Aller au contenu
L-SYSTEM

recommandédébutant

AI-901 : Microsoft Azure AI Fundamentals — Préparation à l’examen avec Microsoft Foundry

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.

  • Contenu: anglais
  • Examen: anglais — passé sur le site, non traduit
Comment ça marche

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.

Comment connecter un assistant

Parcours du cours

· 24 unités

ordre libre · les unités peuvent être suivies dans l’ordre de votre choixAffichage: carte · niveaux

  1. ~33,8 h

  2. Examen

    fermée · inscrivez-vous au cours

    • final · dans le navigateur, sans l’assistant

      Examen

Le parcours en mots
  • Carte de l’examen et paysage Foundry — ~1,3 h
  • Charges de travail d’IA : du scénario à la charge de travail — ~1 h
  • Comment fonctionnent les modèles d’IA générative — ~1 h
  • Choisir un modèle dans le catalogue Foundry — ~1 h
  • Options de déploiement et paramètres de configuration — ~1,3 h
  • IA responsable : six principes et garde-fous Foundry — ~1,3 h
  • Analyse de texte : expressions clés, entités, sentiment, résumés — ~1 h
  • Parole : reconnaissance, synthèse, traduction et modèles audio — ~1 h
  • Vision par ordinateur et génération d’images — ~1 h
  • Extraction d’informations avec Azure Content Understanding — ~1 h
  • Ingénierie de prompts : des prompts système et utilisateur qui fonctionnent — ~1,5 h
  • TP : déployer un modèle et travailler avec lui dans le portail Foundry — ~1,5 h
  • TP : un client de chat léger avec le SDK Foundry (Python) — ~2 h
  • Créer et tester un agent unique dans le portail Foundry — ~2 h
  • TP : une application cliente légère pour l’agent de support ENGAGE — ~1,5 h
  • TP : créer une application légère d’analyse de texte — ~1,5 h
  • TP : Parole — prompts vocaux et Azure Speech SDK — ~1,5 h
  • TP : Vision — des images en entrée, des images en sortie — ~1,5 h
  • TP : Content Understanding — documents, images, audio et vidéo — ~1,5 h
  • Répétition de l’examen : logistique, stratégie et série d’exercices mixte — ~2,5 h
  • Gouvernance des données clients dans Foundry (Aldervane) — facultative; ~1,5 h
  • Les mêmes applications en C#/.NET — facultative; ~1,5 h
  • Quotas, jetons, coût et supervision — facultative; ~1,5 h
  • Évaluation, traçage et red teaming dans Foundry — facultative; ~1,5 h

Programme · 24 unités

1Carte 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
2Charges 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
3Comment 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
4Choisir un modèle dans le catalogue Foundry

Distinguer les modèles vendus directement par Azure des modèles de partenaires et de la communauté

~1 h
5Options de déploiement et paramètres de configuration

Comparer les options de déploiement API serverless et calcul managé

~1,3 h
6IA 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
7Analyse 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
8Parole : 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
9Vision par ordinateur et génération d’images

Choisir la tâche de vision par ordinateur adaptée à un scénario : classification d’images, détection d’objets, segmentation, OCR, légendes et balises, détection de visages ou reconnaissance faciale

~1 h
10Extraction d’informations avec Azure Content Understanding

Distinguer l’OCR, l’analyse de la mise en page et l’extraction de champs, et dire pourquoi l’OCR seule ne produit pas de données structurées

~1 h
11Ingénierie de prompts : des prompts système et utilisateur qui fonctionnent

Distinguer le prompt système du prompt utilisateur et décider où placer une règle donnée

~1,5 h
12TP : déployer un modèle et travailler avec lui dans le portail Foundry

Déployer un modèle depuis le catalogue de modèles Foundry et distinguer un modèle d’un déploiement

~1,5 h
13TP : un client de chat léger avec le SDK Foundry (Python)

Créer un client de chat Python avec DefaultAzureCredential, AIProjectClient et get_openai_client

~2 h
14Créer et tester un agent unique dans le portail Foundry

Expliquer ce qu’est un prompt agent Foundry : un modèle, des instructions et des outils réunis sous un nom

~2 h
15TP : une application cliente légère pour l’agent de support ENGAGE

Appeler un agent Foundry existant depuis Python avec un agent_reference dans responses.create

~1,5 h
16TP : créer une application légère d’analyse de texte

Choisir entre Azure Language dans Foundry Tools et un modèle génératif déployé pour un scénario d’analyse de texte

~1,5 h
17TP : Parole — prompts vocaux et Azure Speech SDK

Choisir entre un pipeline Azure Speech, un modèle audio multimodal et Voice Live pour un scénario vocal

~1,5 h
18TP : Vision — des images en entrée, des images en sortie

Distinguer dans un scénario un modèle de chat multimodal (image en entrée, texte en sortie) d’un modèle de génération d’images (texte en entrée, image en sortie)

~1,5 h
19TP : Content Understanding — documents, images, audio et vidéo

Expliquer les analyseurs, les schémas et les champs d’Azure Content Understanding dans Foundry Tools, et choisir des analyseurs prédéfinis ou personnalisés

~1,5 h
20Répétition de l’examen : logistique, stratégie et série d’exercices mixte

Décrire le format de l’examen AI-901 : durée, types de questions, note de réussite, pauses, nouvelles tentatives et planification

~2,5 h
21Gouvernance des données clients dans Foundry (Aldervane)

Choisir un type de déploiement qui répond à l’exigence d’un client en matière de résidence du traitement des données

~1,5 h
22Les mêmes applications en C#/.NET

Faire correspondre les packages Python Foundry, Language et Speech à leurs équivalents .NET

~1,5 h
23Quotas, jetons, coût et supervision

Expliquer comment le quota TPM et les limites RPM sont accordés et attribués aux déploiements

~1,5 h
24Évaluation, traçage et red teaming dans Foundry

Choisir entre évaluation, traçage et red teaming pour une question donnée

~1,5 h

Recettes de ce cours

toutes les recettes du cours (1)