Formation Certification AWS Generative AI Developer Professional

Programme de formation Certification AWS Generative AI Developer – Professional (AIP-C01)

[Jour 1 – Matin]

Écosystème AWS Generative AI et cadrage de la certification

• Positionner l’IA générative dans l’écosystème AWS : services, responsabilités et périmètre
• Comprendre le rôle des Foundation Models et les différences avec modèles entraînés sur mesure
• Cartographie des cas d’usage : chatbots, copilots, RAG, agents, automatisation
• Lecture “examen” : compétences attendues et types de questions AIP-C01
• Bonnes pratiques de mise en route : comptes, régions, quotas, environnements
• Atelier pratique : Vérifier l’accès aux services GenAI, configurer le SDK AWS et valider l’environnement.

[Jour 1 – Après-midi]

Amazon Bedrock : modèles, inférence et paramètres

• Découvrir Amazon Bedrock : logique d’accès aux modèles et intégration applicative
• Comparer les modèles (qualité, latence, coût, contexte, formats) selon les besoins
• Maîtriser les paramètres d’inférence : temperature, top-p, max tokens, stop sequences
• Gérer les limites : quotas, throttling, timeouts, gestion du contexte
• Bonnes pratiques de structuration des prompts et messages (system/user/assistant)
• Atelier pratique : Appeler Bedrock via SDK, comparer 2 modèles et mesurer coût/latence.

Sécurité et gouvernance : IAM, isolation et conformité

• Appliquer le Shared Responsibility Model à l’IA générative sur AWS
• Mettre en place le contrôle d’accès : IAM, policies, rôles, séparation des responsabilités
• Sécuriser les données : chiffrement, stockage, KMS, gestion des secrets
• Traçabilité : logs, audit, principes de gouvernance et exigences de conformité
• Définir une stratégie d’isolation (environnements, comptes, VPC endpoints si applicable)
• Atelier pratique : Créer un rôle IAM minimaliste pour Bedrock et valider l’accès “least privilege”.

[Jour 2 – Matin]

Prompt engineering avancé et qualité des réponses

• Structurer des prompts robustes : objectifs, contraintes, style, format de sortie
• Techniques : zero-shot, few-shot, chaînes de raisonnement contrôlées, décomposition
• Gestion du contexte : limites de tokens, résumés, mémoire, contexte dynamique
• Réduction des erreurs : hallucinations, ambiguïtés, non-respect du format, dérives
• Évaluation : critères de qualité, reproductibilité, tests sur jeux de prompts
• Atelier pratique : Améliorer un prompt “mauvais” en prompt “prod” avec métriques de qualité.

[Jour 2 – Après-midi]

RAG : embeddings, indexation et recherche sémantique

• Comprendre le pattern RAG : pourquoi, quand, limites et alternatives
• Générer des embeddings et choisir une stratégie de chunking (taille, overlap)
• Stocker et interroger un index vectoriel (ex : OpenSearch, autres options AWS selon contexte)
• Construire le pipeline : ingestion, nettoyage, enrichissement, indexation et requêtage
• Améliorer la pertinence : reranking, filtres, métadonnées, citations et grounding
• Atelier pratique : Construire un mini-RAG.

Applications GenAI : patterns d’architecture et streaming

• Patterns applicatifs : chat, assistant, extraction, génération structurée (JSON)
• Gestion des sessions : contexte conversationnel, mémoire courte/longue, idempotence
• Streaming des réponses : UX, latence perçue, gestion des interruptions
• Gestion des erreurs : retries, backoff, timeouts, circuit-breaker, fallback modèle
• Bonnes pratiques d’intégration front/back (API, formats, validation)
• Atelier pratique : Exposer une API chat avec streaming et validation du format de sortie.

[Jour 3 – Matin]

Serverless GenAI : Lambda, API Gateway et orchestration

• Concevoir une architecture serverless GenAI : composants et responsabilités
• Intégrer Lambda et API Gateway : authentification, throttling, quotas
• Orchestration : workflows, événements, intégration avec services AWS
• Stratégies d’optimisation : cold starts, temps d’exécution, mise en cache
• Fiabilité : DLQ, idempotence, gestion des pics de charge
• Atelier pratique : Déployer une API serverless “prod-ready” appelant Bedrock.

[Jour 3 – Après-midi]

Optimisation coûts et performances : stratégie multi-modèles

• Comprendre les facteurs de coût : tokens, contexte, modèles, fréquence d’appels
• Réduire le coût : compression du prompt, résumés, caching, limitation de contexte
• Optimiser la latence : choix modèle, streaming, parallélisation, batching
• Approche multi-modèles : routage, fallback, “cheap-first”, escalade selon complexité
• Mesurer : tableaux de bord coûts/latence, budgets, alertes
• Atelier pratique : Benchmark 2 modèles.

CI/CD et Infrastructure as Code pour applications GenAI

• Automatiser le déploiement : pipelines CI/CD, artefacts, environnements
• Infrastructure as Code : Terraform (ou équivalent), modularisation et secrets
• Versionner prompts et paramètres : promotion dev → staging → prod
• Tests : unitaires, contract, non-régression de prompts, tests de charge
• Stratégies de déploiement : blue/green, canary, rollback
• Atelier pratique : Pipeline CI/CD déployant une API GenAI + tests automatisés.

[Jour 4 – Matin]

Sécurité applicative GenAI : risques et protections

• Menaces GenAI : prompt injection, data exfiltration, jailbreak, sur-confiance
• Techniques de protection : sanitation, contraintes, séparation contexte/instructions
• Validation et contrôle : schémas, garde-fous, filtrage et policy de contenu
• Gestion des secrets et des données sensibles : masquage, redaction, accès conditionnel
• Approche “secure by design” : revues, tests, runbooks sécurité
• Atelier pratique : Simuler une prompt injection et mettre en place des contre-mesures.

[Jour 4 – Après-midi]

Observabilité et exploitation : logs, métriques, alerting

• Définir les indicateurs : latence, erreurs, coût, qualité, taux de fallback
• Centraliser logs et traces : corrélation requêtes, audit, debugging
• Alerting : seuils, anomalies, budgets, alertes coûts
• Run en production : SLO/SLI, gestion d’incidents, post-mortem
• Amélioration continue : feedback loops, A/B prompts, tuning opérationnel
• Atelier pratique : Construire un dashboard d’observabilité.

Préparation à l’examen AIP-C01

• Revue des domaines évalués et consolidation des points clés AIP-C01
• Méthode de résolution : analyse, élimination, pièges et “distractors”
• Études de cas : choix d’architecture, sécurité, coûts, RAG, serverless
• Checklists : architecture, sécurité, observabilité, optimisation et bonnes pratiques
• Plan de révision : priorités, ressources, rythme et entraînement
• Atelier pratique : Passage de l’examen blanc + correction.