Avertissement — Référentiel officiel
Cette page reprend la structure du skills outline officiel Microsoft pour l’examen AI-102 (Azure AI Engineer Associate). Les pondérations et intitulés peuvent évoluer : vérifiez toujours la version en vigueur sur Microsoft Learn avant de passer l’examen. Cette formation est un support de préparation indépendant, sans affiliation avec Microsoft.
0 %
de progression globale (0/30 objectifs validés)
Domaine 1 — Planifier et gérer une solution Azure IA
15 % de l’examen
0 %
Choisir la ressource adaptée : multi-services vs mono-service, SKU, région et résidence des données.Créer et configurer les ressources : portail, az cognitiveservices account , SDK, paramètres réseau initiaux.Sécuriser l’authentification : Managed Identity, RBAC (Cognitive Services User), Key Vault, rotation des clés.Gérer le cycle de vie : surveillance des quotas TPM/RPM, diagnostic des 429, mises à jour de versions.Maîtriser coûts et quotas : Standard vs PTU vs Batch, leviers (mini, cache, résumés), alertes budgétaires.Appliquer l’IA responsable dès la conception : principes, documentation, humain dans la boucle.
Domaine 2 — Mettre en œuvre des solutions GenAI
25 % de l’examen
0 %
Choisir le modèle : GPT-4o/mini, série o (raisonnement), embeddings, DALL-E, Whisper.Déployer les modèles : Standard, Provisioned (PTU), Batch, Global ; nom de déploiement et versions.Écrire des prompts système efficaces : rôle, règles, format JSON, few-shot, gestion des manques.Régler l’inférence : temperature, top_p, max_tokens, penalties, seed, fenêtre de contexte.Orchestrer outils et agents : function calling, messages tool, Copilot Studio (topics, knowledge, actions).Connecter les données sans code : option On Your Data vers un index AI Search.
Domaine 3 — RAG et Azure AI Search
25 % de l’examen
0 %
Chunker les documents : taille 512-1024 tokens, overlap 10-20 %, métadonnées de citation.Produire des embeddings cohérents : même modèle requête/index, dimensions 1536/3072, similarité cosinus.Concevoir l’index : champs texte et vectoriels, analyseurs (fr.microsoft), profil HNSW.Automatiser l’ingestion : indexeurs, skillsets (OCR, entités, embeddings), projections.Interroger en hybride : BM25 + vectoriel, fusion RRF, semantic ranker, top-k, captions.Garantir le grounding : prompt augmenté, citations obligatoires, aveu d’ignorance.
Domaine 4 — Sécurité et IA responsable
20 % de l’examen
0 %
Filtrer avec Content Safety : 4 catégories, gravités 0-6, seuils, entrée ET sortie.Contrer les injections : Prompt Shields contre jailbreak direct et attaques indirectes via documents.Personnaliser la modération : listes de blocage métier, détection de groundedness, modération d’images.Protéger les données personnelles : PII Language vs Safety, expurge avant indexation, accès restreints (Face, Custom Voice).Isoler le réseau : Private Link, accès public désactivé, VNet/firewall, TLS 1.2+.Garantir la responsabilité : humain dans la boucle, journalisation, traçabilité des actions.
Domaine 5 — Supervision et évaluation
15 % de l’examen
0 %
Mesurer la qualité : groundedness, relevance, coherence, fluency, métriques vs vérité terrain.Évaluer avec un juge LLM : grilles, justifications, calibration contre annotations humaines.Industrialiser les tests : golden dataset, rejouements après chaque changement, non-régression.Superviser en production : blocages safety, taux d’introuvable, latence p95, tokens, coût.Améliorer en boucle : diagnostiquer (chunk, top-k, prompt, seuil), corriger, réévaluer, redéployer.Valider la préparation : examen blanc (70 %), missions terminal (56/80), révision des points faibles.
Réinitialiser la progression