AWS Certified AI Practitioner
AWS
25 questions gratuites, sans compte
Voir la certification – AWS Certified AI PractitionerBanque de 105 questions · examen blanc chronométré 90 min
Page de l'examen chez l'éditeur (s'ouvre dans un nouvel onglet) Guide officiel de l'examen (s'ouvre dans un nouvel onglet) Cours de préparation officiel (s'ouvre dans un nouvel onglet)
Guide de l'examen : format, domaines et préparation
Comparatif : NCA-GENL vs Databricks Generative AI Engineer Associate
Gratuit : 25 questions en mode étude, tous domaines, sans compte.
Abonnement : les 105 questions de cette certification, le mode examen chronométré, et toutes les autres certifications.
Paiement sécurisé par carte (Stripe) · Sans engagement · Résiliable en ligne
9,99 € / mois
S'abonnerLes 105 questions couvrent 6 domaines : Développement d'applications, Assemblage et déploiement des applications, Évaluation et supervision, Préparation des données, Conception des applications, Gouvernance. 25 d'entre elles sont gratuites, sans compte.
Répondez à votre rythme : chaque réponse est corrigée immédiatement, avec une explication et le lien vers la documentation sur laquelle elle s'appuie.
Un examen chronométré de 90 minutes, avec un plan des questions pour y revenir avant de valider.
Votre score est détaillé sur les 6 domaines ci-dessus : vous savez lequel revoir en priorité.
Rédigées à partir de la documentation Databricks, jamais copiées de l'examen. Une réponse vous semble fausse ? Contestez-la depuis le mode étude : elle est réexaminée.
D'un besoin métier à un agent qui tient en production : outils, RAG sur un corpus réel, permissions, journaux, évaluation. Formation « Agents et RAG », deux jours à distance.
IAboutique est un site du même éditeur qu'InfraPrep.
Un ingénieur en IA générative construit un pipeline qui envoie des avis sur des produits à un modèle de chat servi par Foundation Model APIs. Un traitement en aval analyse chaque réponse et échoue dès qu'un champ manque ou porte un autre nom. L'équipe pourrait plus tard passer à un modèle d'un autre fournisseur et ne veut pas réécrire la requête. Que doit faire l'ingénieur pour que chaque réponse respecte un ensemble fixe de champs JSON ?
Bonne réponse : C
les structured outputs de Databricks se demandent via le champ response_format, qui peut porter un schéma JSON, et le même format de requête fonctionne quel que soit le fournisseur du modèle.
Les runbooks internes d'une entreprise sont rédigés en Markdown. Chaque runbook a des titres clairs (## Symptoms, ## Cause, ## Fix), et chaque section est autonome. Un premier prototype découpait le texte tous les 1 000 caractères, et les chunks récupérés commencent souvent au milieu d'une section et se terminent dans la suivante. Quelle stratégie de chunking l'ingénieur doit-il essayer ensuite ?
Bonne réponse : B
le Markdown a une structure propre qui peut définir les frontières des chunks ; un chunking adapté au format, sur les titres, garde ensemble chaque section autonome.
Un ingénieur prototype un agent LangGraph dans un notebook et veut lui donner un outil de récupération qui interroge un index Databricks AI Search existant, puis lier cet outil au LLM pour tester localement l'appel d'outils. Quel package Databricks doit-il utiliser pour construire cet outil de récupération ?
Bonne réponse : A
les packages Databricks AI Bridge tels que databricks-langchain (et databricks-openai) fournissent des utilitaires comme VectorSearchRetrieverTool pour construire localement un outil de récupération AI Search.
Une équipe d'analyse d'un assureur stocke des notes de sinistre en texte libre dans une table Unity Catalog. Le métier veut que chaque note soit étiquetée avec l'une de cinq catégories fixes (vol, dégât des eaux, incendie, responsabilité civile, autre) directement dans une requête SQL, avec le moins de travail de prompt personnalisé possible. Quelle approche correspond le mieux à ce besoin ?
Bonne réponse : D
la tâche est une classification dans un ensemble fixe de libellés, ce que fait précisément la fonction spécialisée ai_classify, et Databricks recommande de commencer par une fonction d'IA spécialisée lorsqu'elle correspond à l'objectif.
Un assistant RAG est construit sur 4 000 manuels de produits exportés en PDF. Chaque page porte le même en-tête avec l'adresse de l'entreprise et un pied de page avec une mention de copyright. Les relecteurs constatent que beaucoup de chunks récupérés sont dominés par ce texte répété. Quelle modification du pipeline s'attaque à la cause racine ?
Bonne réponse : A
le bruit vient des documents sources. Nettoyer le texte extrait pour retirer le contenu non pertinent, comme les en-têtes et les pieds de page, réduit les informations inutiles que la chaîne RAG doit traiter.
En examinant les réponses d'un assistant RAG, un relecteur trouve des réponses qui indiquent des durées de garantie n'apparaissant dans aucun des chunks renvoyés par le retriever. L'équipe n'a pas encore de réponses de référence. Quel juge LLM MLflow intégré cible le plus directement ce problème ?
Bonne réponse : B
le problème est une réponse qui n'est pas appuyée par le contexte récupéré (une hallucination). RetrievalGroundedness évalue si la réponse est ancrée dans le contexte fourni, et il ne nécessite pas de vérité terrain.
Un chatbot RAG répond bien à la première question d'une conversation, mais les questions de suivi comme « et la deuxième option ? » récupèrent des chunks sans rapport, car le texte brut de la question de suivi est envoyé tel quel au retriever. Quel composant de la chaîne l'ingénieur doit-il ajouter, et à quel endroit ?
Bonne réponse : A
le problème vient de la requête de récupération. Une étape de prétraitement placée avant la récupération peut utiliser un modèle pour reformuler la question de suivi en une requête autonome (par exemple en paraphrasant l'historique de la conversation) qui représente mieux l'intention de l'utilisateur.
La source de connaissances d'une nouvelle application RAG est un ensemble de pages web enregistrées (fichiers .html) d'un wiki interne. L'ingénieur doit parcourir la structure des pages et extraire le texte des articles avant le chunking. Quel package Python est conçu pour cette étape d'analyse ?
Bonne réponse : B
BeautifulSoup (comme lxml) est une bibliothèque d'analyse HTML qui parcourt la structure du HTML et extrait le texte voulu des pages web.
Une équipe choisit entre deux stratégies de chunking pour son application RAG. Avec la stratégie 2, les réponses finales obtiennent un score un peu meilleur en correctness, mais l'équipe ne peut pas dire si le retriever s'est réellement amélioré ou si le LLM a simplement compensé. Comment l'équipe doit-elle évaluer les deux stratégies avant d'en choisir une ?
Bonne réponse : C
une application RAG peut répondre mal avec un contexte correct, ou bien répondre bien malgré une récupération défectueuse. Mesurer à la fois les métriques de récupération (comme la pertinence des chunks ou le rappel des documents) et les métriques de réponse est le seul moyen de voir ce que le changement de chunking a réellement produit.
Un responsable des achats déclare : « Nous recevons des milliers de factures fournisseurs au format PDF et nous voulons un tableau avec le nom du fournisseur, le total de la facture et la date d'échéance pour chacune. » Lorsqu'on traduit cet objectif en entrées et sorties d'un pipeline d'IA construit avec Agent Bricks Information Extraction, quelle description est correcte ?
Bonne réponse : B
Information Extraction prend en entrée des documents ou du texte non structurés (comme des PDF) et produit des informations structurées qui suivent un schéma que vous définissez, ce qui correspond à un tableau fournisseur, total et date d'échéance.
Oui. 25 des 105 questions Certified Generative AI Engineer Associate sont gratuites en mode étude, réparties sur ses 6 domaines, sans abonnement ni inscription. Un compte n'est créé que si vous vous abonnez, à la commande.
Les 105 questions Certified Generative AI Engineer Associate, l'examen chronométré de 90 minutes et toutes les autres certifications du site, pour un seul prix mensuel sans durée minimale. Vous résiliez en ligne, à tout moment, avec la fonction « Résilier votre contrat » dans Mon compte ; la résiliation prend effet à la fin du mois déjà payé, puis aucun nouveau prélèvement n'a lieu.
Chacune est originale, rédigée à partir de la documentation publique de l'éditeur (Databricks), jamais copiée de l'examen. Son explication renvoie à la page de documentation sur laquelle elle s'appuie : vous pouvez vérifier la réponse vous-même.
Les questions sont rédigées en anglais. Quand une traduction française existe pour une question, la version française du site l'affiche.
AWS
25 questions gratuites, sans compte
Voir la certification – AWS Certified AI PractitionerMicrosoft
25 questions gratuites, sans compte
Voir la certification – Azure AI Apps and Agents Developer AssociateMicrosoft
25 questions gratuites, sans compte
Voir la certification – Azure AI Fundamentals