AWS : deux formations avancées sur le calcul IA et EKS

AWS a publié le 20 octobre 2026 deux nouvelles formations numériques avancées et gratuites dans AWS Skill Builder. La première apprend à choisir le matériel adapté aux différentes étapes d’un pipeline d’intelligence artificielle. La seconde associe EKS Auto Mode, les processeurs Graviton et les instances Spot pour réduire les coûts et simplifier l’exploitation de Kubernetes.

Ces cours ne créent pas une nouvelle certification et ne délivrent pas, à eux seuls, un titre AWS Certified. Leur intérêt est ailleurs : ils couvrent des décisions techniques concrètes qui peuvent renforcer une préparation de niveau avancé en architecture cloud, machine learning ou plateformes conteneurisées. Il faut donc les utiliser comme des modules de pratique ciblée, sans les présenter comme une voie de certification autonome.

Deux cours gratuits, deux décisions différentes

L’annonce officielle AWS Training and Certification du 20 octobre 2026 (nouvel onglet) décrit deux contenus disponibles gratuitement :

AWS cible les décideurs techniques, développeurs, architectes cloud, opérateurs, ingénieurs DevOps, ingénieurs machine learning et platform engineers. « Avancé » décrit le niveau du contenu ; AWS ne publie pas de prérequis formel dans son annonce. Avant de commencer, il reste raisonnable de savoir expliquer une instance EC2, un conteneur, un cluster Kubernetes et la différence entre entraînement et inférence.

Les pages d’inscription sont disponibles directement dans Skill Builder pour le cours sur le matériel IA (nouvel onglet) et le cours sur l’efficacité EKS (nouvel onglet). L’application demande JavaScript ; vérifiez dans votre compte la disponibilité régionale et les éventuelles conditions mises à jour.

Formation 1 : choisir le calcul pour toute la chaîne IA

Le premier cours ne se limite pas à opposer GPU et CPU. Il propose un cadre de décision pour les étapes qui vont du traitement des données à l’entraînement, à l’inférence et au déploiement de l’application. Le programme cite AWS Graviton, AWS Trainium, AWS Inferentia, les instances à GPU ainsi que les instances basées sur des processeurs Intel ou AMD.

L’objectif utile est d’éviter une règle unique appliquée à tous les workloads. Une équipe peut avoir besoin d’un environnement différent pour préparer les données, entraîner ou personnaliser un modèle, puis servir des requêtes avec un objectif de latence. La capacité disponible, le coût, la taille du modèle, le débit et l’écosystème logiciel modifient la réponse.

AWS annonce sept séquences : vue d’ensemble de la pile IA, choix selon la taille du modèle, planification des coûts et de la capacité EC2, assemblage du pipeline, puis trois exercices autour d’un assistant interne, d’un déploiement d’inférence en startup et de la personnalisation d’un modèle.

Pour transformer ces deux heures en apprentissage durable, préparez avant le cours une petite matrice : étape du pipeline, volume ou taille du modèle, latence attendue, durée d’exécution, tolérance à l’interruption et budget. Pendant chaque exercice, notez ce qui vous ferait changer de famille d’instance. Après le cours, justifiez une option retenue et une option rejetée.

Cette méthode évite de mémoriser un catalogue de puces. Elle produit un raisonnement vérifiable : « pour cette inférence, nous privilégions telle capacité parce que la contrainte dominante est X, et nous accepterions Y si le volume change ». C’est ce type de justification qui reste utile dans une préparation d’architecte ou d’ingénieur ML.

Formation 2 : exploiter EKS avec trois leviers complémentaires

Le second cours réunit EKS Auto Mode, AWS Graviton et Amazon EC2 Spot Instances. Chacun agit sur une dimension différente : automatisation de l’infrastructure du cluster, rapport performance-prix lié à l’architecture processeur, et accès à de la capacité EC2 inutilisée susceptible d’être interrompue.

Le programme couvre les caractéristiques d’EC2 pour les conteneurs, EKS Auto Mode, les mécanismes de scaling Kubernetes, Graviton pour les workloads conteneurisés, Spot et une démonstration finale. AWS annonce également une migration de workloads vers Graviton et la gestion correcte des interruptions Spot.

La combinaison n’est pertinente que si l’application la supporte. Une image de conteneur doit être compatible avec l’architecture ciblée. Un workload placé sur Spot doit tolérer la perte de capacité et se rétablir sans corruption. Le scaling doit refléter les métriques utiles, et l’automatisation ne dispense pas d’observer le placement, les limites et les coûts.

Préparez un exercice simple avec un service sans état et une file de travaux. Identifiez d’abord ce qui peut être interrompu. Vérifiez ensuite la compatibilité de l’image, les demandes et limites de ressources, les règles de distribution, les signaux de terminaison et la stratégie de reprise. Enfin, définissez les métriques qui permettraient de comparer le coût par requête ou par tâche achevée.

L’exercice reste valable même sans déployer une charge coûteuse. Vous pouvez produire un plan, un manifeste minimal et une liste de contrôles, puis expliquer les risques. Le but n’est pas de réclamer une économie hypothétique : il est de montrer pourquoi une architecture donnée pourrait réduire les coûts sans diminuer la fiabilité attendue.

Comment les relier à une certification AWS

Ces cours ne sont pas annoncés comme préparation officielle exclusive à un examen. Ils peuvent néanmoins compléter plusieurs parcours parce qu’ils entraînent des décisions de conception, d’exploitation et d’optimisation. Pour choisir où les placer, partez du programme officiel de la certification que vous préparez et non du titre séduisant du cours.

Si votre objectif concerne l’IA, consultez le parcours des certifications AWS AI en 2026 pour distinguer AI Practitioner, Machine Learning Engineer et Generative AI Developer. Le cours matériel est surtout utile lorsque le rôle visé doit arbitrer entraînement, inférence, capacité et coût. Il dépasse le niveau d’une simple initiation à la terminologie.

Le cours EKS devient pertinent si votre programme exige de concevoir ou d’exploiter des architectures conteneurisées, d’optimiser les ressources ou de gérer la résilience. Il ne remplace pas les bases Kubernetes : objets, scheduling, réseau, stockage, observabilité et sécurité doivent déjà être maîtrisés ou étudiés séparément.

Pour une preuve pratique AWS plus encadrée, les microcertifications AWS sur les identités et les données des agents IA répondent à un autre besoin. Elles évaluent une performance dans un environnement AWS, alors que les deux nouveautés du 20 octobre sont des cours numériques. Ne mélangez pas cours terminé, badge éventuel, microcredential et certification surveillée sur un CV.

Un plan de travail en quatre séances

Séance 1 : diagnostic

Avant la vidéo, écrivez ce que vous choisiriez pour un pipeline IA et un cluster EKS. Listez vos hypothèses et les données qui vous manquent. Ce point de départ permettra de mesurer un changement de raisonnement, pas seulement une progression de lecture.

Séance 2 : cours matériel IA

Suivez les deux heures en mettant à jour votre matrice de décision. Pour chacun des trois exercices annoncés, consignez le stade du pipeline, le besoin de calcul, la contrainte de capacité et le risque financier. Si une réponse dépend d’une mesure absente, marquez-la comme hypothèse au lieu de l’inventer.

Séance 3 : cours EKS

Reliez chaque mécanisme à une condition d’usage. Auto Mode réduit certaines tâches opérationnelles ; il ne supprime pas la responsabilité sur l’application. Graviton exige une compatibilité. Spot exige une tolérance à l’interruption. Le scaling exige des métriques et des seuils cohérents.

Séance 4 : revue croisée

Construisez une architecture combinant une API d’inférence et des traitements asynchrones. Décidez quelles parties peuvent fonctionner sur Graviton ou Spot, puis décrivez comment vous observeriez coût, latence, erreurs et capacité. Terminez par une courte note indiquant ce que vous ne pouvez pas conclure sans test réel.

Les pièges à éviter

Le premier piège consiste à déduire qu’un matériel spécialisé est toujours moins cher. Le coût dépend de la durée, de l’utilisation, du transfert de données, de la disponibilité régionale et du logiciel. Le deuxième est de traiter Spot comme une remise sans contrepartie : une interruption mal gérée peut coûter plus cher que l’économie attendue.

Le troisième est de confondre automatisation et absence d’exploitation. EKS Auto Mode peut simplifier la gestion de l’infrastructure, mais l’équipe doit toujours définir correctement les workloads, les politiques, la sécurité et l’observabilité. Le quatrième est de revendiquer une certification après avoir terminé un cours gratuit. La formulation honnête sur un CV est « formation AWS Skill Builder terminée », accompagnée d’un projet ou d’un compte rendu, si le compte confirme bien l’achèvement.

Faut-il les suivre maintenant ?

Oui si vous devez prochainement prendre des décisions sur le calcul IA, l’inférence ou l’exploitation EKS et si vous possédez déjà les bases nécessaires. Avec trois heures trente de contenu au total et un accès annoncé comme gratuit, le coût d’exploration est limité.

En revanche, commencez par les fondamentaux si les mots instance, architecture processeur, pod, nœud ou interruption Spot ne sont pas encore clairs. Un contenu avancé suivi trop tôt produit souvent une liste de services mémorisés sans capacité de diagnostic.

La meilleure valeur de ces deux formations n’est donc pas une ligne de plus dans un profil. C’est un cadre pour expliquer pourquoi un calcul, une capacité ou une stratégie de déploiement convient à un workload donné. Vérifiez les pages Skill Builder au moment de l’inscription, puis rattachez chaque module à un objectif précis de votre certification ou de votre projet.