# Vue d’ensemble du cours AIB-C01 Le blueprint, les pondérations, la répartition du temps, la liste de préparation pratique et l’état d’esprit que récompense l’examen bêta AWS Certified AI Business Strategist. import { Card, CardGrid, Badge } from '@prosefly/astro-components'; AIB-C01 85 items · 170 min Réussite 700/1000 50 $ bêta 4 domaines · 13 tâches Voici le cours complet pour l’examen bêta **AWS Certified AI Business Strategist (AIB-C01)** : quatre approfondissements de domaines, deux examens blancs de 85 items et six études de cas détaillées. C’est une préparation indépendante et non officielle — voyez le [hub de préparation AWS](/fr/aws/) et la [logistique de l’examen](/fr/aws/exam-logistics/) pour le paysage de la certification, la mécanique bêta et la notation. Cette page est la carte : ce que la certification valide, où sont les points, comment répartir trente heures, et la posture que l’examen récompense systématiquement. ## Ce que la certification valide AIB-C01 valide un **jugement métier transposable pour les décisions d’IA**, pas l’ingénierie AWS. AWS indique clairement que l’examen *n’évalue pas la connaissance des services AWS* ; il évalue votre capacité à évaluer des investissements en IA, à construire l’analyse de rentabilité, à concevoir la gouvernance et à mettre à l’échelle l’adoption dans une organisation. Le candidat certifié est un product manager, program manager, consultant, analyste métier, spécialiste marketing ou responsable de métier qui travaille aux côtés d’équipes techniques mais ne construit rien lui-même — pas de codage, pas d’ingénierie de données, pas de tuning, pas de déploiement, pas de mise en œuvre de la sécurité. Là où les services AWS apparaissent (Amazon Bedrock, Amazon SageMaker AI, Amazon Quick, AWS CAF, le modèle de responsabilité partagée, les structures de tarification, l’AWS Pricing Calculator, AWS Cost Explorer, AWS Marketplace, le Well-Architected Responsible AI Lens), ils n’apparaissent qu’au niveau stratégique dont un dirigeant a besoin pour prendre une décision, jamais à la profondeur d’une console ou d’une API. AWS recommande environ six mois de travail avec ou aux côtés d’équipes adoptant l’IA ; il n’y a aucune certification prérequise. ## Blueprint | # | Domaine | Pondération | Items (env.) | Page du cours | | --- | --- | --- | --- | --- | | 1 | AI Fundamentals and Literacy | 24 % | ~20 | [Domaine 1](/fr/aws/aib-c01/domains/d1-ai-fundamentals-and-literacy/) | | 2 | AI Strategy and Business Value Creation | **28 %** | ~24 | [Domaine 2](/fr/aws/aib-c01/domains/d2-ai-strategy-and-business-value/) | | 3 | AI Governance and Responsible AI Leadership | 24 % | ~21 | [Domaine 3](/fr/aws/aib-c01/domains/d3-governance-and-responsible-ai/) | | 4 | Business Readiness, Leadership, and AI Transformation | 24 % | ~20 | [Domaine 4](/fr/aws/aib-c01/domains/d4-readiness-leadership-transformation/) | Quatre domaines, 13 énoncés de tâches, rien sous 24 %. C’est le blueprint le plus plat du site : il n’y a aucun domaine que vous puissiez sauter sans risque, et un seul domaine faible représente environ un quart de l’examen. :::tip[Où sont les points] Le Domaine 2 — **AI Strategy and Business Value Creation, 28 %** — est le bloc le plus lourd et celui qui récompense le plus la préparation, car ses items reposent sur de l’arithmétique que vous pouvez travailler : ROI, délai de retour, références, conception des KPI et la décision mettre à l’échelle/suspendre/arrêter. Les trois autres domaines sont à 24 % chacun. Maîtrisez d’abord les chiffres du Domaine 2 ; ils sous-tendent aussi les arguments de valeur que les Domaines 3 et 4 présupposent. ::: :::note[Deux examens blancs indépendants] Ce cours livre **deux** examens blancs complets, pondérés selon le blueprint, de 85 items chacun. L’[Examen blanc 1](/fr/aws/aib-c01/practice-exam/) est votre **diagnostic** — passez-le d’abord, sans chrono, pour trouver vos deux domaines les plus faibles. L’[Examen blanc 2](/fr/aws/aib-c01/practice-exam-2/) est la **porte de préparation chronométrée** — passez-le à 170 minutes et considérez 75 % en brut comme le plancher avant de vous inscrire. Les deux affichent un pourcentage brut plus une valeur indicative sur l’échelle par rapport à la barre de 700, clairement étiquetée comme une indication approximative, car AWS ne publie pas la correspondance brut-vers-échelle. Aucun des deux examens blancs ne contient de questions officielles d’AWS. ::: ## L’état d’esprit que cet examen récompense L’examen est écrit pour quelqu’un qui a vu des pilotes d’IA réussir et échouer et qui a appris quels réflexes paient. Les bonnes réponses, systématiquement : - **Définissent le résultat avant d’acheter la technologie.** Un outil n’est pas une stratégie ; un cas d’usage avec un résultat mesurable, oui. - **Établissent une référence avant le déploiement.** Une valeur que vous ne pouvez pas mesurer est une valeur que vous ne pouvez pas défendre, renouveler ou mettre à l’échelle. - **Arrêtent ou suspendent des initiatives** qui échouent sur la valeur, la faisabilité, l’état de préparation des données, la pérennité ou l’alignement stratégique, plutôt que de les pousser en production parce que le coût irrécupérable donne l’illusion d’un élan. - Choisissent l’**automatisation par règles** lorsque le problème est déterministe, et le disent sans gêne. - Traitent la **gouvernance comme une donnée d’entrée de conception**, pas comme une revue juridique ajoutée la veille du lancement. - Exigent une **supervision humaine** là où une décision est lourde de conséquences, irréversible, réglementée ou touche des données personnelles. - Corrigent les **fondations de données et de responsabilité avant de mettre à l’échelle**, car la mise à l’échelle multiplie tout ce que vous avez déjà — y compris les défauts. - Préfèrent des **gains à court terme qui construisent vers un motif d’entreprise réutilisable** plutôt qu’un programme « big-bang ». Les mauvaises réponses achètent la technologie avant de définir le résultat, mesurent l’activité au lieu de la valeur, mettent à l’échelle un pilote dont le succès n’a jamais été mesuré, traitent l’IA responsable comme une validation de fin de parcours, et répondent à un problème organisationnel par un achat technique. ## Répartition du temps suggérée Un plan de **30 heures**, pondéré selon le blueprint avec un peu de rab sur le Domaine 2 car son arithmétique est l’entraînement au plus fort effet de levier de l’examen. | Activité | Heures | | --- | --- | | D2 · AI Strategy and Business Value Creation (28 %) | 8 | | D1 · AI Fundamentals and Literacy (24 %) | 6 | | D3 · AI Governance and Responsible AI Leadership (24 %) | 6 | | D4 · Business Readiness, Leadership, and AI Transformation (24 %) | 6 | | Études de cas et raisonnement inter-domaines | 2 | | Examen blanc 1 (diagnostic) plus revue | 1 | | Examen blanc 2 (chronométré) plus revue | 1 | | **Total** | **30** | ## Liste de préparation pratique Ce sont des exercices qu’un professionnel du métier peut réellement réaliser sans rien construire. En faire un seul une fois vaut mieux que relire trois fois la même page, car chacun produit un artefact que l’examen attend que vous sachiez analyser. - [ ] Rédigez une **analyse de rentabilité d’une page** pour un cas d’usage d’IA réel dans votre organisation, avec une référence mesurable, une cible, un coût estimé et un chiffre de délai de retour. - [ ] Construisez un **arbre de KPI** pour un cas d’usage : un KPI de résultat « north-star » en haut, les indicateurs avancés qui le prédisent en dessous, et les métriques garde-fous qui ne doivent pas se dégrader. - [ ] Rédigez une **liste de classification d’outils d’IA** pour votre équipe — approuvés, bloqués et en évaluation — et nommez le critère qui fait passer un outil d’une colonne à l’autre. - [ ] Menez une **comparaison build-buy-partner** pour une capacité, en utilisant AWS Marketplace pour cadrer les options buy/partner et l’AWS Pricing Calculator pour prévoir un coût à la consommation face à une estimation de build. - [ ] Rédigez un **RACI de gouvernance** pour une initiative d’IA — qui est responsable, redevable, consulté et informé pour le go/no-go, la décision sur les données et le point de contrôle de revue humaine. - [ ] Classez **trois cas d’usage par niveau de risque** (minimal / limité / élevé, dans l’esprit d’un cadre à niveaux de risque) et écrivez le contrôle que chaque niveau déclenche. - [ ] Rédigez un **plan pilote-vers-échelle sur 90 jours** avec un gain à court terme, une métrique de succès, un point de contrôle go/no-go et les conditions dans lesquelles vous mettriez à l’échelle, suspendriez ou arrêteriez. - [ ] **Interrogez un collègue technique** sur l’état de préparation des données pour un cas d’usage : qualité, accessibilité, propriété et silos — et notez ce que vous avez appris et n’auriez pas pu deviner. - [ ] Estimez le coût d’un cas d’usage selon une tarification à la **consommation, à l’instance et au siège** et notez laquelle est la moins chère à faible volume et laquelle à fort volume. - [ ] Passez l’[Examen blanc 1](/fr/aws/aib-c01/practice-exam/) comme diagnostic et listez vos deux domaines les plus faibles avant de réviser. ## Pages du cours 24 % · ~20 items 28 % · ~24 items 24 % · ~21 items 24 % · ~20 items Six scénarios organisationnels traités 85 items · diagnostic 85 items · porte de préparation chronométrée Mécanique bêta et notation CAF, IA responsable, ISO, NIST Bedrock, SageMaker AI, Quick au niveau stratégique Structures de tarification avec calculs détaillés Métriques tangibles et intangibles par fonction