Atelier pratique — AIF-C01 AWS Certified AI Practitioner

Présentation

Prérequis

Étapes

1. 1.Choisir notre version de Terraform et notre région AWS

   Avant de créer des ressources, nous devons indiquer à Terraform la version attendue et le fournisseur AWS que nous allons utiliser. Nous fixons le fournisseur AWS à ~> 5.60 car chaque ressource liée à Amazon Bedrock utilisée dans cet atelier a été introduite dans cette version, et nous déployons tout dans us-east-1 — AWS y déploie ses modèles de fondation en premier, et la plupart des questions de l'examen AIF-C01 supposent la disponibilité dans us-east-1 lorsqu'elles font référence au service le « plus récent ».

   Déposez cet extrait de code dans un nouveau fichier main.tf pour commencer. Tout ce qui suit dans cet atelier se placera dans ce même fichier.

   Copier

   terraform {
     required_version = ">= 1.5"
   
     required_providers {
       aws = {
         source  = "hashicorp/aws"
         version = "~> 5.60"
       }
     }
   }
   
   provider "aws" {
     region = "us-east-1"
   }

2. 2.Fournir aux services d'IA un espace pour lire les entrées et écrire les sorties

   Déploie :

   • Amazon S3

   Chaque service d'IA AWS que nous utiliserons dans cet atelier — Amazon Bedrock aujourd'hui, et la journalisation d'audit que nous configurerons à l'Étape 5 — lit les entrées et écrit les sorties via Amazon S3, le premier élément d'infrastructure réel est donc un bucket S3. Nous y reviendrons dans presque toutes les étapes suivantes.

   Nous activons le versionnement afin qu'un chargement corrompu puisse être annulé, nous verrouillons l'accès public (il s'agit d'entrées d'entraînement et de journaux d'invocation de modèles, pas de ressources de site web), et nous activons le chiffrement AES256 au repos. Ce dernier point est important pour l'examen AIF-C01 — le domaine Security, Compliance, and Governance for AI Solutions (Sécurité, conformité et gouvernance des solutions d'IA) teste explicitement votre réflexe d'utiliser le chiffrement au repos par défaut pour tout stockage de données d'IA.

   Copier

   resource "aws_s3_bucket" "ai_data" {
     bucket_prefix = "certlabpro-aif-c01-"
   }
   
   resource "aws_s3_bucket_public_access_block" "ai_data" {
     bucket = aws_s3_bucket.ai_data.id
   
     block_public_acls       = true
     block_public_policy     = true
     ignore_public_acls      = true
     restrict_public_buckets = true
   }
   
   resource "aws_s3_bucket_versioning" "ai_data" {
     bucket = aws_s3_bucket.ai_data.id
   
     versioning_configuration {
       status = "Enabled"
     }
   }
   
   resource "aws_s3_bucket_server_side_encryption_configuration" "ai_data" {
     bucket = aws_s3_bucket.ai_data.id
   
     rule {
       apply_server_side_encryption_by_default {
         sse_algorithm = "AES256"
       }
     }
   }

3. 3.Permettre à Amazon Bedrock d'assumer une identité pour exécuter nos appels

   Déploie :

   • AWS IAM

   Amazon Bedrock ne peut pas invoquer un modèle de lui-même — il a besoin d'un rôle AWS IAM qu'il peut assumer. Nous en créons un avec une politique de confiance qui désigne bedrock.amazonaws.com comme seul principal autorisé, puis nous y attachons une politique de permissions minimales : appeler n'importe quel modèle de fondation, et lire/écrire uniquement dans le bucket que nous avons créé à l'Étape 2.

   Les modèles de moindre privilège comme celui-ci sont un thème récurrent de l'examen AIF-C01. Notez que nous n'accordons pas l'autorisation s3:* — uniquement les deux actions sur les objets dont nous avons réellement besoin, limitées aux objets de notre bucket. L'examen valorise l'identification de cette même structure dans les scénarios à choix multiples : lorsque deux choix de réponses « fonctionnent », le plus restrictif est presque toujours le bon.

   Copier

   resource "aws_iam_role" "bedrock_caller" {
     name = "certlabpro-aif-c01-bedrock-caller"
   
     assume_role_policy = jsonencode({
       Version = "2012-10-17"
       Statement = [{
         Effect    = "Allow"
         Principal = { Service = "bedrock.amazonaws.com" }
         Action    = "sts:AssumeRole"
       }]
     })
   }
   
   resource "aws_iam_role_policy" "bedrock_caller" {
     name = "bedrock-invoke"
     role = aws_iam_role.bedrock_caller.id
   
     policy = jsonencode({
       Version = "2012-10-17"
       Statement = [
         {
           Effect = "Allow"
           Action = [
             "bedrock:InvokeModel",
             "bedrock:InvokeModelWithResponseStream",
           ]
           Resource = "arn:aws:bedrock:*::foundation-model/*"
         },
         {
           Effect = "Allow"
           Action = [
             "s3:GetObject",
             "s3:PutObject",
           ]
           Resource = "${aws_s3_bucket.ai_data.arn}/*"
         },
       ]
     })
   }

4. 4.Ajouter un garde-fou afin que le modèle ne puisse pas émettre de PII ou de sujets interdits

   Déploie :

   • Amazon Bedrock Guardrails

   Un modèle Amazon Bedrock répondra volontiers à tout ce que ses données d'entraînement lui permettent de répondre. Les garde-fous (Guardrails) se placent devant chaque appel de modèle et appliquent des politiques de contenu et de PII indépendamment du modèle de fondation que vous utilisez — ce qui signifie qu'un seul garde-fou couvre Claude, Llama, Titan et tout modèle futur.

   Ici, nous configurons deux couches. Un filtre de contenu bloque les contenus haineux, violents ou sexuels à haute sévérité dans les invites (prompts) comme dans les réponses, et une politique d'informations sensibles bloque la fuite d'e-mails, de numéros de téléphone et de numéros de sécurité sociale américains. Ceux-ci correspondent directement au domaine de l'examen AIF-C01 Guidelines for Responsible AI (Lignes directrices pour une IA responsable) — le filtrage de contenu et la gestion des PII en étant les deux piliers désignés.

   Une fois le garde-fou en place, le rôle que nous avons créé à l'Étape 3 peut invoquer un modèle et le résultat est filtré avant d'atteindre l'appelant.

   Copier

   resource "aws_bedrock_guardrail" "safety" {
     name                      = "certlabpro-aif-c01-safety"
     description               = "Default safety rails for the lab."
     blocked_input_messaging   = "I can't help with that."
     blocked_outputs_messaging = "I can't share that response."
   
     content_policy_config {
       filters_config {
         input_strength  = "HIGH"
         output_strength = "HIGH"
         type            = "HATE"
       }
       filters_config {
         input_strength  = "HIGH"
         output_strength = "HIGH"
         type            = "VIOLENCE"
       }
       filters_config {
         input_strength  = "HIGH"
         output_strength = "HIGH"
         type            = "SEXUAL"
       }
     }
   
     sensitive_information_policy_config {
       pii_entities_config {
         action = "BLOCK"
         type   = "EMAIL"
       }
       pii_entities_config {
         action = "BLOCK"
         type   = "PHONE"
       }
       pii_entities_config {
         action = "BLOCK"
         type   = "US_SOCIAL_SECURITY_NUMBER"
       }
     }
   }

5. 5.Activer la journalisation pour disposer d'une piste d'audit de chaque invite et réponse

   Déploie :

   • Amazon Bedrock
   • Amazon CloudWatch Logs
   • AWS IAM

   La journalisation des invocations Amazon Bedrock capture l'intégralité de l'invite (prompt), de la réponse et de la charge utile d'intégration (embeddings) de chaque appel de modèle dans le compte et la région. Elle écrit dans Amazon CloudWatch Logs (pratique pour des recherches ponctuelles avec grep) et dans Amazon S3 (idéal pour la conservation à long terme) — nous configurons les deux. Le rôle que nous attachons accorde exactement les actions requises par le service Amazon Bedrock, et rien de plus.

   Un piège important à connaître pour l'examen AIF-C01 : la journalisation des invocations est un singleton — une seule configuration par compte et par région. Si vous lancez cet atelier une deuxième fois dans us-east-1, Terraform signalera aucun changement mais la configuration existante sera réassociée. Détruisez les ressources avant de relancer si vous modifiez les destinations des journaux.

   Une fois la journalisation configurée, chaque appel de modèle effectué avec le rôle de l'Étape 3, via le garde-fou de l'Étape 4, se retrouve archivé dans le bucket de l'Étape 2. C'est la chaîne d'audit complète — exactement le genre de scénario « apportez-moi des preuves » que l'examen s'attend à ce que vous sachiez décrire.

   Copier

   resource "aws_iam_role" "bedrock_logging" {
     name = "certlabpro-aif-c01-bedrock-logging"
   
     assume_role_policy = jsonencode({
       Version = "2012-10-17"
       Statement = [{
         Effect    = "Allow"
         Principal = { Service = "bedrock.amazonaws.com" }
         Action    = "sts:AssumeRole"
       }]
     })
   }
   
   resource "aws_cloudwatch_log_group" "bedrock_invocations" {
     name              = "/aws/bedrock/invocations"
     retention_in_days = 30
   }
   
   resource "aws_iam_role_policy" "bedrock_logging" {
     name = "write-logs-and-s3"
     role = aws_iam_role.bedrock_logging.id
   
     policy = jsonencode({
       Version = "2012-10-17"
       Statement = [
         {
           Effect = "Allow"
           Action = [
             "logs:CreateLogStream",
             "logs:PutLogEvents",
           ]
           Resource = aws_cloudwatch_log_group.bedrock_invocations.arn
         },
         {
           Effect   = "Allow"
           Action   = "s3:PutObject"
           Resource = "${aws_s3_bucket.ai_data.arn}/bedrock-invocations/*"
         },
       ]
     })
   }
   
   resource "aws_bedrock_model_invocation_logging_configuration" "this" {
     logging_config {
       embedding_data_delivery_enabled = true
       image_data_delivery_enabled     = true
       text_data_delivery_enabled      = true
   
       cloudwatch_config {
         log_group_name = aws_cloudwatch_log_group.bedrock_invocations.name
         role_arn       = aws_iam_role.bedrock_logging.arn
       }
   
       s3_config {
         bucket_name = aws_s3_bucket.ai_data.bucket
         key_prefix  = "bedrock-invocations/"
       }
     }
   }

Nettoyage