1 · Orientation
Carte de l’examen et paysage Foundry
~1,3 h

Un cours de préparation à l’examen Microsoft AI-901 (Microsoft Azure AI Fundamentals), conçu pour les ingénieurs logiciels des Big 4 et d’autres cabinets de services professionnels qui écrivent déjà du SQL, du C# et du Python et ont désormais besoin d’une maîtrise pratique de l’IA sur Azure — et du certificat qui le prouve. AI-901 a remplacé AI-900 en 2026 et a changé de nature : plus de la moitié de l’examen porte sur la création avec Microsoft Foundry — déployer des modèles, rédiger des prompts, créer des agents et appeler des fonctionnalités de texte, de parole, de vision et de Content Understanding depuis des applications Python légères. Le cours suit le plan officiel des compétences (révision d’avril 2026) domaine par domaine, avec les mêmes pondérations : concepts et fonctionnalités de l’IA (40–45 %) et mise en œuvre de solutions d’IA avec Foundry (55–60 %). Chaque sujet est traité de la même façon : le problème qui vous pousse à recourir à la fonctionnalité, la fonctionnalité elle-même et ce qu’elle coûte — en jetons, quotas, latence, résidence des données et risque. Les travaux pratiques parcourent pas à pas le portail Foundry et le SDK Python ; si votre abonnement d’entreprise bloque Foundry, chaque TP propose un parcours « lire le code » pour que vous puissiez malgré tout travailler chaque objectif de l’examen. Le cas fil rouge est Aldervane Advisory LLP, un cabinet fictif de services professionnels qui crée un agent Service Desk interne, extrait des données de factures et de feuilles de temps et transcrit des réunions clients — où la confidentialité des données clients n’est jamais facultative. Les exercices reprennent les formats de questions de l’examen réel : choix unique et multiple, association, séries d’affirmations Oui/Non et complétion de code. Des sketchnotes visuels résument chaque concept sur une page colorée. Les unités facultatives couvrent les mêmes applications en C#, les quotas et les coûts, l’évaluation et le traçage, ainsi que la gouvernance des données clients.
Votre leçon est dans votre langue : c’est votre assistant qui la mène.
Votre assistant récupère le contenu du cours sur notre serveur et mène la leçon dans votre langue.
Dans cette langue, le site affiche la description, le programme et 1 unité sur 24 — traduit par l’auteur du cours. Le reste du contenu est affiché dans la langue du cours, et votre assistant mène la leçon à son sujet dans votre langue.
L’examen se passe sur le site, sans assistant. Les questions d’examen ne sont pas traduites : c’est la règle pour tous les cours.
ordre libre · les unités peuvent être suivies dans l’ordre de votre choixAffichage: carte · niveaux
1 · Orientation
Carte de l’examen et paysage Foundry
~1,3 h
2 · Domain 1 · AI concepts
Charges de travail d’IA : du scénario à la charge de travail
~1 h
3 · Domain 1 · AI concepts
Comment fonctionnent les modèles d’IA générative
~1 h
4 · Domain 1 · AI concepts
Choisir un modèle dans le catalogue Foundry
~1 h
5 · Domain 1 · AI concepts
Options de déploiement et paramètres de configuration
~1,3 h
6 · Domain 1 · AI concepts
IA responsable : six principes et garde-fous Foundry
~1,3 h
7 · Domain 1 · AI concepts
Analyse de texte : expressions clés, entités, sentiment, résumés
~1 h
8 · Domain 1 · AI concepts
Parole : reconnaissance, synthèse, traduction et modèles audio
~1 h
9 · Domain 1 · AI concepts
Vision par ordinateur et génération d’images
~1 h
10 · Domain 1 · AI concepts
Extraction d’informations avec Azure Content Understanding
~1 h
11 · Domain 2 · Generative AI and agents
Ingénierie de prompts : des prompts système et utilisateur qui fonctionnent
~1,5 h
12 · Domain 2 · Generative AI and agents
TP : déployer un modèle et travailler avec lui dans le portail Foundry
~1,5 h
13 · Domain 2 · Generative AI and agents
TP : un client de chat léger avec le SDK Foundry (Python)
~2 h
14 · Domain 2 · Generative AI and agents
Créer et tester un agent unique dans le portail Foundry
~2 h
15 · Domain 2 · Generative AI and agents
TP : une application cliente légère pour l’agent de support ENGAGE
~1,5 h
16 · Domain 2 · Text and speech
TP : créer une application légère d’analyse de texte
~1,5 h
17 · Domain 2 · Text and speech
TP : Parole — prompts vocaux et Azure Speech SDK
~1,5 h
18 · Domain 2 · Vision and images
TP : Vision — des images en entrée, des images en sortie
~1,5 h
19 · Domain 2 · Information extraction
TP : Content Understanding — documents, images, audio et vidéo
~1,5 h
20 · Exam rehearsal
Répétition de l’examen : logistique, stratégie et série d’exercices mixte
~2,5 h
21 · Optional · Beyond the exam
Gouvernance des données clients dans Foundry (Aldervane)
~1,5 h
22 · Optional · Beyond the exam
Les mêmes applications en C#/.NET
~1,5 h
23 · Optional · Beyond the exam
Quotas, jetons, coût et supervision
~1,5 h
24 · Optional · Beyond the exam
Évaluation, traçage et red teaming dans Foundry
~1,5 h
final · dans le navigateur, sans l’assistant
Examen
fermée · inscrivez-vous au cours
| 1 | Carte de l’examen et paysage Foundry Décrire les deux domaines d’AI-901, leurs pondérations et le format de l’examen (note de réussite 700, pas de TP) | ~1,3 h |
| 2 | Charges de travail d’IA : du scénario à la charge de travail Nommer les six charges de travail d’IA d’AI-901 ainsi que l’entrée et la sortie de chacune | ~1 h |
| 3 | Comment fonctionnent les modèles d’IA générative Expliquer les jetons et pourquoi la facturation, les quotas et les fenêtres de contexte se comptent en jetons | ~1 h |
| 4 | Choisir un modèle dans le catalogue Foundry Distinguer les modèles vendus directement par Azure des modèles de partenaires et de la communauté | ~1 h |
| 5 | Options de déploiement et paramètres de configuration Comparer les options de déploiement API serverless et calcul managé | ~1,3 h |
| 6 | IA responsable : six principes et garde-fous Foundry Associer un court scénario au bon principe d’IA responsable : équité, fiabilité et sécurité, confidentialité et sécurité, inclusivité, transparence ou responsabilité | ~1,3 h |
| 7 | Analyse de texte : expressions clés, entités, sentiment, résumés Choisir la technique d’analyse de texte adaptée à un scénario : détection de la langue, extraction d’expressions clés, reconnaissance d’entités nommées, liaison d’entités, détection des PII, analyse des sentiments, exploration d’opinions ou résumé | ~1 h |
| 8 | Parole : reconnaissance, synthèse, traduction et modèles audio Distinguer dans un scénario la reconnaissance vocale (parole en texte), la synthèse vocale (texte en parole) et la traduction vocale | ~1 h |