Databricks Generative AI Engineer Associate — Questions d'entraînement et examen blanc

L’examen Databricks Certified Generative AI Engineer Associate valide ta capacité à concevoir, développer et déployer des applications d’IA générative sur la plateforme Databricks. Il couvre la conception d’applications, la préparation et le chunking des données, la construction et le déploiement de pipelines de retrieval-augmented generation, l’évaluation, le monitoring ainsi que la gouvernance. Tu dois démontrer ta maîtrise du prompt engineering, des model-serving endpoints et de l’outillage d’IA générative de Databricks.

Cette certification s’adresse aux ingénieurs et développeurs IA qui ont au moins six mois d’expérience dans la création d’applications d’IA générative sur Databricks. Elle atteste que tu sais mener une application d’IA générative de sa conception jusqu’à son déploiement en production.

Le développement d’applications est le domaine dominant avec 30 %, soit près d’un tiers de l’examen. Il couvre le choix des frameworks comme LangChain, le prompt engineering, les guardrails LLM et la sélection d’un modèle depuis un hub ou une marketplace. Vient ensuite l’assemblage et le déploiement d’applications, à 22 % : coder des chains sous forme de modèles pyfunc, les enregistrer dans Unity Catalog et mettre en place des index Vector Search pour la recherche documentaire.

La conception d’applications et la préparation des données pèsent 14 % chacune. On y teste le design des prompts face aux besoins métier, et la stratégie de chunking face à la structure des documents. L’évaluation et le monitoring (12 %) ainsi que la gouvernance (8 %) complètent l’examen, avec le scoring MLflow, le suivi via AI Gateway et les guardrails contre les entrées malveillantes ou les risques de licence dans les données sources.

L’examen compte 45 questions notées, en QCM à réponse unique ou à réponses multiples, dans une fenêtre de 90 minutes ; des questions pilotes non notées peuvent aussi apparaître. Les énoncés sont très orientés scénario : choisir une approche de chunking adaptée à un corpus donné, faire correspondre les composants d’une chain à un format d’entrée et de sortie précis, ou configurer Vector Search en respectant un budget de latence et de coût.

Chaque domaine de l’examen DB-GAIE a assez de questions dans la banque pour être travaillé en profondeur. Un examen blanc te pose 45 questions d’affilée, sur le même chrono de 90 minutes que le jour de l’examen.

Le temps qu’il te faut dépend de ton expérience pratique. Le reste est fixé par l’éditeur : comment l’examen se déroule, quand tu peux le repasser et combien de temps la certification reste valable.

L’examen se passe en ligne avec un surveillant à distance, ou dans un centre d’examen, en anglais, japonais, portugais (BR) et coréen. La certification reste valable deux ans ; pour la renouveler, tu dois repasser la version en vigueur de l’examen.

La configuration de Vector Search, c’est là que la théorie GenAI rencontre les spécificités de Databricks : l’examen attend que tu sois à l’aise avec les dimensions d’embedding, les modes de rafraîchissement d’index et les arbitrages latence/coût entre les configurations, pas seulement avec le RAG en tant que concept. Les questions sur le chunking testent ton jugement face à une structure documentaire précise, pas une règle apprise par cœur. La même logique vaut pour le choix d’un LLM : les model cards et les métriques d’expérimentation comptent bien plus que la notoriété de la marque. La gouvernance ne pèse que 8 % de l’examen, mais elle porte sur des scénarios détaillés autour des guardrails et du risque de licence, que des connaissances générales en sécurité de l’IA ne suffisent pas à couvrir.