Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
# Didacticiel : Démarrer dans la console Amazon A2I
Le didacticiel suivant vous montre comment commencer à utiliser Amazon A2I dans la console Amazon A2I.
Le didacticiel vous donne la possibilité d'utiliser Augmented AI avec Amazon Textract pour la vérification des documents, ou Amazon Rekognition pour la vérification du contenu des images.
## Conditions préalables
Pour commencer à utiliser Amazon A2I, vous devez remplir les conditions préalables suivantes.
+ Créez un compartiment Amazon S3 dans la même AWS région que le flux de travail pour vos données d'entrée et de sortie. Par exemple, si vous utilisez Amazon A2I avec Amazon Textract dans la région us-east-1, créez votre compartiment dans la région us-east-1. Pour créer un compartiment, suivez les instructions de la section [Create a Bucket (Créer un compartiment)](https://docs.aws.amazon.com/AmazonS3/latest/user-guide/create-bucket.html) dans le *Guide de l'utilisateur de la console Amazon Simple Storage Service*.
+ Effectuez l’une des actions suivantes :
+ Si vous voulez suivre le didacticiel à l’aide d’Amazon Textract, téléchargez cette image et placez-la dans votre compartiment Amazon S3.
![\[Candidature succincte\]](http://docs.aws.amazon.com/fr_fr/sagemaker/latest/dg/images/a2i/getting-started/sample-document-final.png)
+ Si vous voulez suivre le didacticiel à l’aide d’Amazon Rekognition, téléchargez cette image et placez-la dans votre compartiment Amazon S3.
![\[Femme en bikini faisant du yoga sur la plage\]](http://docs.aws.amazon.com/fr_fr/sagemaker/latest/dg/images/a2i/getting-started/yoga_swimwear_resized.jpg)
**Note**
La console Amazon A2I est intégrée à la console SageMaker AI.
## Étape 1 : Créer une équipe de travail
Tout d'abord, créez une équipe de travail dans la console Amazon A2I et ajoutez-vous en tant qu'employé afin de pouvoir prévisualiser la tâche de vérification humaine.
**Important**
Ce didacticiel utilise une équipe de travail privée. Le personnel privé Amazon A2I est configuré dans la zone Ground Truth de la console SageMaker AI et est partagé entre Amazon A2I et Ground Truth.
**Pour créer une main-d’œuvre privée à l’aide d’e-mails d’employés**
1. Ouvrez la console SageMaker AI à l'adresse [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Dans le panneau de navigation, choisissez **Labeling workforces**(Mains-d'œuvre de labélisation) sous **Ground Truth**.
1. Choisissez **Private (Privée)**, puis **Create private team (Créer une équipe privée)**.
1. Choisissez **Invite new workers by email (Inviter les nouveaux employés par e-mail)**.
1. Pour ce tutoriel, saisissez votre e-mail et celui de toutes les autres personnes dont vous voulez qu'elles puissent prévisualiser l'interface utilisateur de la tâche humaine. Collez ou tapez une liste de 50 adresses e-mail au maximum, séparées par des virgules, dans la zone d'adresses e-mail.
1. Saisissez un nom d’organisation et une adresse e-mail de contact.
1. Éventuellement, choisissez une rubrique Amazon SNS à laquelle abonner l'équipe pour que les employés soient avertis par e-mail lorsque de nouvelles tâches de labélisation Ground Truth deviennent disponibles. Les notifications Amazon SNS sont prises en charge par Ground Truth, mais pas par Augmented AI. Si vous abonnez des employés à des notifications Amazon SNS, ils recevront uniquement des notifications concernant les tâches de labélisation Ground Truth. Ils ne recevront pas de notifications concernant les tâches Augmented AI.
1. Choisissez **Create private team (Créer une équipe privée)**.
Si vous vous ajoutez à une équipe de travail privée, vous recevez un e-mail de `no-reply@verificationemail.com` contenant des informations de connexion. Utilisez le lien figurant dans cet e-mail pour réinitialiser votre mot de passe et vous connecter à votre portail d'employé. C'est là que vos tâches de vérification humaine apparaissent lorsque vous créez une boucle humaine.
## Étape 2 : Créer un flux de vérification humaine
Dans cette étape, vous créez un flux de vérification humaine. Chaque flux de vérification humaine est créé pour un[type de tâche](https://docs.aws.amazon.com/sagemaker/latest/dg/a2i-task-types-general.html) spécifique. Ce tutoriel vous permet de choisir entre les types de tâches intégrés : Amazon Rekognition et Amazon Textract.
**Pour créer un flux de vérification humaine :**
1. Ouvrez la console Augmented AI à l'adresse [https://console.aws.amazon.com/a2i](https://console.aws.amazon.com/a2i/) pour accéder à la page des **flux de travail de révision humaine**.
1. Sélectionnez **Create human review workflow (Créer un flux de vérification humaine)**.
1. Dans **les paramètres du flux** de travail, entrez un **nom** de flux de travail, un **compartiment S3** et le **rôle IAM** que vous avez créé pour ce didacticiel, avec la politique AWS gérée `AmazonAugmentedAIIntegratedAPIAccess` attachée.
1. Pour **Task type (Type de tâche)**, sélectionnez **Textract — Extraction par paire clé-valeur** ou **Rekognition — Modération des images**.
1. Sélectionnez le type de tâche que vous avez choisi dans le tableau suivant pour obtenir les instructions relatives à ce type de tâche.
------
#### [ Amazon Textract – Key-value pair extraction ]
1. Sélectionnez **Trigger a human review for specific form keys based on the form key confidence score or when specific form keys are missing** (Déclencher une vérification humaine pour des clés de formulaire spécifiques en fonction de l'indice de confiance de la clé de formulaire ou lorsque des clés de formulaire spécifiques sont manquantes).
2. Pour **Key name (Nom de la clé)**, saisissez `Mail Address`.
3. Définissez le seuil de confiance d'identification entre `0` et `99`.
4. Définissez le seuil de confiance de qualification entre `0` et `99`.
5. Sélectionnez **Trigger a human review for all form keys identified by Amazon Textract with confidence scores in a specific range** (Déclencher une vérification humaine pour toutes les clés de formulaire identifiées par Amazon Textract avec des indices de confiance figurant dans une plage spécifiée).
6. Définissez le seuil de confiance d'identification entre `0` et `90`.
7. Définissez le seuil de confiance de qualification entre `0` et `90`.
Cela initie une vérification humaine si Amazon Textract renvoie un indice de confiance inférieur à `99` pour `Mail Address` et sa clé, ou un indice de confiance inférieur à `90` pour toute paire clé-valeur détectée dans le document.
L'image suivante montre la section Amazon Textract form extraction - Conditions for invoking human review (Extraction de formulaire Amazon Textract - Conditions d'appel d'une vérification humaine) de la console Amazon A2I. Dans l'image, les cases en regard des deux types de déclencheurs expliqués dans le paragraphe suivant sont cochées, et `Mail Address` est utilisé comme **Nom de clé** pour le premier déclencheur. Le seuil de confiance d'identification est défini à l'aide d'indices de confiance pour les paires clé-valeur détectées dans le formulaire. Il est défini entre 0 et 99. Le seuil de confiance de qualification est défini à l'aide d'indices de confiance pour le texte contenu dans les clés et les valeurs d'un formulaire. Il est défini entre 0 et 99.
![\[Console Amazon A2I indiquant les conditions d’invocation de la section de vérification humaine.\]](http://docs.aws.amazon.com/fr_fr/sagemaker/latest/dg/images/a2i/getting-started/Textract-conditions.png)
------
#### [ Amazon Rekognition – Image moderation ]
1. Sélectionnez **Trigger human review for labels identified by Amazon Rekognition based on label confidence score** (Déclencher une vérification humaine pour les étiquettes identifiées par Amazon Rekognition en fonction de l'indice de confiance de l'étiquette).
2. Définissez **Threshold (Seuil)** entre `0` et `98`.
Cela initie une vérification humaine si Amazon Rekognition renvoie un indice de confiance inférieur à `98` pour une tâche de modération des images.
L'image suivante illustre la façon dont vous pouvez sélectionner l'option **Trigger human review for labels identified by Amazon Rekognition based on label confidence score (Déclencher une vérification humaine pour les étiquettes identifiées par Amazon Rekognition en fonction de l'indice de confiance de l'étiquette) ** et saisissez un **Threshold (Seuil)** entre 0 et 98 dans la console Amazon A2I.
![\[Console Amazon A2I indiquant les conditions d’invocation de la section de vérification humaine.\]](http://docs.aws.amazon.com/fr_fr/sagemaker/latest/dg/images/a2i/getting-started/Rek-conditions.png)
------
1. Pour **Worker task template creation (Création d'un modèle de tâche d'employé)**, sélectionnez **Create from a default template (Créer à partir d'un modèle par défaut)**.
1. Saisissez un **Template name (Nom de modèle)**.
1. Dans le champ **Task description (Description de la tâche)**, saisissez le texte suivant :
`Read the instructions carefully and complete the task.`
1. Pour **Workers (Employés)**, sélectionnez **Privé**.
1. Sélectionnez l'équipe privée que vous avez créée.
1. Sélectionnez **Create (Créer)**.
Une fois que votre flux de vérification humaine est créé, il apparaît dans le tableau de la page **Human review workflows (Flux de vérification humaine)**. Lorsque **Status (État)** est défini sur `Active`, copiez et enregistrez l'ARN du flux. Vous en aurez besoin à l'étape suivante.
## Étape 3 : Démarrer une boucle humaine
Vous devez utiliser une opération d'API pour démarrer une boucle humaine. Il existe différents langages spécifiques SDKs que vous pouvez utiliser pour interagir avec ces opérations d'API. Pour consulter la documentation relative à chacun de ces éléments SDKs, reportez-vous à la section **Voir aussi** de la documentation de l'API, comme illustré dans l'image suivante.
![\[Capture d’écran de la section Voir aussi de la documentation de l’API Amazon Textract\]](http://docs.aws.amazon.com/fr_fr/sagemaker/latest/dg/images/a2i/getting-started/see-also.png)
Pour ce didacticiel, vous devez utiliser l'un des outils suivants APIs :
+ Si vous avez choisi le type de tâche Amazon Textract, utilisez l'opération `[AnalyzeDocument](https://docs.aws.amazon.com/textract/latest/dg/API_AnalyzeDocument.html)`.
+ Si vous avez choisi le type de tâche Amazon Rekognition, utilisez l'opération `[DetectModerationLabels](https://docs.aws.amazon.com/rekognition/latest/dg/API_DetectModerationLabels.html)`.
Vous pouvez interagir avec ceux-ci à APIs l'aide d'une instance de SageMaker bloc-notes (recommandée pour les nouveaux utilisateurs) ou du AWS Command Line Interface (AWS CLI). Choisissez l'une des possibilités suivantes pour en savoir plus sur ces options :
+ Pour en savoir plus sur une instance de bloc-notes, et la configurer, consultez [Instances de SageMaker blocs-notes Amazon](nbi.md).
+ Pour en savoir plus et commencer à utiliser le AWS CLI, voir [Qu'est-ce que l'interface de ligne de AWS commande ?](https://docs.aws.amazon.com/cli/latest/userguide/cli-chap-welcome.html) dans le *guide de AWS Command Line Interface l'utilisateur*.
Sélectionnez votre type de tâche dans le tableau suivant pour afficher des exemples de demandes pour Amazon Textract et Amazon Rekognition à l'aide de l'outil AWS SDK pour Python (Boto3).
------
#### [ Amazon Textract – Key-value pair extraction ]
L'exemple suivant utilise l'appel AWS SDK pour Python (Boto3) to `analyze_document` dans us-west-2. Remplacez le texte en rouge et en italique par vos ressources. N'incluez le paramètre [https://docs.aws.amazon.com/augmented-ai/2019-11-07/APIReference/API_HumanLoopDataAttributes.html](https://docs.aws.amazon.com/augmented-ai/2019-11-07/APIReference/API_HumanLoopDataAttributes.html) que si vous utilisez la main-d'œuvre Amazon Mechanical Turk. Pour plus d’informations, consultez la documentation `[analyze\$1document](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/textract.html#Textract.Client.analyze_document)` dans la *Référence des API AWS SDK pour Python (Boto) *.
```
response = client.analyze_document(
Document={
"S3Object": {
"Bucket": "amzn-s3-demo-bucket",
"Name": "document-name.pdf"
}
},
HumanLoopConfig={
"FlowDefinitionArn":"arn:aws:sagemaker:us-west-2:111122223333:flow-definition/flow-definition-name",
"HumanLoopName":"human-loop-name",
"DataAttributes" : {
"ContentClassifiers":["FreeOfPersonallyIdentifiableInformation","FreeOfAdultContent"]
}
},
FeatureTypes=["TABLES", "FORMS"])
```
------
#### [ Amazon Rekognition – Image moderation ]
L'exemple suivant utilise l'appel AWS SDK pour Python (Boto3) to `detect_moderation_labels` dans us-west-2. Remplacez le texte en rouge et en italique par vos ressources. N'incluez le paramètre [https://docs.aws.amazon.com/augmented-ai/2019-11-07/APIReference/API_HumanLoopDataAttributes.html](https://docs.aws.amazon.com/augmented-ai/2019-11-07/APIReference/API_HumanLoopDataAttributes.html) que si vous utilisez la main-d'œuvre Amazon Mechanical Turk. Pour plus d’informations, consultez la documentation `[detect\$1moderation\$1labels](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/rekognition.html#Rekognition.Client.detect_moderation_labels)` dans la *Référence des API AWS SDK pour Python (Boto) *.
```
response = client.detect_moderation_labels(
Image={
"S3Object":{
"Bucket": "amzn-s3-demo-bucket",
"Name": "image-name.png"
}
},
HumanLoopConfig={
"FlowDefinitionArn":"arn:aws:sagemaker:us-west-2:111122223333:flow-definition/flow-definition-name",
"HumanLoopName":"human-loop-name",
"DataAttributes":{
ContentClassifiers:["FreeOfPersonallyIdentifiableInformation"|"FreeOfAdultContent"]
}
})
```
------
## Étape 4 : Voir l'état de la boucle humaine dans la console
Lorsque vous démarrez une boucle humaine, vous pouvez voir son état dans la console Amazon A2I.
**Pour voir l'état de votre boucle humaine**
1. Ouvrez la console Augmented AI à l'adresse [https://console.aws.amazon.com/a2i](https://console.aws.amazon.com/a2i/) pour accéder à la page des **flux de travail de révision humaine**.
1. Sélectionnez le flux de vérification humaine que vous avez utilisé pour démarrer votre boucle humaine.
1. Dans la section **Human loops (Boucles humaines)**, vous pouvez voir votre boucle humaine. Voir son état dans la colonne **Status (État)**.
## Étape 5 : Télécharger les données de sortie
Vos données de sortie sont stockées dans le compartiment Amazon S3 que vous avez spécifié lorsque vous avez créé un flux de vérification humaine.
**Pour voir vos données de sortie Amazon A2I**
1. Ouvrez la [console Amazon S3](https://console.aws.amazon.com/s3/).
1. Sélectionnez le compartiment Amazon S3 que vous avez spécifié lorsque vous avez créé votre flux de vérification humaine à l'étape 2 de cet exemple.
1. En commençant par le dossier nommé d'après votre flux de vérification humaine, accédez à vos données de sortie en sélectionnant le dossier avec la convention de dénomination suivante :
```
s3://output-bucket-specified-in-human-review-workflow/human-review-workflow-name/YYYY/MM/DD/hh/mm/ss/human-loop-name/output.json
```
1. Sélectionnez `output.json` et choisissez **Download (Télécharger)**.