Aller au contenu
TokIQ
Apprentissage

AI-901 (AI901) : questions d'entraînement et infos

10 questions d'entraînement AI-901 originales avec réponses, les infos officielles de l'examen, les compétences évaluées et ce qui remplace AI-900 en 2026.

TokIQ Editorial13 min de lecture
Dans cet article
  1. Que s'est-il passé avec AI-900 ?
  2. L'examen AI-901 en bref
  3. Domaine 1 : identifier les concepts et capacités de l'IA
  4. Domaine 2 : mettre en œuvre des solutions d'IA avec Microsoft Foundry
  5. Comment évaluer votre score
  6. Comment ces questions ont été rédigées
  7. Entraînez-vous avec plus de questions AI-901

AI-900, c'est fini : Microsoft l'a retiré le 30 juin 2026 et l'a remplacé par AI-901 : Microsoft Azure AI Fundamentals, désormais le seul examen de la certification Microsoft Certified: Azure AI Fundamentals. Voici 10 questions d'entraînement AI-901 originales, avec réponses et courtes explications, réparties entre les deux domaines de compétences officiels dans des proportions proches de celles du vrai examen.

Essayez chaque question avant de lire la réponse. Si vous vous prépariez avec un test d'entraînement AI-900, les quatre premières questions vous seront familières. Les six dernières sont la nouveauté.

L'essentiel

  • AI-901 a remplacé AI-900 le 30 juin 2026. Le nom de la certification n'a pas changé : Microsoft Certified: Azure AI Fundamentals.
  • 55–60 % de AI-901 porte sur la mise en œuvre de solutions d'IA avec Microsoft Foundry ; 6 des 10 questions ci-dessous viennent donc de ce domaine.
  • Microsoft attend des candidats AI-901 qu'ils connaissent la syntaxe Python. Ce n'était pas le cas pour AI-900.
  • Vous avez 45 minutes et il faut un score pondéré de 700 sur 1 000. Microsoft ne publie pas le nombre de questions.

Que s'est-il passé avec AI-900 ?

Microsoft a retiré l'examen AI-900 le 30 juin 2026. La page de l'examen AI-900 indique désormais que l'examen « has been replaced by AI-901 », et la page de la certification Azure AI Fundamentals présente AI-901 comme le seul examen requis.

Le changement dépasse un simple nouveau code. AI-900 évaluait cinq domaines conceptuels : charges de travail d'IA, machine learning sur Azure, vision par ordinateur, traitement automatique du langage (NLP) et IA générative. AI-901 compte deux domaines de compétences, et le plus important est pratique :

AI-900 (retiré)AI-901 (actuel)
Domaines de compétences5 domaines conceptuels2 : concepts d'IA (40–45 %) et mise en œuvre de l'IA avec Microsoft Foundry (55–60 %)
CodeNon requisConnaissance de la syntaxe Python attendue
ObjectifDécrire les charges de travail d'IA et les services AzureDécrire les concepts d'IA, puis créer de petites applications de chat, des agents, des solutions de voix, de vision et d'extraction dans Foundry

Si votre test d'entraînement AI-900 ne couvre que la colonne de gauche, il reste utile pour les questions de concepts, mais il passe à côté de plus de la moitié de AI-901.

L'examen AI-901 en bref

Ces informations viennent du guide d'étude AI-901 officiel (compétences évaluées au 15 avril 2026), de la page de l'examen AI-901, de la page Microsoft sur la durée des examens et de celle sur la notation des examens, toutes consultées le 2026-10-26. Pour la fiche complète et un plan de révision, consultez notre page de préparation à AI-901.

FaitValeur officielle
ExamenAI-901 : Microsoft Azure AI Fundamentals
CertificationMicrosoft Certified: Azure AI Fundamentals
Durée45 minutes (65 minutes de présence)
Score de réussite700 sur une échelle de 1–1 000 (score pondéré)
QuestionsNon publié (Microsoft indique que la plupart des examens en comptent 40–60)
PrixVarie selon le pays ou la région où vous passez l'examen
Pénalité en cas d'erreurAucune
Domaine de compétencesPoidsQuestions ci-dessous
1. Identifier les concepts et capacités de l'IA40–45 %1–4
2. Mettre en œuvre des solutions d'IA avec Microsoft Foundry55–60 %5–10

Le guide d'étude précise aussi que la plupart des questions portent sur des fonctionnalités en disponibilité générale, que l'examen peut inclure des fonctionnalités en préversion couramment utilisées, et qu'il faut connaître les API REST, les SDK et les CLI.

Domaine 1 : identifier les concepts et capacités de l'IA

Question 1

Une entreprise lance un chatbot de service client. Chaque conversation commence par un message indiquant à l'utilisateur qu'il parle à un système d'IA, ce qu'il peut faire pour lui et où il peut se tromper. Quel principe d'IA responsable de Microsoft cela soutient-il principalement ?

  • A. L'équité (Fairness)
  • B. L'inclusion (Inclusiveness)
  • C. La transparence (Transparency)
  • D. La fiabilité et la sécurité (Reliability and safety)

Réponse : C. La transparence signifie que les personnes comprennent qu'elles utilisent un système d'IA, à quoi il sert et quelles sont ses limites. Prévenir d'emblée les utilisateurs qu'ils parlent à une IA et qu'elle peut se tromper en est un exemple direct.

  • A est faux, car l'équité consiste à traiter tous les groupes de personnes de façon équitable.
  • B est faux, car l'inclusion consiste à concevoir pour des personnes aux capacités et aux parcours différents, par exemple avec des interfaces accessibles.
  • D est faux, car la fiabilité et la sécurité garantissent que le système fonctionne comme prévu et échoue sans danger ; un message d'information ne change pas le comportement du modèle.

Les six principes du guide d'étude sont l'équité, la fiabilité et la sécurité, la confidentialité et la sécurité des données, l'inclusion, la transparence et la responsabilité. Attendez-vous à des questions de mise en situation où il faut associer une pratique à l'un d'eux.

Question 2

Quelle affirmation décrit le mieux la façon dont un grand modèle de langage (LLM) produit une réponse à un prompt ?

  • A. Il cherche dans ses données d'entraînement le document enregistré qui correspond le mieux au prompt et le renvoie.
  • B. Il prédit de façon répétée le token suivant le plus probable, d'après le prompt et les tokens déjà générés.
  • C. Il applique un ensemble fixe de règles écrites par les développeurs pour chaque type de question.
  • D. Il cherche la réponse dans une base de données sur internet à chaque fois.

Réponse : B. Un modèle de langage génère le texte un token à la fois. Un token est un morceau de texte, souvent une partie de mot. À chaque étape, le modèle prédit un token suivant probable à partir de tout ce qui précède, l'ajoute, puis recommence jusqu'à ce que la réponse soit complète.

  • A est faux, car le modèle ne stocke pas de documents entiers pour les renvoyer ; il génère un nouveau texte.
  • C est faux, car le comportement est appris à partir de données pendant l'entraînement, et non écrit sous forme de règles.
  • D est faux, car un modèle seul ne fait pas de recherche sur internet. Une application ou un agent peut ajouter la recherche comme outil, mais c'est une étape distincte.

Question 3

Un détaillant veut traiter des milliers d'avis sur ses produits et en extraire les noms de produits, de marques et de villes cités par les clients. Quelle technique d'analyse de texte convient ?

  • A. L'analyse des sentiments
  • B. La détection d'entités (reconnaissance d'entités nommées)
  • C. Le résumé
  • D. La détection de la langue

Réponse : B. La détection d'entités repère et classe les éléments nommés dans un texte, comme les produits, les organisations, les personnes et les lieux.

  • A est faux, car l'analyse des sentiments indique si un avis est positif, négatif ou neutre, pas quels éléments il nomme.
  • C est faux, car le résumé raccourcit un texte au lieu de lister des éléments précis.
  • D est faux, car la détection de la langue indique seulement dans quelle langue l'avis est écrit.

Question 4

Une application de navigation doit lire à voix haute les indications d'itinéraire au conducteur. De quelle capacité vocale a-t-elle besoin ?

  • A. La reconnaissance vocale (speech to text)
  • B. La synthèse vocale (text to speech)
  • C. La reconnaissance du locuteur
  • D. L'extraction de mots-clés

Réponse : B. La synthèse vocale transforme du texte en audio parlé, ce qui correspond exactement à la lecture à voix haute d'un itinéraire.

  • A est faux, car la reconnaissance vocale fait l'inverse : elle transforme de l'audio parlé en texte, par exemple pour comprendre les commandes vocales du conducteur.
  • C est faux, car la reconnaissance du locuteur identifie qui parle.
  • D est faux, car l'extraction de mots-clés est une technique d'analyse de texte et ne produit aucun audio.

Domaine 2 : mettre en œuvre des solutions d'IA avec Microsoft Foundry

Question 5

Un développeur crée une application de chat dans Microsoft Foundry. Chaque réponse doit être polie, rédigée en langage simple et limitée aux questions sur les produits de l'entreprise, quoi que l'utilisateur écrive. Où placer ces règles ?

  • A. Dans le system prompt
  • B. Dans chaque prompt utilisateur, saisi par l'utilisateur
  • C. Dans le nom du modèle
  • D. Dans les messages d'erreur de l'application

Réponse : A. Le system prompt (message système) définit le rôle, le ton, le périmètre et les règles du modèle pour toute la conversation. Le prompt utilisateur contient la vraie question de l'utilisateur, qui change à chaque tour et ne peut pas servir à répéter les règles.

  • B est faux, car les utilisateurs n'ajouteront pas les règles eux-mêmes, et l'application ne doit pas compter sur eux.
  • C est faux, car le nom du modèle ou du déploiement sert seulement à identifier le modèle appelé.
  • D est faux, car les messages d'erreur ne changent pas la façon dont le modèle répond.

Notre guide sur comment écrire un system prompt détaille ce qu'il faut y mettre.

Question 6

Un développeur choisit un modèle dans le catalogue de modèles Foundry et veut l'appeler depuis une application Python. Que doit-il faire avant que l'application puisse lui envoyer des prompts ?

  • A. Affiner (fine-tuning) le modèle avec les données de l'entreprise
  • B. Déployer le modèle dans la ressource Foundry et utiliser le point de terminaison et le nom de ce déploiement dans l'application
  • C. Télécharger les poids du modèle sur son ordinateur portable
  • D. Créer un analyseur Content Understanding

Réponse : B. Un modèle du catalogue doit être déployé avant de pouvoir être utilisé. L'application envoie ensuite ses requêtes au déploiement, avec le point de terminaison du projet, le nom du déploiement et des identifiants comme une clé ou Microsoft Entra ID. Le guide d'étude cite à la fois « deploy a model and interact with it in the Foundry portal » et « create a lightweight chat client application by using the Foundry SDK ».

  • A est faux, car le fine-tuning est facultatif et inutile pour appeler un modèle.
  • C est faux, car Foundry héberge le modèle déployé ; vous l'appelez via le réseau.
  • D est faux, car un analyseur sert à l'extraction d'informations avec Content Understanding, pas à discuter avec un modèle.

Question 7

Un développeur écrit cette boucle de chat simple en Python. Les utilisateurs se plaignent que l'assistant oublie ce qu'ils ont dit un message plus tôt. Quelle est la correction ?

system = {"role": "system", "content": "Tu es un assistant de voyage serviable."}

while True:
    user_input = input("Vous : ")
    messages = [system, {"role": "user", "content": user_input}]
    reply = send_to_model(messages)  # appelle le modèle de chat déployé
    print("Assistant :", reply)
  • A. Augmenter la température pour que le modèle se souvienne davantage
  • B. Garder une seule liste messages pour toute la conversation et y ajouter chaque message de l'utilisateur et chaque réponse de l'assistant avant l'appel suivant
  • C. Déplacer le message système à la fin de la liste
  • D. Déployer un modèle plus grand

Réponse : B. Un modèle de chat ne se souvient pas des requêtes précédentes. Chaque appel ne voit que les messages que vous envoyez. La boucle reconstruit messages de zéro à chaque tour, donc les tours précédents sont perdus. Créer la liste une seule fois et y ajouter l'entrée de l'utilisateur et la réponse de l'assistant à chaque tour donne au modèle l'historique de la conversation.

  • A est faux, car la température change le caractère aléatoire de la sortie, pas ce que le modèle peut voir.
  • C est faux, car la position du message système ne ramène pas les tours manquants.
  • D est faux, car un modèle plus grand ne voit toujours que les messages de la requête.

Question 8

Une équipe crée un agent unique dans le portail Foundry pour répondre aux questions des employés sur les politiques RH de l'entreprise, stockées dans des fichiers PDF. Quelle modification permet à l'agent d'ancrer ses réponses dans ces documents ?

  • A. Ajouter l'outil de recherche de fichiers (file search) à l'agent et téléverser les documents de politique
  • B. Augmenter la longueur maximale des réponses
  • C. Ajouter un modèle de génération d'images à l'agent
  • D. Supprimer les instructions de l'agent pour qu'il réponde librement

Réponse : A. Les outils étendent ce qu'un agent peut faire. L'outil de recherche de fichiers indexe les fichiers téléversés dans un magasin vectoriel pour que l'agent retrouve les passages pertinents et réponde à partir d'eux plutôt qu'à partir des connaissances générales du modèle.

  • B est faux, car une limite de réponse plus longue ne donne pas de nouvelles connaissances à l'agent.
  • C est faux, car la génération d'images crée des images, pas des réponses tirées de documents.
  • D est faux, car les instructions définissent le rôle de l'agent ; les supprimer le rend moins fiable, pas mieux informé.

Le principe sous-jacent est la génération augmentée par récupération (RAG), et notre article sur le tool calling et les agents IA explique comment un agent décide d'utiliser un outil.

Question 9

Un technicien de terrain prend en photo une pièce de machine endommagée et demande à l'application de l'entreprise : « Quelle est cette pièce et qu'est-ce qui peut clocher ? » Quelle approche convient le mieux dans Foundry ?

  • A. Envoyer la photo et la question ensemble dans un prompt à un modèle multimodal déployé qui accepte les images en entrée
  • B. Envoyer la question à un modèle de génération d'images
  • C. Convertir la photo en audio avec la synthèse vocale
  • D. Lancer une analyse des sentiments sur le nom du fichier de la photo

Réponse : A. Un modèle multimodal peut recevoir une image et du texte dans le même prompt et raisonner sur les deux. Le guide d'étude parle d'interpréter une entrée visuelle dans des prompts à l'aide d'un modèle multimodal déployé.

  • B est faux, car un modèle de génération d'images crée de nouvelles images ; il n'explique pas une photo existante.
  • C est faux, car la synthèse vocale transforme du texte en audio et n'a rien à voir avec les images.
  • D est faux, car l'analyse des sentiments porte sur des opinions exprimées en texte, et un nom de fichier ne dit rien de la pièce.

Question 10

Un centre d'appels veut traiter ses enregistrements d'appels clients et obtenir des champs structurés pour chaque appel : un court résumé, le produit abordé et la satisfaction ou non du client. Quel outil Foundry est conçu pour cela ?

  • A. Azure Content Understanding in Foundry Tools, avec un analyseur qui définit les champs
  • B. Un modèle d'embeddings de texte
  • C. Un modèle de génération d'images
  • D. L'outil de recherche de fichiers d'un agent

Réponse : A. Content Understanding transforme des documents, des images, de l'audio et de la vidéo en sortie structurée. Vous définissez les champs voulus dans un schéma d'analyseur, et il peut extraire, classer ou générer des valeurs, comme un résumé d'appel ou une étiquette de satisfaction. L'analyse après appel fait partie des cas d'usage cités par Microsoft.

  • B est faux, car les embeddings transforment du texte en vecteurs pour la recherche ; ils ne produisent pas de champs étiquetés à partir d'audio.
  • C est faux, car la génération d'images crée des images.
  • D est faux, car la recherche de fichiers aide un agent à répondre à des questions à partir de documents ; elle ne transforme pas chaque enregistrement en champs structurés.

Comment évaluer votre score

Comptez vos bonnes réponses sur 10, puis regardez où vous vous êtes trompé. Dix questions sont trop peu pour prédire un résultat à l'examen, mais elles montrent quel domaine de compétences demande du travail.

  • 9–10 bonnes réponses : entraînez-vous avec des séries plus longues et chronométrées, et continuez à revoir les questions ratées.
  • 6–8 bonnes réponses : retournez aux points du domaine de compétences que vous avez manqué dans le guide d'étude.
  • 5 ou moins : commencez par les concepts. Notre parcours d'apprentissage du prompt engineering couvre les notions d'IA générative derrière les questions 2 et 5–8.

Si vous avez raté plusieurs des questions 5–10, la partie Foundry est votre point faible. Ces compétences s'apprennent mieux en pratiquant : déployez un modèle, écrivez un system prompt et créez vous-même un petit client de chat en Python.

Microsoft propose aussi une évaluation d'entraînement gratuite pour cette certification sur AI Skills Navigator (connexion requise). Elle est accessible depuis la page de l'examen AI-901.

Comment ces questions ont été rédigées

TokIQ Editorial a rédigé ces questions à partir des compétences listées dans le guide d'étude AI-901 (compétences évaluées au 15 avril 2026). Ce ne sont pas de vraies questions d'examen et elles ne proviennent d'aucun « dump » de questions. Les infos de l'examen ont été vérifiées sur les pages Microsoft Learn citées ci-dessus le 2026-10-26. TokIQ est une application d'entraînement indépendante, non affiliée à Microsoft, ni approuvée ou parrainée par elle. Microsoft, Azure et Microsoft Foundry sont des marques du groupe de sociétés Microsoft.

Vous préparez aussi AWS ? Essayez nos questions d'exemple AWS AI Practitioner (AIF-C01).

Entraînez-vous avec plus de questions AI-901

Si vous voulez une courte série comme celle-ci chaque jour, TokIQ (sur Google Play, bientôt sur iPhone) propose un mode de préparation AI-901 : une session quotidienne qui ramène les questions ratées grâce à la répétition espacée, cible votre domaine le plus faible et inclut des examens blancs chronométrés. Chaque question cite la source officielle Microsoft Learn sur laquelle elle repose, et une explication suit chaque réponse, dans votre langue.

Vous ne savez pas si AI-901 est le bon premier examen ? Comparez-le aux autres options dans quelle certification IA passer en premier, ou essayez les questions d'entraînement Google Generative AI Leader.

Questions fréquentes

L'examen AI-900 a-t-il été retiré ?

Oui. Microsoft a retiré AI-900 le 30 juin 2026 et l'a remplacé par AI-901 : Microsoft Azure AI Fundamentals. Pour obtenir la certification Microsoft Certified: Azure AI Fundamentals, il faut désormais réussir AI-901, qui est le seul examen requis (Microsoft Learn, consulté le 2026-10-26).

Quelle est la différence entre AI-900 et AI-901 ?

AI-900 couvrait cinq domaines conceptuels (charges de travail d'IA, machine learning sur Azure, vision par ordinateur, NLP et IA générative). AI-901 comporte deux domaines de compétences : identifier les concepts et capacités de l'IA (40–45 %) et mettre en œuvre des solutions d'IA avec Microsoft Foundry (55–60 %). Microsoft attend aussi des candidats AI-901 qu'ils connaissent la syntaxe Python : plus de la moitié de l'examen porte donc sur la création de petites applications et d'agents avec Foundry.

Puis-je encore utiliser des tests d'entraînement AI-900 pour AI-901 ?

En partie seulement. Les questions de concepts sur l'IA responsable, l'analyse de texte, la voix et la vision par ordinateur restent utiles pour le premier domaine. Les séries AI-900 ne couvrent pas le déploiement de modèles, les prompts, les agents ni Content Understanding dans Microsoft Foundry, soit 55–60 % de AI-901.

Combien de temps dure l'examen AI-901 et quel score faut-il pour réussir ?

Les examens Microsoft Fundamentals durent 45 minutes, pour 65 minutes de présence en salle. Le score est exprimé sur une échelle de 1 à 1 000 et il faut obtenir 700 ou plus pour réussir. C'est un score pondéré : 700 ne correspond donc pas à 70 % de bonnes réponses (Microsoft Learn, consulté le 2026-10-26).

Combien de questions comporte AI-901 ?

Microsoft ne publie pas le nombre de questions de AI-901. Elle indique que la plupart de ses examens de certification comptent de 40 à 60 questions et que ce nombre peut changer. Aucune pénalité n'est appliquée en cas d'erreur : répondez à toutes les questions.

Ce sont de vraies questions de l'examen AI-901 ?

Non. TokIQ Editorial a rédigé les 10 questions à partir des compétences listées dans le guide d'étude officiel de AI-901. Microsoft garde le contenu de ses examens confidentiel : les sites qui vendent de « vraies questions » sont un risque, pas un raccourci. Microsoft propose aussi une évaluation d'entraînement gratuite pour cette certification sur AI Skills Navigator (connexion requise).

  • #AI-901
  • #AI-900
  • #Azure AI Fundamentals
  • #questions d'entraînement
  • #préparation à la certification

À vous de jouer

TokIQ transforme le prompt engineering en courts quiz, avec une explication pour chaque réponse.

Bientôt surApp StoreDisponible surGoogle Play

Écrivez de meilleurs prompts, quelques questions par jour.

De courts quiz sur de vraies décisions de prompting, avec une explication pour chaque réponse. Gratuit pour commencer sur iPhone et Android.

Bientôt surApp StoreDisponible surGoogle Play