Guide complet AI-102 — Microsoft
Designing and Implementing an Azure AI Solution · Programme, plan de révision, ressources, examen blanc gratuit.
AI-102 est la certification Microsoft Azure de niveau associate destinee aux developpeurs IA, data scientists et ingenieurs ML souhaitant concevoir et implementer des solutions d'IA sur Azure. L'examen comprend 40-60 questions (QCM, etudes de cas, drag-and-drop) en 100 minutes, score requis 700/1000. Prerequis recommande : connaissance de Python ou C# et bases Azure (AZ-900). Debouches : AI Engineer, MLOps Engineer, Cognitive Solutions Architect avec salaires entre 55k et 85k EUR en France.
Pourquoi passer la certification AI-102 ?
En 2026, l'intelligence artificielle generative et les services cognitifs Azure dominent les investissements IT des entreprises europeennes. La certification AI-102 valide une expertise operationnelle sur Azure OpenAI Service, Azure AI Foundry, Cognitive Services et Document Intelligence, devenus incontournables pour deployer des copilotes metiers et des solutions RAG en production. Le marche francais affiche plus de 12 000 offres d'emploi mentionnant 'Azure AI' selon LinkedIn, avec une croissance de 47% sur 12 mois. Le ROI est rapide : les profils certifies AI-102 negocient en moyenne 15 a 20% de remuneration supplementaire par rapport aux developpeurs non certifies. Microsoft etant leader du cloud entreprise en Europe (38% de parts de marche selon Synergy Research), maitriser sa stack IA ouvre les portes des ESN majeures (Capgemini, Accenture, Sopra Steria), des banques (BNP, Societe Generale) et des industriels migrant leurs workloads IA vers Azure. La certification valorise concretement un CV face a l'AWS ML Specialty ou Google Professional ML Engineer, particulierement dans les contextes Microsoft 365 et Dynamics. Elle constitue aussi un tremplin naturel vers les roles d'architecte IA et les certifications Expert (DP-100, AI-900 etant en aval).
Caractéristiques de l'examen
| Format | 40-60 questions (QCM, etudes de cas, drag-and-drop, hotspot) |
|---|---|
| Duree | 100 minutes (130 min avec accommodation linguistique) |
| Score requis | 700/1000 (environ 70%) |
| Prix officiel | 165 EUR HT en France |
| Langues | Anglais, Francais, Japonais, Chinois, Coreen, Allemand, Espagnol |
| Validite | 1 an, renouvellement gratuit en ligne |
| Prerequis | Aucun officiel, AZ-900 et AI-900 recommandes, Python ou C# requis |
Programme détaillé par domaine
Domain 1 : Plan and manage an Azure AI solution 15-20%
- Objectifs
- Ce domaine couvre la selection des services Azure AI appropries selon les besoins fonctionnels, le provisioning des ressources, la securisation par identites managees, cles API, RBAC et endpoints prives. Le candidat doit savoir choisir entre Azure AI Services multi-services et ressources individuelles, configurer les diagnostics via Azure Monitor et Log Analytics, et gerer le cout via les tiers tarifaires (F0, S0, S1). La gestion du cycle de vie des conteneurs Cognitive Services (Docker) pour les deploiements on-premise ou edge fait partie du perimetre, tout comme la conformite responsable IA.
- Concepts clés
- Maitriser Azure AI Foundry (anciennement AI Studio) comme hub centralise, comprendre la difference entre region-specific endpoints et global endpoints, gerer les quotas TPM (Tokens Per Minute) sur Azure OpenAI. Connaitre les principes de Responsible AI : transparence, fairness, accountability via Content Safety. Implementer la rotation des cles avec Azure Key Vault, le filtrage reseau via VNet Service Endpoints et Private Link. Comprendre les SLA (99.9% standard), les regions disponibles pour chaque service et les contraintes de data residency (donnees client traitees dans la region selectionnee).
- Services / outils
- Azure AI Services, Azure AI Foundry, Azure Key Vault, Azure Monitor, Log Analytics, Application Insights, Azure RBAC, Managed Identity, Private Link, Content Safety Studio, Azure CLI, Azure SDK Python et .NET.
- Temps estimé
- 10-12h
Domain 2 : Implement generative AI solutions 10-15%
- Objectifs
- Domaine nouveau et strategique en 2026, il couvre l'utilisation d'Azure OpenAI Service pour deployer des modeles GPT-4o, GPT-4 Turbo, o1-mini et DALL-E 3. Le candidat doit savoir creer des deploiements de modeles, configurer prompt flow dans Azure AI Foundry, implementer la generation augmentee par recuperation (RAG) avec Azure AI Search, et optimiser via fine-tuning ou few-shot prompting. La gestion des filtres de contenu, la mitigation des hallucinations et la mesure de la qualite (groundedness, relevance) sont evaluees.
- Concepts clés
- Comprendre les patterns RAG : ingestion, chunking, embeddings (text-embedding-3-large), retrieval hybride (BM25 + vecteur). Maitriser les parametres d'inference : temperature, top_p, frequency_penalty, presence_penalty, max_tokens. Differencier completion API et chat completion API, comprendre les function calling et tools pour les agents. Implementer le streaming de reponses via Server-Sent Events. Connaitre Assistants API et les patterns multi-agents avec Semantic Kernel ou AutoGen.
- Services / outils
- Azure OpenAI Service, Azure AI Foundry Playground, prompt flow, Azure AI Search (anciennement Cognitive Search), Semantic Kernel, DALL-E 3, Whisper, Content Safety, modeles On Your Data.
- Temps estimé
- 15-18h
Domain 3 : Implement an agentic solution 5-10%
- Objectifs
- Introduit en 2025-2026, ce domaine valide la capacite a creer des agents IA autonomes utilisant Azure AI Agent Service. Le candidat doit savoir definir les instructions systeme, attacher des outils (code interpreter, file search, bing grounding), gerer les threads et runs, et orchestrer plusieurs agents collaborant via Semantic Kernel.
- Concepts clés
- Architecture agentique : planner, executor, memory. Comprendre la difference entre stateless completion et stateful conversation via threads persistants. Maitriser le grounding via fichiers (PDF, DOCX) et connecteurs (Bing, SharePoint, Microsoft Fabric). Implementer la gestion d'erreurs robuste et les retry policies. Securiser les agents avec authentication on-behalf-of et data loss prevention.
- Services / outils
- Azure AI Agent Service, Semantic Kernel, AutoGen, Microsoft Copilot Studio, Bing Grounding API, OpenAPI tools.
- Temps estimé
- 8-10h
Domain 4 : Implement computer vision and language solutions 15-20%
- Objectifs
- Domaine fusionne couvrant Azure AI Vision (analyse d'images, OCR, Spatial Analysis), Custom Vision (classification et detection d'objets entrainees), Face API (detection, identification, liveness), Document Intelligence (form recognizer) avec modeles prebuilt (invoices, receipts, ID) et custom. Cote langage : Language Service pour NER, sentiment analysis, key phrase extraction, summarization, question answering, et Conversational Language Understanding (CLU).
- Concepts clés
- Maitriser l'API Image Analysis 4.0 avec features (caption, dense captions, tags, objects, smart crops). Comprendre les modeles Custom Vision : training, iterations, publication, prediction key. Pour Document Intelligence : layout API, custom neural models, composed models. Cote NLP : projets CLU avec intents, entities, deploiements multilingues. Implementer Orchestration workflow pour router entre CLU, QnA et custom LLM.
- Services / outils
- Azure AI Vision, Custom Vision, Face API, Document Intelligence, Video Indexer, Language Service, Translator, Speech Service (STT, TTS, Speech Translation), Custom Speech, Custom Neural Voice.
- Temps estimé
- 18-22h
Domain 5 : Implement knowledge mining and information extraction 15-20%
- Objectifs
- Couvre Azure AI Search comme moteur d'indexation hybride pour des solutions de knowledge mining et RAG. Le candidat doit creer des datasources, indexers, skillsets (avec built-in cognitive skills et custom skills via Azure Functions), et indexes vectoriels. Configurer la semantic search, l'integrated vectorization et les scoring profiles.
- Concepts clés
- Pipeline d'enrichissement AI : ingestion blob/SQL/Cosmos, decomposition via skillset (OCR, language detection, entity recognition, image analysis), projection vers knowledge store. Maitriser les index vectoriels HNSW, les algorithmes de recherche (vector, hybrid, semantic ranker). Configurer integrated vectorization avec text-embedding-3-large directement dans l'indexer. Optimiser via filters, facets, suggesters et autocomplete.
- Services / outils
- Azure AI Search, Knowledge Store, Azure Functions (custom skills), Azure Blob Storage, Cosmos DB, Azure Data Lake, Power Apps integration, Document Intelligence as skill.
- Temps estimé
- 12-15h
Plan de révision hebdomadaire
Planning recommande sur 8 semaines a raison de 8-10h hebdo. Semaine 1 : prerequis et fondations. Revoir AZ-900 et AI-900 si non maitrises, installer Azure CLI, creer un compte Azure for Students ou Free Tier (200 USD), parcourir Microsoft Learn parcours AI-102 module 1. Semaine 2 : Domain 1 (planning et gestion). Pratiquer le provisioning via portail, CLI et Bicep, configurer Key Vault et Managed Identity sur un projet pilote. Semaine 3 : Domain 4 partie Vision. Realiser 3 labs Microsoft Learn : Image Analysis, Custom Vision classification, Document Intelligence custom model. Semaine 4 : Domain 4 partie Language et Speech. Construire un projet CLU complet avec deploiement multilingue, tester Speech SDK en streaming. Semaine 5 : Domain 5 Azure AI Search. Implementer un pipeline complet d'enrichissement sur 100 documents PDF, tester semantic ranker et vectorization integree. Semaine 6 : Domain 2 IA generative. Deployer GPT-4o sur Azure OpenAI, construire une application RAG via prompt flow connectee a AI Search, tester les filtres de contenu. Semaine 7 : Domain 3 agents et integration. Creer un agent multi-tools via Azure AI Agent Service, evaluer la solution avec Foundry evaluation. Semaine 8 : revision et examens blancs. Passer 3 examens blancs MeasureUp ou Whizlabs, identifier les domaines faibles, relire les FAQ Microsoft Q&A, planifier l'examen J-3 dans un Pearson VUE center ou online proctored.
Besoin d'un planning sur mesure ? 30 jours · 60 jours · 90 jours
Ressources recommandées
Parcours officiel gratuit avec 5 modules, labs guides et skills outline a jour 2026
Cours officiel instructeur 4 jours, equivalent gratuit en self-paced sur Microsoft Learn
Repo officiel avec 25+ labs hands-on en Python et C#, code source actualise pour Foundry
Forum officiel pour echanger avec MVPs, retours d'examen et clarifications techniques
5 erreurs classiques à éviter
- Erreur 1 : Confondre Azure AI Services (multi-service) et ressources individuelles. Toujours verifier les endpoints et cles utilises ; un endpoint multi-service ne fonctionne pas pour Custom Vision training qui exige sa propre ressource.
- Erreur 2 : Sous-estimer le domaine IA generative. Beaucoup revisent les services cognitifs classiques en negligeant Azure OpenAI, prompt flow et RAG qui representent desormais pres de 30% des questions.
- Erreur 3 : Negliger la pratique CLI et SDK. L'examen pose des questions sur le code Python et C# (noms exacts de classes comme TextAnalyticsClient, DocumentAnalysisClient). Lire la doc ne suffit pas, il faut coder.
- Erreur 4 : Ignorer la securisation reseau. Les scenarios incluent souvent Private Endpoints, VNet integration et disable public access ; etudier le pattern Cognitive Services + Private Link en detail.
- Erreur 5 : Confondre Content Safety, prompt shields et jailbreak detection. Bien distinguer les filtres de contenu Azure OpenAI (4 categories x 4 severites) et le service Content Safety standalone avec Groundedness Detection.
5 questions types corrigées
Carrière & salaire après AI-102
En 2026, un AI Engineer certifie AI-102 demarre autour de 48-55k EUR junior en France, 60-72k EUR confirme (3-5 ans) et 80-95k EUR senior a Paris ou en remote pour des ESN internationales. A Londres, Amsterdam ou Munich, ajouter 20-30%. Les roles cibles incluent Azure AI Engineer, Machine Learning Engineer, Conversational AI Developer, MLOps Engineer et Solution Architect AI. Les debouches explosent dans la banque-assurance, le secteur public francais (programme France 2030), la sante et le retail. Certifications complementaires recommandees pour progresser : DP-100 (Azure Data Scientist Associate), AZ-204 (Developer Associate), puis Microsoft Certified Expert AI Solutions Architect attendu 2026. Le combo AI-102 + AZ-305 est tres recherche pour les postes d'architecte cloud orientes IA.
FAQ — AI-102
Combien de temps faut-il pour preparer AI-102 ?
Comptez 8 a 10 semaines a raison de 8-10h hebdomadaires si vous avez deja une experience Azure et Python ou C#. Sans bases cloud, prevoyez 3 a 4 mois en incluant AZ-900 et AI-900 en prerequis informels.
Cette certification est-elle reconnue en France ?
Oui, AI-102 est listee dans le repertoire specifique de France Competences (RS) et est largement reconnue par les ESN, banques et grands comptes. Elle est eligible au financement CPF via certains organismes partenaires Microsoft Learning.
Quel est le taux de reussite a AI-102 ?
Microsoft ne publie pas de chiffres officiels, mais les retours communautaires indiquent un taux de reussite proche de 55-65% au premier essai. Avec preparation serieuse et labs pratiques, le taux monte au-dela de 80%.
Quel est le salaire apres AI-102 ?
En France 2026 : 48-55k EUR junior, 60-72k EUR confirme, 80-95k EUR senior. A l'international (Suisse, UK, Allemagne), comptez 30-50% de plus selon la ville et la fiscalite.
Faut-il une experience prealable ?
Aucun prerequis officiel. Microsoft recommande 1-2 ans d'experience en developpement et familiarite avec Python ou C#, plus les bases Azure (AZ-900 conseille). AI-900 aide pour les fondamentaux IA mais n'est pas indispensable.
AI-102 ou cert concurrente : laquelle choisir ?
AI-102 face a AWS ML Specialty ou Google PMLE : choisissez selon le cloud cible de votre entreprise. AI-102 est plus accessible et plus oriente services cognitifs et IA generative, tandis que les certs AWS/GCP sont plus axees ML pur et data science.
Combien coute l'examen AI-102 ?
Le tarif officiel est 165 EUR HT en France via Pearson VUE en 2026. Des reductions existent pour les etudiants (Microsoft Learn Student Ambassadors), les MCT et lors d'evenements Microsoft Ignite ou Build (vouchers gratuits ou 50% offerts).
Combien de fois peut-on repasser AI-102 ?
En cas d'echec, il faut attendre 24h avant le 2e essai, puis 14 jours entre les essais suivants. Maximum 5 tentatives sur 12 mois. Chaque tentative est facturee plein tarif sauf voucher retake offert lors de promotions.
Prêt à passer à la pratique ?
Lancez votre examen blanc gratuit ou faites le test d'orientation pour valider votre choix.
Démarrer l'examen blanc AI-102 → Test d'orientation