Accueil Certifications FAQ Partenaires Blog

Commencer gratuitement

·EN·DE·FR·ES·PT

Microsoft · AI-103 · Associate

Developing AI Apps and Agents on Azure (AI-103) — Questions d'entraînement et examen blanc

Prépare AI-103 avec des questions d’entraînement originales et des réponses clairement expliquées. Demande des précisions à Alex, ton tuteur IA, repère les sujets à revoir grâce à tes résultats et entraîne-toi à gérer ton temps avec des examens blancs chronométrés.

S’entraîner gratuitement pour AI-103 Acheter l’accès à AI-103 pour $29.99

Acheter l’accès à AI-103 pour $29.99 S’entraîner gratuitement pour AI-103

50Questions de l’examen blanc

120minTemps imparti

700/ 1000Score requis

Vérifié auprès de Microsoft · août 2026 · Version actuelle de l’examen

Présentation

À propos de l’examen

L’examen AI-103, Developing AI Apps and Agents on Azure, mène à la certification Microsoft Certified: Azure AI Apps and Agents Developer Associate. Il succède à l’AI-102, désormais retiré, et déplace le curseur : on ne se contente plus de brancher des services Azure AI préconçus, on construit des applications d’IA générative et des solutions multi-agents sur Microsoft Foundry.

L’examen s’adresse aux ingénieurs Azure AI qui conçoivent, construisent, déploient et exploitent des applications et des agents d’IA avec Foundry, les modèles Azure OpenAI, Azure AI Search, Azure AI Content Understanding, ainsi que les capacités Azure AI Language, Vision et Speech. On attend de toi que tu développes en Python et que tu maîtrises les patterns d’IA générative comme le retrieval-augmented generation (RAG), le tool calling, l’orchestration d’agents et l’IA responsable.

Essaie les questions d’entraînement

Essaie cinq questions sur AI-103

Entraîne-toi avec cinq questions de la banque actuelle de l’app pour Developing AI Apps and Agents on Azure, accompagnées de leurs réponses et explications.

Implémenter des solutions d'extraction d'informations1 / 5

Tu dois ingérer des PDF mixtes, contenant à la fois du texte rédigé et des graphiques/schémas intégrés, dans un index Azure AI Search pour du RAG multimodal. Tu veux un seul skill qui analyse la mise en page, produit du Markdown préservant la structure des sections et extrait les images avec des métadonnées de localisation, pour que les chunks restent près des figures associées. Quel skill intégré dois-tu utiliser ?

AlexExplication complète d’Alex

Le skill Document Layout d'Azure AI Search appelle le modèle de layout d'Azure Document Intelligence pour détecter la structure du document et produire une représentation syntaxique en Markdown ou en texte. Son paramètre markdownHeaderDepth contrôle l'imbrication des sections et, lorsqu'il est configuré pour une sortie texte avec extraction d'images, il renvoie normalized_images ainsi que locationMetadata, qui conserve la position de chaque image dans le document. Garder les images près du contenu associé est précieux pour le RAG et la recherche multimodale. Le skill OCR, lui, se contente d'extraire le texte des images et ne produit pas de sections Markdown structurées ; le skill Image Analysis décrit le contenu d'une image mais ne découpe pas un document en chunks selon sa mise en page. Astuce d'examen : « du Markdown conscient de la structure plus des métadonnées de localisation des images pour du RAG multimodal » désigne le skill Document Layout, pas le simple OCR.

Sourcelearn.microsoft.com

Implémenter des solutions d'IA générative et agentique2 / 5

Une équipe plateforme veut déboguer un agent multi-étapes en voyant tout le flux d'exécution, y compris chaque appel au LLM, chaque invocation d'outil et chaque décision de l'agent, avec des données qui remontent dans Application Insights. Quelle capacité d'observabilité de Microsoft Foundry offre cette visibilité de bout en bout sur l'exécution ?

AlexExplication complète d’Alex

L'observabilité de Microsoft Foundry repose sur trois piliers : l'évaluation (mesurer la qualité et la sécurité), le monitoring (tableaux de bord et alertes en production) et le tracing. Le tracing apporte une visibilité distribuée et de bout en bout sur l'exécution d'une application d'IA : il enregistre les appels au LLM, les invocations d'outils, les décisions de l'agent et les dépendances entre services. Il est basé sur le standard OpenTelemetry et s'intègre à Azure Monitor Application Insights, ce qui est exactement ce dont tu as besoin pour déboguer le comportement d'un agent multi-étapes, repérer les goulets d'étranglement et comprendre les chaînes de raisonnement. Le tracing prend en charge des frameworks comme le Microsoft Agent Framework et le OpenAI Agents SDK. Le fine-tuning, les variantes de prompt flow et le filtrage de contenu concernent respectivement la personnalisation, la comparaison de prompts et la sécurité, pas la visibilité sur l'exécution au runtime. Astuce d'examen : quand une question parle de « flux d'exécution », de « chaque décision », d'« OpenTelemetry » ou d'« Application Insights pour déboguer des agents », la réponse est le tracing.

Sourcelearn.microsoft.com

Implémenter des solutions d'analyse de texte3 / 5

Une application envoie de courts commentaires rédigés par des utilisateurs au endpoint REST /translate d'Azure AI Translator v3. L'équipe veut que chaque requête traduise à la fois en allemand et en italien en un seul appel, et que le service détecte automatiquement la langue source. Quelle approche configure correctement la requête ?

AlexExplication complète d’Alex

Le endpoint /translate d'Azure AI Translator v3 reçoit la ou les langues cibles via le paramètre de requête obligatoire « to ». Pour traduire vers plusieurs langues en un seul appel, tu répètes le paramètre, par exemple to=de&to=it. Le paramètre « from » est facultatif : s'il est omis, le service détecte automatiquement la langue source et renvoie dans la réponse la langue détectée ainsi qu'un score de confiance. Tu n'as besoin du endpoint /detect séparé que si tu veux la détection sans traduction. Note que la fonctionnalité de dictionnaire dynamique exige que tu précises « from » explicitement plutôt que de compter sur la détection automatique. Astuce d'examen : plusieurs cibles s'obtiennent en répétant « to », et omettre « from » est la manière prise en charge d'obtenir la détection automatique intégrée pendant la traduction.

Sourcelearn.microsoft.com

Planifier et gérer une solution Azure AI4 / 5

Ta politique de sécurité impose qu'une validation soit obtenue avant tout changement, mais un développeur demande de régler le filtre de contenu d'un deployment sur « No filters » (désactiver le filtrage) pour un modèle Azure OpenAI. Que faut-il pour que cette configuration puisse prendre effet ?

AlexExplication complète d’Alex

Les filtres de contenu de Foundry sont configurables : n'importe quel client peut définir le seuil de sévérité (low, medium ou high) séparément pour les prompts et pour les complétions. En revanche, les options « No filters » et « Annotate only », qui désactivent le blocage, exigent une approbation spéciale. Pour les modèles Azure OpenAI, seuls les clients approuvés via l'Azure OpenAI Limited Access Review pour les filtres de contenu modifiés peuvent désactiver complètement le filtrage. C'est un garde-fou de gouvernance destiné à maintenir par défaut les protections d'IA responsable. Astuce d'examen : changer les seuils = aucune approbation nécessaire ; désactiver entièrement le filtrage ou passer en annotation seule = approbation pour filtre de contenu modifié requise.

Sourcelearn.microsoft.com

Implémenter des solutions de vision par ordinateur5 / 5

Une solution doit extraire des champs structurés personnalisés directement à partir de photos de rayons de produits (par exemple des pourcentages de part de linéaire et les marques détectées) en s'appuyant sur un schéma que tu définis, ce qui inclut le classement des images en catégories et la génération de champs avec un modèle génératif. Quelle capacité Azure est conçue spécialement pour cette extraction de champs à partir d'images ?

AlexExplication complète d’Alex

Azure AI Content Understanding étend l'extraction de champs à toutes les modalités, y compris les images. Sa capacité d'extraction de champs d'images te permet d'extraire des champs structurés personnalisés à partir d'images selon un schéma que tu définis ; les champs peuvent être extraits directement, classés parmi un ensemble de catégories, ou générés à l'aide d'un modèle génératif. C'est bien adapté à l'analyse de linéaires dans le retail, au contrôle qualité en production industrielle et à la BI à partir de graphiques, là où tu as besoin de sorties structurées plutôt que de légendes en texte libre. Contrairement à Image Analysis Caption (une phrase figée) ou au VQA générique, l'extraction de champs d'images est pilotée par le schéma et renvoie des champs lisibles par une machine. Astuce d'examen : « des champs structurés personnalisés pilotés par un schéma à partir d'images, avec options de classification et de génération » = extraction de champs d'images de Content Understanding.

Sourcelearn.microsoft.com

Créer un compte gratuit

Les questions de l’app sont actuellement en anglais. Les traductions de cet aperçu concernent uniquement l’aperçu. Consulte l’organisme de certification pour connaître les langues disponibles pour l’examen officiel.

Banque de questions

460 questions d’entraînement

La banque de questions Pass-IT te permet de t’entraîner pour AI-103. Un examen blanc Pass-IT comporte 50 questions à traiter en 120 minutes : ces paramètres sont ceux de l’entraînement.

Détails de la banque de questions : AI-103

Informations sur l’examen vérifiées auprès de Microsoft28 août 2026

date de la dernière vérification auprès de la source officielle de Microsoft

Score requis700 / 1 000

selon les informations publiées par Microsoft

Objectifs du guide78 objectifs répertoriés dans le guide officiel

répartis entre 5 domaines dans le guide officiel de l’examen

Taille de la banque460 questions

= La taille de la banque équivaut à 9 séries de 50 questions. Cela ne signifie pas que chaque examen blanc utilise une série distincte.

Domaines du programme5 domaines dans le programme de l’examen

Plan and manage an Azure AI solution 123 · Implement generative AI and agentic solutions 153 · Implement computer vision solutions 59 · Implement text analysis solutions 60 · Implement information extraction solutions 65

Questions marquées comme vérifiées à partir des sources460 sur 460

questions dont la réponse, les choix et l’explication sont enregistrés comme ayant été vérifiés à partir de la documentation officielle de Microsoft

Comment les questions sont créées →

Domaines de l’examen

Contenu de l’examen

La mise en œuvre de solutions d’IA générative et agentiques pèse le plus lourd, avec 30 à 35 % : créer des applications génératives basées sur Foundry, construire des agents avec tool-calling et orchestration multi-agents, puis faire tourner ces systèmes en production. Vient ensuite la planification et la gestion d’une solution d’IA, à 25-30 % : choisir le bon service Foundry et le bon modèle, mettre en place l’infrastructure et le CI/CD, sécuriser et surveiller ce qui tourne. La vision par ordinateur, le texte et la parole, ainsi que l’extraction d’informations comptent chacun pour 10 à 15 %, des domaines plus étroits mais évalués en profondeur.

La répartition favorise ceux qui construisent plutôt que ceux qui intègrent : l’examen te demande bien plus souvent de bâtir un agent ou un workflow génératif que de brancher un simple appel de vision ou de reconnaissance vocale déjà tout prêt.

Programme de l’examen : AI-103

Plan and manage an Azure AI solution25–30%

Choisir les services et modèles Microsoft Foundry adaptés, mettre en place et déployer des solutions d'IA, gérer/surveiller/sécuriser les systèmes d'IA et appliquer l'IA responsable à l'ensemble des systèmes génératifs et agentiques.

≈ 12 h

Implement generative AI and agentic solutions30–35%

Construire des applications génératives avec Foundry (RAG, flux augmentés par des outils), créer des agents (rôles, function-calling, mémoire, orchestration multi-agents), puis optimiser et industrialiser les systèmes d'IA générative.

≈ 15 h

Implement computer vision solutions10–15%

Génération et édition d'images et de vidéos, compréhension multimodale et génération de légendes, analyse vidéo, et IA responsable pour le contenu multimodal.

≈ 6 h

Implement text analysis solutions10–15%

Analyse de texte par modèle de langage (entités, sentiment, traduction, sorties personnalisées) et solutions de parole (speech-to-text, text-to-speech, la parole comme modalité d'un agent).

≈ 6 h

Implement information extraction solutions10–15%

Construire des pipelines de récupération et d'ancrage (recherche sémantique, hybride et vectorielle ; ingestion RAG) et extraire du contenu de documents avec Content Understanding.

≈ 6 h

Format

Format de l’examen et types de questions

Compte environ 40 à 60 questions en 120 minutes. Tu trouveras des QCM à réponse unique, des questions à réponses multiples (sélectionne toutes les bonnes options) et des exercices de glisser-déposer pour ordonner ou associer des éléments, avec des énoncés en situation qui te demandent de combiner deux notions ou plus. Le score est rapporté sur une échelle de 1 à 1000, et il faut 700 points pour réussir. AI-103 repose sur Microsoft Foundry. La plupart des questions portent sur des fonctionnalités en disponibilité générale ; les fonctionnalités en preview n’apparaissent que là où elles sont couramment utilisées.

Types de questions : AI-103

Choix multiple60%

Sélectionne la seule réponse qui répond le mieux aux exigences de la question.

Réponse multiple25%

Sélectionne plusieurs réponses. Respecte le nombre de choix demandé dans la question.

Glisser-déposer15%

Déplace les éléments vers les emplacements ou les groupes indiqués, ou place-les dans l’ordre demandé.

Consulte Microsoft pour les informations officielles sur les formats de questions. Les proportions affichées décrivent la banque de questions Pass-IT et ne permettent pas de déduire celles de l’examen officiel.

Organisation

Préparation à AI-103

L’AI-103 se passe chez Pearson VUE, en centre d’examen ou en ligne avec surveillance à distance, et n’est proposé qu’en anglais pour le moment. La certification est valable un an, et Microsoft ouvre une évaluation de renouvellement gratuite sur Learn avant son expiration.

Préparation et modalités : AI-103

Préparation

Exemple de durée de préparation25–70 h

fourchette illustrative pour t’organiser : de 25 h avec une expérience pertinente à 70 h si tu débutes ; tes besoins peuvent se situer en dehors de cette fourchette

NiveauAssocié

Connaissances conseilléesTu as déjà développé des applis en Python et tu connais les grands principes de l'IA, de l'IA générative et des services Azure AI.

Passage de l’examen et maintien de la certification

Modalités de passagePearson VUE (centre d'examen ou surveillé en ligne)

Conditions de nouvelle tentative24 heures d'attente après un échec à la première tentative ; délais croissants ensuite ; maximum 5 tentatives par 12 mois

Validité de la certification1 an

Tu peux renouveler ta certification gratuitement chaque année : il te suffit de réussir l'évaluation de renouvellement en ligne sur Microsoft Learn avant la date d'expiration.

Guide officielConsulter le site de l’organisme

Conseils de révision

Erreurs fréquentes

Points à revoir : AI-103

01Connected Agents vs Foundry workflows
Les Connected Agents classiques sont dépréciés et n’existent plus dans le nouveau Foundry Agent Service. Pour orchestrer plusieurs agents, passe par les workflows Foundry, le Microsoft Agent Framework ou l’outil A2A.
02RAG before fine-tuning
Quand il s’agit d’ajouter des connaissances métier ou de réduire les réponses inventées, ancre les réponses dans la recherche (recherche hybride ou vectorielle avec Azure AI Search) plutôt que de partir sur du fine-tuning.
03Keyless, managed-identity auth
Sécurise les ressources Foundry avec une managed identity, un réseau privé et des identifiants keyless, au lieu de stocker des clés d’API.
04Content Understanding vs Document Intelligence
Utilise Azure AI Content Understanding pour l’extraction multimodale et les entrées RAG ancrées. Ne pars pas du principe que Document Intelligence couvre la vidéo et l’audio.
05Responsible AI is tested
Les content filters, les safety evaluators, la détection des risques, la journalisation des traces et les métadonnées de provenance sont des sujets d’examen à part entière, pas des détails de fin de parcours : maîtrise-les.
06GA over preview
Réponds en te basant sur le comportement en disponibilité générale (GA) ; les fonctionnalités en preview n’apparaissent que lorsqu’elles sont déjà couramment utilisées.

S’entraîner avec des questions et des explications sur Pass-IT →

Questions

Questions fréquentes

Combien de temps dure l’examen Developing AI Apps and Agents on Azure ?

L’examen AI-103 comporte 50 questions et le temps imparti est de 120 minutes.

Quel score faut-il obtenir pour réussir Developing AI Apps and Agents on Azure ?

Le score requis pour réussir l’examen AI-103 est de 700 / 1000.

Quels points méritent une attention particulière pendant la préparation de Developing AI Apps and Agents on Azure ?

Les points à revoir comprennent Connected Agents vs Foundry workflows, RAG before fine-tuning, Keyless, managed-identity auth, Content Understanding vs Document Intelligence, Responsible AI is tested, GA over preview. Travaille sur des exemples pour vérifier que tu comprends les distinctions et que tu peux expliquer ta réponse.

AI-103 remplace-t-il AI-102 ?

Oui. Microsoft a retiré AI-102 fin juin 2026 et notre catalogue enregistre AI-103 comme son successeur. Le contenu a suivi : generative AI et solutions agentiques forment désormais le plus gros domaine avec 33%, un terrain qu'AI-102 effleurait à peine. Notre guide t'explique ce qui a changé et quoi faire si tu es en pleine préparation. Lire le guide AI-102 vers AI-103

Comment l'examen AI-103 est-il pondéré ?

Implementing generative AI and agentic solutions est le plus gros domaine avec 33%, suivi de planning and managing an Azure AI solution à 27%. Information extraction pèse 14%, computer vision et text analysis 13% chacun. Six dixièmes de l'examen portent sur generative AI et la gestion de solutions : les services classiques de vision et de langage sont donc devenus la plus petite moitié.

Que faut-il savoir avant AI-103 ?

Microsoft attend une expérience du développement d'applications en Python et une bonne connaissance de l'AI, de la generative AI et des Azure AI services, sans imposer de certification préalable. Le catalogue prévoit environ 45 heures. C'est un examen de développeur : le comportement des SDK compte donc plus que la théorie du machine learning.

Combien de temps AI-103 reste-t-il valable ?

Un an. Microsoft la renouvelle via une évaluation de renouvellement en ligne gratuite sur Microsoft Learn, que tu dois réussir avant la date d'expiration. Sur un sujet qui bouge aussi vite, cette évaluation annuelle est un bon indicateur de la fraîcheur de tes connaissances.

Une certification, 12 mois

Entraînement pour AI-103

Concentre ton entraînement sur une certification ou choisis Pro pour t’entraîner à toutes les certifications.

Acheter l’accès à AI-103 pour $29.99

Commencer un entraînement gratuitEssaie les 20 premières questions sans carte bancaire pour voir si cet entraînement te convient.

Pour les achats éligibles : remboursement garanti si tu échoues à ton examen.

Voir les conditions de garantie →