AWS MLA-C01 vs AIP-C01 : quelle certification AWS AI devriez-vous passer ?

AWS a réorganisé sa gamme de certifications AI/ML en 2024-2025, ce qui a abouti à trois examens qui peuvent être confondus :

• AIF-C01 — AWS Certified AI Practitioner. Niveau Fondamental. 100 USD. Le tour d'horizon convivial.
• MLA-C01 — AWS Certified Machine Learning Engineer Associate. 150 USD. L'associé pratique. A remplacé l'ancienne spécialité MLS-C01.
• AIP-C01 — AWS Certified AI Engineer Professional. 300 USD. Le nouvel examen de niveau professionnel, généralement disponible depuis fin 2025, destiné aux architectes seniors travaillant sur l'IA générative et les systèmes ML à grande échelle.

Si vous avez dépassé l'AIF-C01 et que vous choisissez entre le MLA-C01 et l'AIP-C01 — ce qui est la vraie question — la réponse dépend du type de travail IA que vous effectuez quotidiennement. Ce ne sont pas une séquence comme SAA → SAP. Ce sont deux emplois différents.

Ce que chaque examen évalue

MLA-C01 (Machine Learning Engineer Associate)

65 questions, 130 minutes, note de passage pondérée de 720/1000. Le guide de l'examen se décompose comme suit :

Domaine	Poids
Data preparation for ML	28%
ML model development	26%
Deployment and orchestration of ML workflows	22%
ML solution monitoring, maintenance, and security	24%

Ce que cela signifie : vous êtes testé sur SageMaker de bout en bout en tant que praticien ML. Feature Store, Data Wrangler, Processing jobs, Training jobs, hyperparameter tuning, multi-model endpoints, inférence en temps réel vs asynchrone vs par lots, Model Monitor, Clarify, intégration MLflow. Plus les services AWS environnants — S3, Glue, EMR, Step Functions, EventBridge — lorsqu'ils sont rattachés à un workflow ML.

C'est pratique. Les questions supposent que vous avez entraîné un modèle dans SageMaker, l'avez déployé et l'avez vu dériver en production. Les candidats purement théoriques ont des difficultés.

AIP-C01 (AI Engineer Professional)

Le guide de l'examen 2025-2026 est, de par sa conception, plus axé sur l'IA générative que le MLA-C01. Attendez-vous à :

• Amazon Bedrock en profondeur pour architectes — sélection de modèles (Claude, Llama, Titan, Mistral, Stable Diffusion), prompt engineering, guardrails, agents, bases de connaissances (knowledge bases), options de fine-tuning, importation de modèles personnalisés.
• Architectures RAG — bases de données vectorielles (vector stores) (OpenSearch Serverless with vector engine, Aurora pgvector, Bedrock Knowledge Bases, Kendra), stratégie de découpage (chunking strategy), évaluation de la récupération (retrieval evaluation).
• Évaluation de l'IA générative — jobs d'évaluation de modèles dans Bedrock, workflows d'évaluation humaine, mesure de l'hallucination, tests de jailbreak.
• IA responsable sur AWS — Bedrock Guardrails, filtrage de contenu, masquage des informations personnelles identifiables (PII redaction), traçabilité des citations.
• MLOps à l'échelle — beaucoup des mêmes concepts SageMaker que pour MLA-C01, mais les questions de scénario vont plusieurs niveaux plus loin, y compris les plateformes ML multi-comptes.
• Coût et opérations à l'échelle organisationnelle — débit provisionné (provisioned throughput) vs à la demande (on-demand) pour Bedrock, planification de la capacité, conception de la zone d'impact (blast-radius design).

C'est un examen professionnel de 180 minutes à 300 $, de forme similaire à l'SAP-C02 — de longues questions de scénario, une bonne quantité de distracteurs techniquement corrects mais pas les mieux adaptés.

À qui s'adresse chaque certification

MLA-C01 est destiné aux ingénieurs ML qui construisent des systèmes ML en production. Vous écrivez des scripts d'entraînement, vous ajustez les hyperparamètres, vous déboguez une tâche d'entraînement qui a planté à l'époque 7. Vous avez probablement une formation en science des données Python et vous êtes familiarisé avec SageMaker.

AIP-C01 est destiné aux architectes seniors, aux stratèges IA et aux responsables de plateforme qui conçoivent des capacités d'IA générative à l'échelle de l'organisation. Vous prenez des décisions de sélection technologique concernant le modèle Bedrock, la base de données vectorielle et la politique de guardrail à utiliser. Vous réfléchissez à l'architecture RAG, au taux d'hallucination et à la manière de déployer un chatbot auprès de 50 000 employés sans divulguer d'informations personnelles identifiables (PII).

En gros :

Si vous êtes...	Passez...
Ingénieur ML / Data Scientist construisant des modèles personnalisés	MLA-C01
Ingénieur logiciel intégrant Bedrock + RAG dans des applications	AIP-C01
Architecte IA ou responsable de plateforme	AIP-C01
Architecte cloud généraliste curieux de l'IA	AIF-C01 d'abord, puis AIP-C01
Personne en reconversion sans expérience en IA de production	AIF-C01, acquérir de l'expérience, puis l'une ou l'autre

Connaissances préalables

Pour MLA-C01 :

• Python, pandas, numpy, scikit-learn à un niveau fonctionnel.
• Une compréhension pratique de l'entraînement de modèles — à quoi ressemble le surapprentissage (overfitting), pourquoi vous divisez les données en entraînement/validation/test, ce que fait la régularisation.
• Expérience pratique de SageMaker. L'examen continue de piéger ceux qui ont étudié la documentation mais n'ont jamais déployé de point de terminaison.
• Certification préalable recommandée : AIF-C01 si vous êtes nouveau aux services AWS AI. SAA-C03 est utile mais non obligatoire.

Pour AIP-C01 :

• Solides fondamentaux architecturaux AWS (niveau SAA-C03 minimum, idéalement ambiance SAP-C02).
• Expérience pratique de Bedrock — invoquer des modèles, construire une petite base de connaissances (Knowledge Base), configurer un Guardrail, exécuter une tâche d'évaluation de modèle.
• Familiarité avec au moins une API de modèle fondamental au niveau du prompt. Il ne vous est pas demandé de faire du fine-tuning à partir de zéro, mais de concevoir des frameworks de décision pour le fine-tuning vs le prompt-tuning vs le RAG.
• Certification préalable recommandée : AIF-C01, plus idéalement soit MLA-C01 soit SAP-C02 pour démontrer une pensée de niveau professionnel.

Laquelle passer en premier

La réponse honnête : celle qui correspond au poste pour lequel vous postulez dans les 12 prochains mois. Ne passez pas les deux, à moins que vous ne fassiez légitimement les deux types de travail — elles ont un chevauchement significatif sur SageMaker et une divergence significative sur tout le reste, et courir après les deux pour l'exhaustivité représente environ 200 à 300 heures de temps d'étude que vous pourriez consacrer ailleurs.

Si vous êtes en début ou milieu de carrière et que vous choisissez une certification pour ancrer une transition vers le ML, le MLA-C01 est le pari le plus sûr. C'est la certification de niveau associé, elle est moins chère, la préparation est plus concrète (SageMaker a des réponses, l'architecture de l'IA générative évolue encore rapidement), et l'adéquation au rôle est plus large. La plupart des entreprises qui embaucheront des "ML Engineer" en 2026 reconnaîtront le MLA-C01 comme un signal crédible.

Si vous êtes déjà architecte senior et que votre feuille de route inclut la "mise en place d'une plateforme d'IA générative interne", l'AIP-C01 est la bonne certification. Les questions d'étude de cas sur Bedrock, RAG et la conception de plateformes ML multi-comptes vous obligeront à planifier réellement l'architecture que vous êtes payé pour construire.

Attentes salariales

La fée des certifications ne livre pas de fiches de paie, mais voici les données :

• levels.fyi 2025-2026 pour un ingénieur ML chez FAANG : 200k$–320k$ de rémunération totale au niveau L5 (senior) ; 300k$–500k$+ au niveau L6 (staff). La même fourchette s'applique aux "Applied Scientist" chez AWS.
• U.S. BLS OEWS mai 2024, profession 15-1221 (Chercheurs en informatique et en information, la catégorie qui englobe les chercheurs et ingénieurs ML) : médiane de 145k$, 90e percentile autour de 230k$.
• Glassdoor / Built In pour "Senior ML Engineer" ou "AI Engineer" : 145k$–220k$ de salaire de base dans les grandes métropoles américaines.
• Pour les rôles d'architecte IA senior / responsable de plateforme IA où l'AIP-C01 est le plus pertinent : rémunération totale de 250k$–400k$ dans les grandes entreprises technologiques, 180k$–280k$ dans les entreprises établies construisant des plateformes IA internes.

L'impact de la certification sur le salaire est similaire à celui du SAA-C03 : 5k$–20k$ lors d'un changement d'emploi si la certification figure sur la liste des qualifications, quasi nul si elle n'y figure pas. Le choix entre MLA-C01 et AIP-C01 en soi ne modifie pas beaucoup le salaire — c'est le rôle que vous visez qui le fait. Un architecte IA senior est tout simplement mieux rémunéré qu'un ingénieur ML au même niveau d'ancienneté, car les postes sont plus rares et l'impact plus large.

Un ordre raisonnable

Si vous faites les deux :

1. AIF-C01 d'abord si vous êtes nouveau aux services AWS AI. Un week-end, 100 $, vous donne le vocabulaire.
2. MLA-C01 ensuite si vous êtes un praticien ML. Passez cette étape si vous êtes architecte senior et que vous n'écrivez pas de code d'entraînement.
3. AIP-C01 en dernier. L'examen de niveau professionnel fonctionne mieux après avoir livré au moins un système basé sur Bedrock en production. Sans cela, les questions de scénario semblent abstraites.

Où étudier

Parcours officiels AWS Skill Builder pour les deux. Le guide d'étude officiel PDF du MLA-C01 est plus abouti que celui de l'AIP-C01, simplement parce que l'AIP-C01 est plus récent et que le programme est encore en cours de consolidation. Croisez les informations avec les sessions re:Invent 2024-2025 sur Bedrock et SageMaker ; celles-ci constituent essentiellement la liste de lecture de l'AIP-C01 sous forme de conférences.

Lorsque vous êtes prêt à vous entraîner sur des questions, la banque de questions MLA-C01 et la banque de questions AIP-C01 sur CertLabPro sont organisées par poids de domaine afin que vous puissiez vous concentrer d'abord sur les sujets les plus importants. Choisissez la certification qui correspond au travail, et non le badge le plus brillant.