AWS Certified Generative AI Developer - Professional
315 questions de pratique
Dernière révision : April 2026
Notes personnelles et liens de ressources pour votre parcours d'étude
Filtrer par Certification
La certification AWS Certified Generative AI Developer Professional (AIP-C01) est un titre professionnel axé sur la construction, l'intégration et l'exploitation d'applications d'IA générative de qualité production sur AWS — principalement sur Amazon Bedrock, avec SageMaker, Lambda, OpenSearch et Knowledge Bases comme services de support. Elle s'adresse aux développeurs et ingénieurs ML expérimentés qui conçoivent des systèmes de génération augmentée de récupération (RAG), des flux de travail agentiques et des applications de modèles de fondation utilisant des outils. Attendez-vous à des questions de scénario approfondies sur l'ingénierie des prompts, les embeddings, la recherche vectorielle, les garde-fous (guardrails), l'évaluation, l'optimisation des coûts et les contrôles d'IA responsable. Contrairement à la certification fondamentale AIF-C01, l'AIP-C01 suppose que le candidat écrit du code et a mis en production des fonctionnalités basées sur Bedrock. L'examen est à choix multiples et à réponses multiples, sans laboratoires pratiques.
Le plus grand domaine (31 %). Sélection de modèles Bedrock, pipelines d'embedding, magasins de vecteurs (OpenSearch Serverless, Aurora pgvector, Kendra), Knowledge Bases, fine-tuning vs. pré-entraînement continu, et gouvernance des données pour les données d'entraînement des LLM.
Construction d'applications RAG, d'agents et d'applications utilisant des outils. Bedrock Agents, Action Groups, intégrations Lambda et orchestration d'appels LLM en plusieurs étapes. Difficulté courante : savoir quand un Agent vs. une orchestration personnalisée est approprié.
Bedrock Guardrails, atténuations d'injection de prompts, rédaction PII, IAM et KMS pour l'accès aux modèles, et schémas de modération de contenu. Questions à haute densité malgré le poids modeste de 20 %.
Contrôle des coûts d'inférence (débit provisionné vs. à la demande), mise en cache, distillation de modèles, réglage de la latence et choix de modèles plus petits lorsque cela est approprié. Souvent oublié : quand utiliser des profils d'inférence inter-régions.
Cadres d'évaluation (évaluation de modèles Bedrock, évaluation humaine, LLM-as-judge), dérive, détection d'hallucinations et débogage des échecs de récupération RAG. Le plus petit domaine (11 %) mais sanctionne une étude superficielle.
Les services que vous rencontrerez à l'examen et pourquoi chacun compte.
Service entièrement géré qui expose les modèles de fondation d'Anthropic, Meta, Mistral, AI21, Cohere, Stability AI et Amazon Titan via une API unique avec débit en streaming, par lots et provisionné.
Pourquoi il est à l'examen : Bedrock est le substrat pour chaque scénario du Domaine 1 (Intégration de modèles de fondation) — sélection de modèles, paramètres d'inférence, débit provisionné vs. à la demande et gestion des réponses en streaming.
RAG managé construit sur des documents S3 et un magasin de vecteurs enfichable (OpenSearch Serverless, Aurora pgvector, Pinecone, MongoDB Atlas, Redis Enterprise) avec support du découpage en chunks, des embeddings et des citations.
Pourquoi il est à l'examen : Le Domaine 2 (Implémentation et intégration) teste quand ancrer un modèle dans des données privées via RAG au lieu du fine-tuning, incluant la stratégie de découpage en chunks, le choix du magasin de vecteurs et la propagation des citations.
Couche de politiques filtrant les contenus nuisibles, bloquant les sujets interdits, masquant les PII, appliquant des vérifications d'ancrage contextuel et révélant des filtres de mots/sujets sur les entrées et les sorties.
Pourquoi il est à l'examen : Le Domaine 3 (Sûreté, sécurité et gouvernance de l'IA) est en grande partie un questionnaire sur Guardrails — forces des filtres de contenu, configuration des sujets interdits, ancrage contextuel et modèles d'anonymisation des PII.
Couche d'orchestration qui permet à un modèle de fondation d'appeler des API, d'interroger des bases de connaissances et d'enchaîner des actions en plusieurs étapes via l'utilisation d'outils, avec des groupes d'actions supportés par Lambda et des schémas OpenAPI/de fonctions.
Pourquoi il est à l'examen : Les scénarios du Domaine 2 sur le raisonnement en plusieurs étapes, les agents appelant des outils et les groupes d'actions supportés par Lambda désignent Agents comme l'orchestrateur natif AWS ; attendez-vous à des distinctions par rapport à l'inférence brute ou aux Step Functions.
Fine-tuning et pré-entraînement continu de modèles de fondation sur des jeux de données S3 privés, produisant des modèles personnalisés déployables via Provisioned Throughput.
Pourquoi il est à l'examen : Les questions du Domaine 1 testent l'arbre de décision fine-tune vs. RAG vs. ingénierie d'invites ; attendez-vous à des scénarios spécifiques où le pré-entraînement continu ou le fine-tuning d'instructions est la bonne réponse.
Évaluation de modèles managée, automatique et avec intervention humaine — métriques intégrées (précision, robustesse, toxicité) plus des rubriques personnalisées évaluées par un LLM-juge ou des travailleurs humains.
Pourquoi il est à l'examen : Le Domaine 5 (Test, validation et dépannage) teste comment quantifier les régressions de qualité entre modèles ou variantes d'invites — Bedrock Evaluations est le mécanisme désigné.
Catalogue de modèles de fondation et spécifiques à des tâches pré-entraînés avec déploiement en un clic vers des points de terminaison SageMaker, des notebooks d'apprentissage par transfert et un marketplace de modèles propriétaires.
Pourquoi il est à l'examen : Le Domaine 2 distingue « héberger sur un point de terminaison SageMaker » (JumpStart) de « appeler l'API Bedrock » — les questions testent les compromis en termes de latence, de coût et de personnalisation entre les deux.
Assistant d'IA générative packagé — Q Developer pour les workflows de codage dans les IDE/Console, Q Business pour le RAG d'entreprise sur des sources de données connectées, Q dans QuickSight pour les questions-réponses BI.
Pourquoi il est à l'examen : Le Domaine 2 teste quand consommer Q (packagé) versus construire sur Bedrock (sur mesure) ; Q Business apparaît spécifiquement dans les questions de scénario RAG d'entreprise.
OpenSearch Serverless avec un type de collection de recherche vectorielle dédié — le backend par défaut de Bedrock Knowledge Base et le magasin de vecteurs natif AWS le plus testé.
Pourquoi il est à l'examen : Les scénarios RAG du Domaine 1 supposent OpenSearch Serverless comme magasin de vecteurs par défaut — attendez-vous à des questions sur le dimensionnement des OCU, la capacité vs. le coût et les choix d'index de recherche du voisin le plus proche approximatif.
Aurora PostgreSQL avec l'extension pgvector, supporté par Bedrock Knowledge Bases comme magasin de vecteurs alternatif avec sémantique transactionnelle et accès SQL.
Pourquoi il est à l'examen : Les questions de sélection de magasin de vecteurs du Domaine 2 opposent Aurora pgvector (stack SQL existante, transactionnel) à OpenSearch Serverless (purement vectoriel, OCU serverless).
Stockage d'objets contenant les documents source des Knowledge Bases, les corpus d'entraînement de fine-tuning, les jeux de données d'évaluation et les logs d'invocation de modèles.
Pourquoi il est à l'examen : Chaque scénario de gestion de données du Domaine 1 passe par S3 — la disposition des sources pour le découpage en chunks, le cycle de vie des documents bruts et l'accès IAM sur les buckets de KB sont des sujets d'examen récurrents.
Calcul serverless pour les groupes d'actions Bedrock Agent, le prétraitement RAG, la mise en forme de la réponse post-inférence et l'ingestion basée sur des événements S3 dans les Knowledge Bases.
Pourquoi il est à l'examen : Les questions sur les groupes d'actions du Domaine 2 testent le contrat Lambda (schéma requête/réponse) que les Bedrock Agents invoquent ; le Domaine 4 teste également Lambda comme colle d'inférence rentable.
Orchestrateur de workflows serverless avec intégration native Bedrock InvokeModel, idéal pour les chaînes d'invites multi-appels, les évaluations parallèles et les boucles d'approbation humaine.
Pourquoi il est à l'examen : Le Domaine 2 distingue les Step Functions (orchestration multi-étapes déterministe) des Bedrock Agents (appel d'outils piloté par le modèle) ; savoir quand chacun est correct est un distracteur récurrent.
Porte d'entrée HTTP/REST/WebSocket managée pour les points de terminaison d'inférence basés sur Bedrock, avec limitation de débit, clés API, autorisation JWT et segmentation des plans d'utilisation.
Pourquoi il est à l'examen : Les scénarios de mise en production du Domaine 2 testent l'exposition externe des points de terminaison RAG et d'agents — API Gateway est le point d'entrée désigné, associé à Lambda ou à l'intégration directe de Bedrock.
Plateforme ML utilisée dans l'AIP-C01 principalement pour héberger les modèles de fondation JumpStart sur des points de terminaison en temps réel/serverless/asynchrones lorsque l'API managée de Bedrock n'est pas adaptée.
Pourquoi il est à l'examen : Les questions de déploiement de points de terminaison du Domaine 2 testent les choix d'inférence en temps réel vs. serverless vs. asynchrone sur SageMaker ; les compromis de coût et de démarrage à froid par rapport à Bedrock sont le pivot typique.
NLP managée avec une API de détection de PII qui renvoie les étendues et types d'entités, plus une rédaction ciblée des PII — utilisable comme filtre pré-Guardrails ou nettoyeur post-inférence.
Pourquoi il est à l'examen : Les questions de traitement des PII du Domaine 3 testent les défenses en couches : Comprehend pour la détection, Guardrails pour le blocage — savoir où chacun se situe dans le pipeline est un sujet d'examen.
Contrôle d'accès à l'échelle du compte avec rôles de service, politiques basées sur l'identité et les ressources, et clés de condition régissant l'accès aux modèles Bedrock, l'exécution d'Agents et l'ingestion dans les KB.
Pourquoi il est à l'examen : Le Domaine 3 (Sûreté, sécurité et gouvernance de l'IA) teste les rôles de moindre privilège pour l'invocation Bedrock, les groupes d'actions d'Agents et l'ingestion dans les Knowledge Bases — IAM est le mécanisme désigné tout au long.
Clés de chiffrement gérées par le client pour les données de personnalisation des modèles Bedrock, les index vectoriels des Knowledge Bases, les documents source S3 et les logs d'invocation CloudWatch.
Pourquoi il est à l'examen : Les scénarios de conformité du Domaine 3 testent le contrôle des clés gérées par le client sur les corpus de fine-tuning et les logs d'invites/réponses ; les attributions KMS et les politiques de clés sont la réponse désignée.
Journal d'audit à l'échelle du compte de chaque appel d'API — qui a invoqué quel modèle Bedrock, qui a mis à jour Guardrails, qui a ingéré des données dans une Knowledge Base, avec capture optionnelle d'événements de données pour l'inférence.
Pourquoi il est à l'examen : Les scénarios de piste d'audit du Domaine 3 citent CloudTrail comme l'enregistrement immuable nécessaire pour les examens de conformité et la réponse aux incidents à travers l'activité Bedrock et Agent.
Métriques, logs et alarmes — logs d'invocation de modèles Bedrock (invites et complétions), traces d'Agents, progression de l'ingestion des Knowledge Bases et métriques d'exécution des groupes d'actions Lambda.
Pourquoi il est à l'examen : Le Domaine 4 (Efficacité opérationnelle) et le Domaine 5 (Dépannage) testent CloudWatch pour l'observabilité des coûts de tokens, les alarmes de latence et le traçage des invocations de groupes d'actions d'Agents ayant échoué.
$140k–$195k–$280k USD annuel
L'AIP-C01 est une certification plus récente et ne dispose pas d'enquêtes salariales dédiées. La fourchette est dérivée des rémunérations des ingénieurs GenAI / ML adjacents sur le marché américain et doit être considérée comme approximative. Les ingénieurs GenAI seniors dans les meilleurs laboratoires d'IA et les FAANG dépassent souvent 400k $ de rémunération totale. Les postes "GenAI" de niveau d'entrée peuvent être inférieurs à l'extrémité inférieure. Votre expérience variera considérablement en fonction du niveau de l'entreprise, de la localisation et des réalisations démontrées.
Source : levels.fyi 2025–2026 rôles d'ingénieur GenAI / ML (adjacents), U.S. BLS OEWS May 2024 (15-1252 software developers, 15-2051 data scientists). Les chiffres sont approximatifs ; la rémunération réelle dépend du rôle, de la région et de l'expérience.
Les rôles d'ingénierie GenAI sont devenus l'une des familles d'emplois à la croissance la plus rapide entre 2024 et 2026, à mesure que l'adoption de Bedrock et des LLM par les entreprises passait des prototypes aux systèmes de production. L'AIP-C01 est positionnée comme un signal crédible de niveau professionnel qu'un candidat peut livrer des applications basées sur Bedrock, y compris RAG, des agents et des points de terminaison de production sécurisés. Les recruteurs des entreprises axées sur AWS l'utilisent parallèlement aux projets Bedrock démontrés sur GitHub ou au travail en production. Elle se marie parfaitement avec l'AIF-C01 (fondation), l'MLA-C01 (étendue de l'ingénierie) et le Solutions Architect Professional (SAP-C02) pour une crédibilité multi-domaines. La certification NE qualifie PAS à elle seule les candidats pour la recherche en ML, les rôles de formation de modèles de fondation ou les postes en sciences appliquées — ceux-ci exigent des bases solides en ML et souvent un diplôme de troisième cycle.
Il n'y a pas de prérequis formels. AWS recommande au moins un an d'expérience dans la construction d'applications avec des modèles de fondation sur AWS, plus un an d'expérience plus large en ingénierie logicielle. Les attentes pratiques incluent une aisance avec Python, l'intégration REST/SDK, les bases de données vectorielles et au moins un déploiement de production Bedrock ou SageMaker JumpStart.
Le chemin recommandé est l'AIF-C01 d'abord pour assimiler le vocabulaire GenAI, puis soit l'MLA-C01 (profondeur d'ingénierie) soit le DVA-C02 (maîtrise du développement) avant d'aborder l'AIP-C01. Les candidats sans exposition préalable à AWS doivent s'attendre à une courbe d'apprentissage abrupte — de nombreuses questions de l'AIP-C01 supposent une familiarité de base avec IAM, VPC, Lambda et API Gateway. Un projet RAG personnel fonctionnel avec Bedrock plus OpenSearch Serverless ou Knowledge Bases est l'artefact de préparation le plus utile.
L'AIP-C01 est classée Professionnel et est l'un des examens AWS de niveau associé ou supérieur les plus difficiles car elle couvre à la fois l'ingénierie d'applications LLM et la profondeur de la plateforme AWS. Prévoyez 100 à 160 heures sur 10 à 14 semaines si vous développez déjà professionnellement des applications GenAI ; plus de 200 heures sur plus de 16 semaines si vous venez d'un milieu non-GenAI. L'examen comprend 75 questions notées en 180 minutes — à choix multiples et à réponses multiples, sans laboratoires.
Les difficultés courantes incluent l'étendue des fonctionnalités de Bedrock (Agents, Action Groups, Guardrails, Knowledge Bases, évaluation de modèles, importation de modèles personnalisés, inférence inter-régions), les scénarios nuancés d'optimisation des coûts impliquant un débit provisionné, et les questions subtiles sur la qualité de récupération RAG vs les compromis de fine-tuning. L'examen récompense également une familiarité pratique avec les atténuations d'injection de prompts et de fuite de données.
Première disponibilité générale de la certification de développeur en IA générative de niveau professionnel. Remplace et étend l'AIF-C01 fondamentale avec un contenu approfondi sur Bedrock et les applications LLM. Version actuelle en avril 2026.
AIP-C01 (AWS Certified Generative AI Developer - Professional) est un examen de niveau Professional un examen exigeant, riche en scénarios, qui requiert une expérience pratique approfondie et la capacité de prendre des décisions d'arbitrage architectural. La plupart des candidats ont besoin de 150 à 300 heures d'étude réparties sur 3 à 6 mois pour les examens de niveau professionnel et expert. Ces examens exigent généralement une compétence préalable de niveau associé. La plupart des candidats qui obtiennent des scores constamment supérieurs au seuil de réussite lors des examens pratiques réussissent dès leur première tentative.
La plupart des candidats ont besoin de 150 à 300 heures d'étude réparties sur 3 à 6 mois pour les examens de niveau professionnel et expert. Ces examens exigent généralement une compétence préalable de niveau associé. Le temps nécessaire pour réussir varie considérablement en fonction de l'expérience antérieure. Les ingénieurs ayant une expérience pratique en production avec la technologie sous-jacente en ont généralement besoin de moins ; les candidats novices sur la plateforme devraient viser la limite supérieure de cette fourchette.
AIP-C01 est une certification reconnue dans l'écosystème AWS et signale des connaissances validées aux employeurs, recruteurs et clients. Sa valeur en termes de temps et de coût dépend de votre rôle et de vos objectifs — elle est la plus avantageuse pour les ingénieurs cloud, architectes et consultants qui travaillent quotidiennement avec AWS ou souhaitent évoluer vers des rôles similaires.
Le score de réussite pour le AIP-C01 est de 750 / 1000. L'examen contient 75 questions et dure 3 h.
Les frais d'examen AIP-C01 sont de $300 USD. Les frais sont fixés par AWS et peuvent varier selon la région ; confirmez toujours le prix actuel sur la page de certification officielle de AWS avant de réserver.
Les certifications AWS sont valides pendant 3 ans. Recertifiez-vous en réussissant la version actuelle du même examen, ou en réussissant un examen de niveau supérieur dans le même parcours avant l'expiration.
Oui. Vous pouvez passer l'examen en ligne (supervisé via le navigateur sécurisé du fournisseur, disponible 24h/24 et 7j/7 dans la plupart des régions) ou dans un centre de test Pearson VUE en personne pendant les heures ouvrables. Les deux formats utilisent les mêmes questions, la même limite de temps et le même score de réussite.
CertLabPro propose 15 modes d'étude à travers la banque de questions pratiques pour le AIP-C01. Le mode de simulation d'examen reproduit l'examen réel : 75 questions en 3 h, avec le même seuil de réussite de 750 / 1000. Le mode navigation vous permet de lire chaque Q&A de manière statique.