Azure Data Factory ML & Analytics Patterns — orchestrate ML workflows with ADF

Prérequis : un abonnement Azure avec usage facturé d'Azure Data Factory, d'Azure Machine Learning et (optionnellement) de Databricks — pas de niveau gratuit utilisable ; familiarité avec les pipelines ADF Installe-moi « Azure Data Factory ML & Analytics Patterns — orchestrer des workflows ML avec ADF ». Il donne à mon agent la bibliothèque de patterns ADF ML de @josiahsiegel : batch endpoints Azure ML via WebActivity (SDK v2, migré depuis le SDK v1), patterns de pipeline Batch API Azure OpenAI, orchestration de scoring ML par ADF, pipelines d'archivage SQL vers Storage, intégration AI Services via connecteur REST, exécution de notebooks Databricks depuis ADF, feature engineering en Data Flow, et intégration Synapse/Fabric — avec référence rapide des patterns, bonnes pratiques de sécurité (identité managée, Key Vault, jamais de secrets en dur), optimisation des coûts, et liens vers du JSON de référence détaillé. Licence MIT. Dépôt : https://github.com/josiahsiegel/claude-plugin-marketplace/blob/main/plugins/adf-master/skills/adf-ml-analytics/SKILL.md 1. Récupère le fichier SKILL.md (et les fichiers d'aide éventuels) depuis le chemin du dépôt dans un dossier temporaire et résume en une ou deux phrases ce qu'il fait. 2. Vérification de sécurité : examine le SKILL.md et les scripts pour tout contenu suspect (appels réseau inattendus, commandes shell, collecte d'identifiants). Ce dépôt ne devrait contenir aucun secret en dur — secrets via Key Vault et identité managée uniquement. Vérifie que c'est bien le cas ici ; STOP sur tout signal d'alerte et dis-le-moi. 3. Installe-le comme skill : copie le SKILL.md et ses fichiers d'aide dans le répertoire des skills de l'agent, dans un dossier nommé « adf-ml-analytics ». 4. Vérifie sans appels réseau : frontmatter valide, fichiers en place. 5. Indique ce qui a été installé, où, et ce qu'il me reste à faire moi-même (p. ex. vérifier les dates de dépréciation contre la doc Azure live — les avis de mars 2026 deviendront obsolètes ; confirmer que mon abonnement Azure a les ressources ML et Databricks ; jamais de vraies clés dans le JSON des pipelines). GitHub est optionnel : si j'ai un compte GitHub ou la CLI gh, tu peux l'utiliser ; sinon l'accès public suffit. Ne jamais l'exiger sauf s'il figure dans les prérequis ci-dessus. Règles : ne touche à rien en dehors du dossier temporaire et de la cible d'installation. Si quelque chose semble anormal, arrête-toi et demande-moi.