Aller au contenu
TokIQ
Apprentissage

Préparer l'examen AWS MLA-C02 : plan de révision ML Engineer

Plan de révision MLA-C02 : heures par semaine, les quatre domaines et leur poids, les sujets GenAI nouveaux depuis MLA-C01, ressources AWS gratuites et la bêta.

TokIQ Editorial5 min de lecture
Dans cet article
  1. Ce que l'examen attend de vous
  2. Un plan de huit semaines compatible avec un emploi
  3. Ressources gratuites utiles
  4. Pièges qui font perdre des points
  5. Bêta ou disponibilité générale ?
  6. S'entraîner avec TokIQ

Prévoyez pour MLA-C02 six à huit semaines à raison de 6 à 8 heures par semaine si vous développez déjà sur AWS, et plus si SageMaker AI et Bedrock sont nouveaux pour vous. C'est un examen de niveau associate avec de longues questions de mise en situation, et la mise à jour depuis MLA-C01 a ajouté toute une couche d'IA générative : Bedrock, RAG, bases vectorielles, agents et évaluation de modèles. Prévoyez cette couche explicitement au lieu de réviser avec d'anciennes notes MLA-C01.

L'essentiel

  • Quatre domaines : préparation des données 28 %, puis développement de modèles, déploiement et orchestration, et exploitation et sécurité à 24 % chacun.
  • Nouveau depuis MLA-C01 : modèles de fondation, préparation de documents pour RAG, bases vectorielles, workflows d'agents, évaluation GenAI.
  • La bêta est ouverte en ce moment (en anglais uniquement, tarif bêta de 75 USD). Les résultats arrivent après la clôture de la bêta.

Ce que l'examen attend de vous

MLA-C02 vérifie que vous savez mener une charge de travail ML ou GenAI des données brutes jusqu'à un endpoint de production surveillé et sécurisé sur AWS. Les questions sont des scénarios : une équipe a une contrainte (latence, coût, localisation des données, dérive) et vous choisissez le service ou la configuration adaptés. Les informations ci-dessous proviennent de la page de certification AWS et du guide de l'examen MLA-C02, vérifiés le 2026-11-17.

DomainePoidsCe que vous devez savoir faire
Préparation des données pour le ML et l'IA28 %Ingérer et stocker les données, feature engineering, préparer documents et embeddings pour RAG, qualité des données et biais
Développement de modèles ML et de modèles de fondation24 %Choisir entre entraînement, fine-tuning et RAG ; entraîner et régler ; évaluer les systèmes ML et GenAI
Déploiement et orchestration des workflows ML et IA24 %Choisir endpoints et infrastructure, y compris pour agents et RAG ; CI/CD et pipelines pour le MLOps
Exploitation, surveillance et sécurisation des solutions ML et IA24 %Surveiller l'inférence et la dérive, optimiser coût et performances, sécuriser endpoints et données

La préparation des données est le domaine le plus lourd, et c'est là que l'IA générative apparaît désormais le plus : le chunking, les embeddings et les bases vectorielles comptent comme du travail sur les données.

Un plan de huit semaines compatible avec un emploi

Notre estimation, fondée sur le poids des domaines, pas un chiffre AWS :

  1. Semaine 1 : cartographier l'examen. Lisez le guide de l'examen et la comparaison MLA-C01 vs MLA-C02 d'AWS. Marquez chaque tâche en vert, orange ou rouge selon votre niveau.
  2. Semaines 2–3 : préparation des données. Options d'ingestion et de stockage, outils de données SageMaker, feature engineering, qualité des données et détection des biais, puis préparation de documents pour RAG et choix de bases vectorielles sur AWS.
  3. Semaine 4 : développement de modèles. Algorithmes intégrés ou vos propres conteneurs, réglage des hyperparamètres, quand affiner un modèle de fondation et quand RAG suffit, et métriques d'évaluation pour le ML classique comme pour la GenAI.
  4. Semaine 5 : déploiement et orchestration. Inférence temps réel, serverless, asynchrone et par lots ; pipelines et CI/CD ; comment les agents et les applications RAG sont déployés et connectés à des outils.
  5. Semaine 6 : exploitation et sécurité. Surveillance de la dérive des modèles et des données, coût et dimensionnement, IAM, chiffrement, isolation réseau et guardrails pour les endpoints GenAI.
  6. Semaines 7–8 : s'entraîner en temps limité. Questions mixtes chaque jour, puis simulations complètes chronométrées. Relisez la documentation derrière chaque erreur, pas seulement la réponse.

Si vous avez déjà réussi MLA-C01, condensez les semaines 2 à 6 sur les ajouts GenAI et consacrez le temps gagné à l'entraînement chronométré.

Ressources gratuites utiles

  • Le guide de l'examen est le programme. Chaque question correspond à un énoncé de tâche qui y figure.
  • AWS Skill Builder propose une série officielle de questions d'entraînement et des cours gratuits pour cette certification. Vérifiez ce qui est gratuit dans votre région, car le catalogue évolue.
  • La documentation des services et les guides du développeur de SageMaker AI et d'Amazon Bedrock. Les questions de scénario trouvent souvent leur réponse dans une seule ligne d'une section « quand l'utiliser ».
  • La pratique. Construisez une petite application RAG sur Bedrock et un endpoint SageMaker avec supervision. Un week-end de pratique apprend plus qu'une semaine de lecture.

Pièges qui font perdre des points

  • Répondre à la manière de MLA-C01. Si le scénario mentionne des documents, des chatbots ou des agents, attendez-vous à des réponses Bedrock, RAG ou base vectorielle, pas à un modèle sur mesure.
  • Ignorer le mot de contrainte. « Charge opérationnelle minimale », « coût le plus bas » et « quasi temps réel » mènent chacun à des réponses différentes. Soulignez-le avant de lire les options.
  • Faire trop compliqué. Aux examens AWS, l'option managée l'emporte généralement, sauf si le scénario l'exclut.
  • Questions à réponses multiples. Lisez combien de réponses sont demandées. Une réponse partielle vaut zéro.

Bêta ou disponibilité générale ?

AWS a ouvert la bêta de MLA-C02 le 29 septembre 2026, en anglais uniquement, avec 85 questions en 170 minutes au tarif bêta de 75 USD. Au 2026-11-17, la page de certification n'indique pas de date de disponibilité générale. Les résultats de la bêta arrivent une fois la bêta terminée par AWS : ne la passez donc maintenant que si vous êtes prêt et que vous n'avez pas besoin de la certification à une date fixe. Pour tous les détails et la série d'entraînement, voyez les questions d'entraînement MLA-C02.

S'entraîner avec TokIQ

Le mode MLA-C02 de TokIQ construit une session quotidienne sur les quatre domaines, ramène les questions ratées et propose des examens blancs, avec un lien vers la documentation AWS derrière chaque question. Ouvrez la page de l'examen MLA-C02 ou comparez-le aux examens fondamentaux dans quelle certification IA passer en premier. TokIQ est indépendant et n'est pas affilié à AWS.

Questions fréquentes

Combien de temps faut-il pour préparer MLA-C02 ?

Nous estimons 40 à 60 heures sur six à huit semaines si vous utilisez déjà SageMaker AI ou Bedrock au travail, et davantage si AWS est nouveau pour vous. AWS ne publie pas de durée de préparation : prenez ce chiffre comme une base de planification, pas comme une donnée officielle.

MLA-C02 est-il plus difficile que MLA-C01 ?

Il est plus large. MLA-C02 conserve le cœur d'ingénierie ML de MLA-C01 et ajoute les modèles de fondation et l'IA générative : Amazon Bedrock, RAG, bases vectorielles, agents et méthodes d'évaluation comme LLM-as-a-judge. Si vos notes MLA-C01 ne parlent que de ML classique, il vous reste du nouveau contenu à couvrir.

Dois-je passer la bêta de MLA-C02 ?

Faites-le si vous êtes prêt maintenant et que vous voulez le tarif bêta réduit (75 USD sur la page de certification AWS, vérifié le 2026-11-17). Les résultats de la bêta arrivent plus tard que d'habitude, une fois la bêta close par AWS, et elle n'existe qu'en anglais. Si vous avez besoin du résultat à une date fixe, attendez la disponibilité générale.

Quel est le score de réussite de MLA-C02 ?

Le guide de l'examen indique un score ramené à une échelle de 100 à 1 000, avec un minimum de 720. La notation est compensatoire : vous réussissez l'examen dans son ensemble, pas domaine par domaine.

Faut-il passer AIF-C01 avant MLA-C02 ?

Non. Il n'y a aucun prérequis. AWS recommande plutôt au moins 1 an d'expérience pratique avec SageMaker AI, Bedrock et les services associés. Si l'IA sur AWS est nouvelle pour vous, AIF-C01 est une première étape plus douce.

  • #MLA-C02
  • #AWS
  • #Machine Learning Engineer Associate
  • #plan de révision
  • #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