Introduction au cours

Bienvenue dans ce cours consacré à l’utilisation de Claude via Amazon Bedrock. Son ambition est simple à énoncer : vous amener de la toute première requête API jusqu’à des systèmes complets — agents autonomes compris — en passant par toutes les compétences intermédiaires qu’exige une application IA sérieuse. Ce module d’introduction vous permettra de :

• Comprendre la structure du cours et le parcours d’apprentissage
• Identifier les compétences clés et les domaines de connaissances abordés
• Évaluer votre niveau de préparation pour suivre ce cours

Pourquoi Bedrock

Amazon Bedrock est le service AWS qui donne accès aux modèles de fondation — dont la famille Claude d’Anthropic — à travers une API unifiée. Pour les équipes déjà installées sur AWS, c’est le chemin le plus court vers Claude : pas de compte fournisseur supplémentaire, pas de nouvelle facturation à gérer — l’accès aux modèles passe par les identifiants IAM, les régions et la facture AWS que votre organisation maîtrise déjà, et s’inscrit dans ses cadres de conformité existants. Tout ce que vous apprendrez ici sur Claude — le prompting, les outils, le RAG — vaut partout ; ce cours vous l’enseigne dans le dialecte Bedrock, avec ses SDK, sa console et ses conventions propres.

Le parcours

Le cours couvre l’ensemble du spectre, section après section. Vous commencerez par les fondations : accéder à l’API depuis Python, gérer des conversations multi-tours, contrôler la génération. Viendront ensuite l’évaluation de prompts — construire le pipeline qui mesure objectivement la qualité — puis l’ingénierie de prompt, où chaque technique devra prouver sa valeur au score. La suite monte en puissance : le tool use, qui permet à Claude d’agir à travers vos fonctions ; le RAG, pour interroger des documents entiers ; les fonctionnalités avancées de Claude (vision, PDF, citations, cache, réflexion étendue) ; MCP, le protocole qui industrialise la connexion aux outils ; et enfin les agents et workflows, avec Computer Use en point d’orgue. Chaque section s’appuie sur la précédente, avec des exercices pratiques à chaque étape — le code que vous écrivez dans les premières leçons resservira, enrichi, jusqu’à la fin.

Comment travailler

Deux conseils pour tirer le maximum du parcours. Exécutez le code : chaque leçon technique est pensée pour être reproduite dans votre propre environnement AWS, et c’est en voyant les réponses réelles — y compris les erreurs — qu’on apprend une API. Et résistez à l’envie de sauter les sections d’évaluation : elles semblent moins spectaculaires que les agents, mais ce sont elles qui séparent les prototypes des applications fiables — tout le reste du cours s’appuie sur leurs réflexes.

Côté prérequis, une aisance de base en Python suffit — fonctions, dictionnaires, listes — ainsi qu’un compte AWS sur lequel vous pourrez activer l’accès aux modèles : c’est précisément l’objet de la prochaine leçon.

Points clés à retenir

• Objectif du cours : de la première requête API aux agents autonomes, en environnement AWS
• Bedrock donne accès à Claude via l’infrastructure AWS existante — IAM, régions, facturation unifiée
• Parcours progressif : API → évaluation → prompting → outils → RAG → fonctionnalités → MCP → agents
• Chaque section réutilise et enrichit le code des précédentes — suivez l’ordre
• Prérequis : Python de base et un compte AWS ; l’activation des modèles arrive dès la prochaine leçon