Concepts clés de l'IA et du ML

Ce sujet pose le vocabulaire sur lequel repose tout le reste de l'examen AWS Certified AI Practitioner. Avant de comparer des services ou de raisonner sur le biais et la sécurité, vous devez voir clairement ce que sont l'IA, le machine learning et le deep learning, comment ils s'emboîtent, et ce qui distingue un modèle qui apprend d'un logiciel qui suit des règles. Chaque leçon construit un morceau de cette base, des définitions jusqu'à la façon dont un modèle terminé sert ses prédictions.

Ce que couvre ce sujet

• la différence entre IA, machine learning et programmation à base de règles, et l'emboîtement IA, ML, deep learning et IA générative
• ce qu'est un réseau de neurones, ce qui rend le deep learning « profond », et en quoi il diffère du ML classique
• l'IA générative, les modèles de fondation et les LLM, et comment l'IA agentique prolonge le tout par la planification et l'action
• les deux propriétés indépendantes des données, la structure et l'étiquetage, et les formats tabulaire, série temporelle, image et texte
• l'apprentissage supervisé, non supervisé et par renforcement, et comment associer un problème au bon type
• l'inférence contre l'entraînement, et les modes temps réel, par lots, asynchrone et serverless d'Amazon SageMaker

Pourquoi c'est important

L'examen sonde les frontières entre ces termes bien plus que les définitions elles-mêmes. Une question qui demande si un scénario appelle l'IA générative ou l'IA agentique, si des données sont étiquetées ou non, ou quel mode d'inférence sert le mieux une charge de travail, se joue sur ces distinctions. Maîtrisez-les ici et une bonne partie de l'examen devient du raisonnement plutôt que de la devinette.

Ces concepts reviennent aussi dans tous les domaines suivants. Le choix d'un modèle de fondation, la sécurisation d'un pipeline et la détection d'un biais supposent tous que vous parlez déjà cette langue. C'est le socle qui rend le reste du cours abordable.