 novembre 2026. Dépôt : microsoft/skills .

Dans l’annuaire

Cas d’usage et guides qui partagent un thème, un métier ou un outil avec cette skill.

DANS L’ANNUAIRE

Cas d’usage liés.

Des fiches de l’annuaire qui partagent au moins deux mots-clés précis avec cette skill.

Productivité

Rédiger, synthétiser et coder dans un assistant d’entreprise multi-modèles

Pierre Fabre a lancé dès 2023 PLA.I.GROUND, assistant d’IA générative interne sur Azure OpenAI : plus de 50 % des collaborateurs sédentaires l’utilisent au quotidien pour synthétiser, produire des contenus et accélérer le développement de code.

Outil : PLA.I.GROUND (Pierre Fabre, Azure OpenAI)Type : Repéré
Support client

Conseiller beauté 24/7 dans l’application, avec une latence sous 5 secondes

L’Oréal Paris a lancé Beauty Genius, assistant conversationnel sur Azure OpenAI (GPT-4o et RAG Ada), disponible 24 h/24, latence maximale annoncée inférieure à 5 secondes à l’échelle mondiale.

Outil : Beauty Genius (Azure OpenAI, GPT-4o, RAG Ada)Type : Repéré
MÊME ÉDITEUR

Autres skills Microsoft : IA et apprentissage automatique

Toute la catégorie
MicrosoftIA et apprentissage automatique

Créer, diagnostiquer et interroger une base de connaissances Foundry IQ

foundry-iq

Porte sur les bases de connaissances Foundry IQ : rendre recherchables des documents locaux ou Blob, créer ou diagnostiquer une base, trier un connecteur non pris en charge ou une base multi-sources (même avec un vocabulaire de recherche « classique »), relier une base existante à des agents, créer ou réutiliser un service Search, et interroger une base avec citations.

Outils : GitHub Copilot, Copilot CLINiveau : Débutantmàj 03/11/2026
MicrosoftIA et apprentissage automatique

Construire, déployer et exploiter agents et modèles Microsoft Foundry

microsoft-foundry

Couvre le cycle de vie complet des agents, modèles et ressources Microsoft Foundry : construction, déploiement, évaluation, optimisation, affinage et exploitation, y compris azd, les agents hébergés, les outils, les évaluations par lot ou continues, le CI/CD, l’optimiseur d’agent, le déploiement et l’affinage de modèles (SFT, DPO, RFT), le RBAC, les quotas, les régions et les index de connaissances.

Outils : GitHub Copilot, Copilot CLINiveau : Avancémàj 28/10/2026
ÉCHANGES

Commentaires.

Un retour d’expérience, une question, une précision sur cette skill ? Les commentaires sont relus avant publication.

Commentaires publiés

Chargement des commentaires…

    Laisser un commentaire

    Charte de modération. Chaque commentaire est relu avant publication. Sont refusés : l’incitation à la haine, les propos injurieux ou discriminatoires, la publicité, le spam et les liens promotionnels, le hors-sujet et les données personnelles d’autrui.