7 decks pour aller au-delà des fondamentaux Azure. Patterns cloud, architectures data modernes, machine learning industrialisé et architectures événementielles — les sujets d'un architecte data Azure.
Ce programme couvre les grandes thématiques de l'architecture data sur Azure. Il n'est pas aligné sur une certification officielle unique, mais sur les compétences attendues d'un architecte data ou d'un data engineer senior sur la plateforme Azure.
Lambda, Kappa, Medallion, microservices, event-driven — les grands patterns de conception applicables sur Azure et dans tout écosystème cloud.
Data Lake, Lakehouse, Data Mesh, Data Products. Comprendre les paradigmes d'organisation des données qui structurent les décisions d'architecture en 2025.
Positionnement et comparaison de Databricks, Azure Synapse Analytics et Microsoft Fabric : quand choisir quoi, et pourquoi.
Microsoft Purview, Data Catalog, data lineage, classification et politiques de gouvernance dans une architecture Azure.
Event Hubs, Service Bus, Stream Analytics, Azure IoT Hub — les architectures temps réel et event-driven sur Azure.
Azure Machine Learning, MLflow, Responsible AI, industrialisation des modèles et cycle de vie ML en production.
Chaque deck aborde un domaine clé de l'architecture data Azure. L'ordre suggéré va des concepts transverses vers les sujets les plus spécialisés.
Les grands patterns de conception cloud et data : Lambda, Kappa, Medallion, CQRS, Event Sourcing, Saga, Strangler Fig. Les références architecturales qui s'appliquent quelle que soit la plateforme cloud.
Architectures Data Lake classiques vs Lakehouse modernes sur Azure. ADLS Gen2, Delta Lake, formats de fichiers (Parquet, Avro, ORC), partitionnement et stratégies d'optimisation des lectures.
Comparaison et positionnement des trois grandes plateformes analytics Azure. Quand utiliser Databricks (ML, data engineering complexe), Synapse (DWH, SQL analytique) ou Microsoft Fabric (plateforme unifiée SaaS). 55 cartes sur le sujet le plus demandé en entretien architecture data Azure.
Microsoft Purview pour le Data Catalog, la classification automatique et le data lineage. Data Mesh et Data Products comme paradigme d'organisation. Les enjeux de gouvernance dans une grande organisation Azure.
Azure Event Hubs, Service Bus, Event Grid, Stream Analytics, Azure IoT Hub. Architecture event-driven, garanties de livraison, at-least-once vs exactly-once, et patterns de traitement temps réel.
Azure Machine Learning Studio, MLflow sur Azure, AutoML, pipelines ML, monitoring de modèles en production, Responsible AI et Azure AI Services. L'industrialisation du ML sur la plateforme Azure.
Développer une pensée d'architecte : comment arbitrer entre performance, coût, maintenabilité et scalabilité. Cas pratiques de décisions d'architecture sur Azure et méthodologie pour structurer une recommandation.
Ce programme est dense et technique. Comptez 6 à 8 semaines de révision régulière pour une maîtrise solide. Contrairement à l'AZ-900, l'objectif n'est pas uniquement de mémoriser des noms de services — c'est de comprendre les compromis.
Decks 1 et 2 : Patterns d'Architecture puis Data Lake & Lakehouse. Ces deux decks posent les concepts transverses sur lesquels les autres s'appuient. Ne passez pas au deck 3 avant de vous sentir à l'aise avec les concepts Delta Lake et Medallion.
Decks 3 et 4 : Databricks/Synapse/Fabric puis Gouvernance/Purview. Le deck 3 est le plus sollicité en contexte professionnel — prenez le temps de bien comprendre les cas d'usage de chaque plateforme. Le FSRS planifiera automatiquement les révisions des decks 1 et 2.
Decks 5, 6 et 7 : Streaming/IoT, MLOps, Arbitrages. Le dernier deck est conçu pour être révisé en fin de programme — il met en pratique tous les concepts appris en vous forçant à choisir entre plusieurs architectures valides.
Ce programme s'adresse à des profils ayant déjà une compréhension des fondamentaux cloud (niveau AZ-900 ou expérience équivalente). Il n'est pas adapté aux débutants complets sur Azure. Si vous débutez sur Azure, commencez par le programme AZ-900 (8 decks, 355 cartes) avant d'aborder celui-ci.
Ce programme n'est pas aligné sur une certification Microsoft unique. Il couvre des sujets présents dans plusieurs certifications avancées : Azure Data Engineer (DP-203), Azure AI Engineer (AI-102) et Azure Solutions Architect (AZ-305). Il est particulièrement adapté pour monter en compétence sur les architectures data Azure dans un contexte professionnel.
L'ordre recommandé est : Patterns → Data Lake & Lakehouse → Databricks/Synapse/Fabric → Gouvernance/Purview → Streaming/IoT → MLOps → Arbitrages. Cet ordre va du général au particulier et du conceptuel au pratique. Le dernier deck (Arbitrages) est conçu pour être abordé une fois les 6 premiers maîtrisés.
C'est précisément ce que couvre le deck 3 (55 cartes). En résumé : Databricks excelle pour le data engineering complexe et le ML ; Azure Synapse Analytics est historiquement fort sur le SQL analytique et le DWH ; Microsoft Fabric est la nouvelle plateforme SaaS unifiée de Microsoft. Le choix dépend de votre existant, de vos compétences et de vos cas d'usage prioritaires.
Oui, c'est l'un des profils cibles principaux. Les decks Data Lake & Lakehouse, Databricks/Synapse/Fabric, Streaming/IoT et Gouvernance/Purview couvrent directement les sujets du quotidien d'un data engineer Azure. Le deck Arbitrages & Trade-offs est particulièrement utile pour les profils qui doivent justifier des choix d'architecture.
Comptez 6 à 8 semaines avec 20 à 30 minutes par jour. Ce programme est plus dense que l'AZ-900 — les 343 cartes couvrent des sujets techniques qui nécessitent souvent un ancrage progressif. L'algorithme FSRS adapte le rythme à votre mémoire et planifie les révisions automatiquement.
50 cartes sur les patterns cloud fondamentaux — le socle de tout architecte Azure. Niveau post-AZ-900. Accès immédiat, sans carte bancaire.
Démarrer gratuitement