Prouver sa maîtrise d’Azure AI sur son CV et en entretien au Maroc

L’essentiel

Décrivez des actions réalisées et leur contexte plutôt que de vous attribuer une maîtrise générale d’Azure AI.
Un portfolio utile peut réunir un schéma d’architecture, un dépôt de code expurgé de toute donnée sensible, des scénarios de test et une courte démonstration.
Les offres consultées au Maroc associent des rôles d’ingénierie IA sur Azure à des sujets tels que Python, les pipelines RAG, l’évaluation, la sécurité et la documentation.
L’examen Microsoft AI-102 a été retiré le 30 juin 2026 ; vérifiez le catalogue Microsoft Learn avant de préparer une certification.
FormaGroup propose notamment une formation Azure AI et IA générative de quatre jours, de niveau intermédiaire.

Décrire son niveau avec précision

Azure AI désigne un ensemble de services et de possibilités, pas une compétence unique. Une personne peut savoir tester un modèle dans un portail sans avoir conçu une application, relié un corpus documentaire à une recherche, ou évalué la qualité des réponses. Sur le CV, nommez donc les tâches que vous avez réellement menées : déployer un modèle, créer un assistant, intégrer une recherche documentaire, traiter des documents, tester les réponses ou documenter les risques.

Les intitulés de services évoluent. Microsoft présente désormais Microsoft Foundry comme une plateforme pour créer et gouverner des applications et agents IA. Dans votre CV, reprenez le nom de l’outil utilisé au moment du projet, puis précisez le service ou la fonction concrète. Cela aide le recruteur à distinguer votre expérience pratique d’une simple familiarité avec un nom de produit.

Les exemples ci-dessous sont des modèles à adapter : ne conservez que les fonctions que vous avez vraiment utilisées.

Découverte : « Notions d’Azure AI ; réalisation de tutoriels guidés et compréhension des étapes de déploiement et de test d’un agent. »
Pratique encadrée : « Création d’un prototype d’assistant documentaire sur Azure ; préparation d’un jeu de questions de test et vérification des réponses à partir des documents fournis. »
Autonomie sur un projet : « Développement d’un prototype RAG avec recherche documentaire ; comparaison des réponses sur un jeu de tests et documentation des limites observées. »
Expérience professionnelle : « Contribution à l’intégration d’un composant d’IA générative sur Azure ; prise en charge de [tâche précise], tests, suivi des défauts et documentation, en coordination avec [équipe concernée]. »

Choisir des preuves vérifiables

Une preuve n’a pas besoin d’être un produit complet. Elle doit permettre à une autre personne de comprendre le problème, votre contribution et la façon dont vous avez contrôlé le résultat. Pour un projet Azure AI, les livrables les plus parlants montrent à la fois la construction et l’évaluation : Microsoft documente notamment des évaluations d’agents, de qualité, de sécurité et de réponses ancrées dans un contexte.

Un portfolio professionnel Azure AI peut être un dépôt de code public, une page de projet ou un dossier de démonstration consultable. Si le code ne peut pas être rendu public, fournissez plutôt une description technique expurgée, un schéma générique et des captures recréées sur des données fictives. Dites clairement ce qui est visible, ce qui a été retiré et quelle partie vous avez réalisée.

Un schéma simple indiquant les composants, le flux des données et les échanges entre l’application et les services Azure utilisés.
Un README présentant le besoin, le périmètre, les prérequis, les étapes de lancement et les limites connues.
Un jeu de données de test fictif ou public, accompagné de questions représentatives et des résultats attendus.
Une grille d’évaluation : pertinence, fidélité aux documents, réponses manquantes, sécurité ou autres critères adaptés au projet.
Des exemples de résultats et d’erreurs, avec une explication des corrections testées.
Une courte vidéo ou démonstration en direct, avec un scénario stable et des données non confidentielles.
Des éléments de suivi technique disponibles dans votre environnement de démonstration : journaux expurgés, tests automatisés ou historique de versions.

Rédiger une expérience ou un projet sur son CV

Pour valoriser des compétences Azure AI, formulez chaque expérience en trois temps : l’action dont vous étiez responsable, le contexte ou le besoin, puis un résultat que vous pouvez justifier. Le résultat peut être un livrable ou une amélioration observée, pas nécessairement un chiffre. N’inventez pas de mesure et ne transformez pas un exercice personnel en déploiement client.

Distinguez votre rôle de celui de l’équipe. « J’ai conçu » signifie que vous avez pris en charge la conception ; « j’ai contribué » est plus juste lorsque le travail était partagé. Dans un projet d’école ou personnel, indiquez explicitement le cadre. Une annonce consultée pour un poste d’AI Engineer à Ben Guérir, par exemple, associe les solutions sur Azure à des tâches comme les composants RAG, l’évaluation, Python, la documentation et la protection des données : ce sont des responsabilités qu’un candidat peut illustrer avec des preuves plutôt qu’avec des adjectifs.

Placez les technologies après la réalisation, dans une formulation lisible. Évitez les mots « expert » ou « maîtrise complète » si vous ne pouvez pas répondre aux questions d’architecture, de test et de limites.

Projet personnel : « Réalisé un prototype de recherche documentaire sur un corpus fictif ; configuré l’indexation et testé la pertinence des réponses sur un jeu de questions documenté. »
Projet académique : « En équipe, développé une démonstration d’assistant Azure AI pour [besoin] ; pris en charge [votre tâche] et présenté les erreurs observées lors des tests. »
Stage ou expérience professionnelle : « Contribué à [solution] sur Azure ; intégré [composant réellement réalisé], exécuté les tests définis par l’équipe et documenté les limites et incidents rencontrés. »
Expérience confirmée : « Conçu et amélioré [composant] dans une solution d’IA sur Azure ; suivi [indicateurs réellement disponibles], traité [problème concret] et partagé les choix techniques avec l’équipe. »

Préparer une démonstration courte

Une démonstration convaincante est centrée sur un seul scénario. Préparez un environnement qui fonctionne sans dépendre d’un compte personnel ouvert, d’une donnée privée ou d’une connexion incertaine. Si une démonstration en direct risque d’échouer, prévoyez une courte vidéo de secours et expliquez honnêtement qu’il s’agit d’un enregistrement.

La trame ci-dessous tient en quelques minutes. Elle permet au recruteur d’entendre votre raisonnement, pas seulement de voir une interface.

1. Besoin : « Je voulais permettre à [utilisateur] de [tâche], à partir de [type de contenu]. »
2. Votre rôle : « J’ai réalisé [partie précise] ; [autre tâche] a été prise en charge par [l’équipe ou le cadre du projet]. »
3. Choix : présentez les composants Azure AI retenus et pourquoi ils correspondaient au périmètre du prototype.
4. Parcours : montrez une question, le résultat, puis la source ou le contexte utilisé si votre application le permet.
5. Vérification : expliquez le jeu de tests, les critères d’évaluation et un exemple de réponse insuffisante.
6. Limite et suite : indiquez ce qui manque avant un usage réel, par exemple davantage de tests, un contrôle des accès ou une validation métier.

Répondre aux questions techniques

Pour un entretien technique Azure AI, répondez dans l’ordre : besoin, choix, mise en œuvre, vérification, limite. Cette structure évite de réciter des noms de services sans expliquer leur utilité. Elle laisse aussi de la place aux questions de suivi.

Attendez-vous à devoir justifier la qualité des réponses, les cas d’échec, le traitement des documents, la sécurité et la façon dont vous avez évalué le prototype. Microsoft recommande de tester les agents et les applications selon des critères de qualité et de sécurité ; montrez donc comment vous avez vérifié le vôtre, même si votre projet reste exploratoire.

« Pourquoi avoir choisi cette approche ? » Répondez en reliant le choix au besoin, aux données disponibles et au périmètre du projet.
« Comment savez-vous que les réponses sont bonnes ? » Décrivez vos cas de test, les critères et les erreurs constatées ; ne prétendez pas qu’un test limité prouve une qualité générale.
« Que se passe-t-il si le document ne contient pas la réponse ? » Expliquez le comportement attendu, ce que vous avez effectivement observé et les améliorations envisagées.
« Quelle était votre contribution ? » Séparez clairement vos tâches de celles des autres membres de l’équipe.
« Qu’amélioreriez-vous ? » Citez une limite réelle et une action prioritaire, plutôt qu’une réponse vague comme « optimiser l’IA ».

Éviter les signaux qui fragilisent sa candidature

Un portfolio non vérifiable ou un niveau exagéré se retourne facilement contre son auteur : quelques questions suffisent à révéler une contribution imprécise. Le meilleur réflexe est d’indiquer le cadre du projet, les outils réellement manipulés et les parties que vous ne maîtrisez pas encore. Montrez également les échecs utiles à comprendre : ils attestent que vous avez testé le système au lieu de présenter une démonstration soigneusement sélectionnée comme une preuve universelle.

Ne publiez jamais de données d’entreprise, d’identifiants, de clés d’accès, de documents clients, de journaux révélant des informations personnelles ou de captures internes sans autorisation. Remplacez-les par des données fictives, retirez les secrets du code et vérifiez les fichiers avant de rendre un dépôt public. Pour un projet réalisé au travail, demandez l’autorisation avant de partager des éléments ; à défaut, décrivez l’architecture de manière générale et fournissez un exemple reconstruit.

Enfin, vérifiez le statut des certifications avant de les inscrire comme objectif ou de payer une préparation. Au 10 octobre 2026, l’examen AI-102 est retiré. Microsoft présente désormais d’autres certifications et évaluations Applied Skills liées à Azure et Microsoft Foundry. Une compétence démontrée par un projet et une certification officielle sont des preuves différentes : ne les confondez pas.

Évitez « expert Azure AI » sans expérience et exemples qui le justifient.
N’attribuez pas à votre travail les résultats produits par toute une équipe.
Ne publiez pas un dépôt dont les clés, données ou documents ne sont pas expurgés.
Ne présentez pas un prototype comme une solution en production.
Ne revendiquez pas une certification Microsoft sur la base d’un cours ou d’une attestation de formation.

Le parcours, étape par étape

1Choisir un poste cible — Repérez les tâches récurrentes dans les offres visées : développement Python, assistants, recherche documentaire, évaluation, déploiement ou gouvernance. Une annonce consultée à Ben Guérir, par exemple, mentionne plusieurs de ces compétences dans un contexte d’IA sur Azure.
2Faire l’inventaire de ses preuves — Pour chaque tâche du poste, notez un projet, votre rôle précis et un livrable qui pourrait le démontrer. Marquez séparément ce que vous avez appris en cours et ce que vous avez exécuté vous-même.
3Construire ou compléter un projet démontrable — Choisissez un cas d’usage limité, utilisez des données publiques ou fictives, préparez des tests et consignez les limites. Préférez un projet reproductible à une démonstration uniquement visuelle.
4Adapter le CV et le portfolio — Rédigez chaque réalisation avec une action, un contexte, votre contribution et un livrable ou résultat vérifiable. Ajoutez une courte présentation du projet et un lien vers les éléments partageables.
5Répéter l’entretien — Présentez le projet en suivant la trame besoin, rôle, choix, démonstration, évaluation et limites. Entraînez-vous à expliquer un échec et une décision technique sans exagérer la portée du travail.
6Choisir une formation ou un justificatif complémentaire — Repérez le manque le plus important — par exemple l’IA générative sur Azure, le traitement documentaire ou l’évaluation — puis sélectionnez une formation cohérente. Vérifiez séparément le statut actuel de toute certification éditeur envisagée.