Développer des solutions IA cloud robustes dans Azure exige de maîtriser à la fois les services Azure AI, l’architecture cloud-native et les bonnes pratiques de mise en production. La formation AI-200 couvre l’ensemble du cycle de vie : conception, développement, déploiement et exploitation de solutions IA génératives et conventionnelles dans Azure.
Pendant cinq jours, vous travaillez sur Azure AI Foundry, Azure OpenAI Service, Azure AI Search, les agents intelligents, le RAG, et l’intégration avec les services data Azure (Cosmos DB, SQL, Storage). La formation est animée à Genève et Lausanne par un formateur Microsoft Certified Trainer.
Module 1 : Stocker et gérer des conteneurs dans Azure Container Registry
Module 2 : Déployer des conteneurs sur Azure App Service
Module 3 : Déployer des conteneurs sur Azure Container Apps
Module 4 : Gérer des conteneurs dans Azure Container Apps
Module 5 : Mettre à l’échelle des conteneurs dans Azure Container Apps
Module 6 : Déployer des applications sur Azure Kubernetes Service
Module 7 : Configurer des applications sur Azure Kubernetes Service
Module 8 : Surveiller et dépanner des applications sur Azure Kubernetes Service
Module 9 : Générer des requêtes pour Azure Cosmos DB pour NoSQL
Module 10 : Implémenter la recherche vectorielle sur Azure Cosmos DB pour NoSQL
Module 11 : Optimiser les performances des requêtes pour Azure Cosmos DB pour NoSQL
Module 12 : Générer et interroger avec Azure Database pour PostgreSQL
Module 13 : Implémenter la recherche vectorielle avec Azure Database pour PostgreSQL
Module 14 : Optimiser la recherche vectorielle dans Azure Database pour PostgreSQL
Module 15 : Implémenter des opérations de données dans Azure Managed Redis
Module 16 : Implémenter la messagerie d’événements avec Azure Managed Redis
Module 17 : Implémenter le stockage vectoriel dans Azure Managed Redis
Module 18 : Mise en file d’attente et traitement des opérations d’IA avec Azure Service Bus
Module 19 : Développer des flux de travail IA pilotés par les événements avec Azure Event Grid
Module 20 : Créer des back-ends d’IA serverless avec Azure Functions
Module 21 : Gérer les secrets d’application avec Azure Key Vault
Module 22 : Gérer les paramètres d’application avec Azure App Configuration
Module 23 : Instrumenter une application avec OpenTelemetry
Module 24 : Analyser les données de télémétrie des applications avec des journaux et des métriques
Ce cours prépare à la certification AI-102 : Designing and Implementing a Microsoft Azure AI Solution.
Les entreprises industrialisent leurs initiatives IA et exigent des architectes capables de concevoir des solutions IA cloud-native robustes. AI-200 va au-dela de l’experimentation Jupyter : vous y abordez la production, l’observabilité, la sécurité et la conformité. Le cours s’adresse a ceux qui transforment les preuves de concept IA en services scalables en production sur Azure.
Azure AI Foundry est le hub de developpement. La formation vous fait déployer des modèles depuis le model catalog (GPT-4o, Phi, Mistral, Llama), évaluer leurs performances sur vos datasets, et orchestrer des workflows complexes avec prompt flow. Vous travaillez aussi le fine-tuning supervise pour adapter les modèles a vos cas d’usage métier.
Le programme couvre la conception d’agents avec Azure AI Agent Service et les patterns multi-agents. Vous construisez des agents capables de raisonner sur des plans, d’invoquer des function calls vers des APIs externes, et de cooperer pour résoudre des taches complexes. Les principes de design (ReAct, Plan-and-Exécute, tool-augmented LLM) sont detailles.
Le RAG est traité en profondeur : hybrid search vectoriel + lexical, semantic ranking, query rewriting, contextual chunking, et évaluation systématique avec les métriques groundedness et relevance. Vous comparez les stratégies (basic RAG vs agentic RAG vs graph RAG) et choisissez selon le cas d’usage.
L’industrialisation IA n’est pas une option : la formation aborde le model registry Azure Machine Learning, le monitoring de production (latence, cout, drift), le retraining automatisé et l’intégration CI/CD avec Azure DevOps et GitHub Actions. L’objectif est d’arriver à un pipeline IA reproductible et auditable.
Sécuriser une solution IA cloud passe par les Managed Identities, les private endpoints (pour éviter le trafic public), Azure Key Vault pour les secrets, et Content Safety pour filtrer les sorties LLM. La formation couvre aussi les contrôles d’acces conditionnels et l’intégration Microsoft Entra ID.
La formation Develop AI cloud solutions on Azure (AI-200) s’adresse aux solution architects, aux developpeurs IA expérimentés et aux ML engineers qui designeront des systèmes IA en production. Pre-requis : expérience Python, fondamentaux Azure (AZ-900), connaissances IA (AI-900). Une expérience prealable avec Azure OpenAI ou Azure AI Search est un plus.
Quelle est la difference entre AI-200 et AI-102 / AI-103 ?
AI-200 est plus orientée architecture et solution end-to-end (5 jours), tandis qu’AI-103 / AI-102 sont orientees developpement applicatif (4 jours). AI-200 inclut MLOps, sécurité avancee et architectures multi-agents enterprise.
La formation couvre-t-elle Azure Machine Learning ?
Oui, en focus MLOps : model registry, deploiements managed online endpoints, monitoring et intégration CI/CD. Le data science classique (training de modèles) est aborde transversalement.
Faut-il une expérience prealable IA pour suivre AI-200 ?
Une expérience prealable d’au moins 6 mois en developpement IA ou data engineering Azure est fortement recommandée. AI-103 ou AI-102 est un parcours d’entree.
Le cours AI-200 mene-t-il à une certification Microsoft ?
AI-200 prépare à la certification Microsoft Certified: Azure AI Engineer Associate (examen AI-102). La formation va plus loin que le programme d’examen et couvre des sujets architecture pas formellement testes.
ITTA
Route des jeunes 35
1227 Carouge, Suisse
ITTA
Route des jeunes 35
1227 Carouge, Suisse
