Formation Microsoft SQL - Développer des solutions de bases de données enrichies par l'IA (DP-800)
Préparer la certification Microsoft Certified: SQL AI Developer Associate

- Durée
- 3 jours
- Niveau
- Avancé
- Modalités
- Distanciel
Description de la formation SQL AI Developer

Objectifs pédagogiques
À l'issue de cette formation Microsoft SQL - Développer des solutions de bases de données enrichies par l'IA (DP-800), vous aurez acquis les connaissances nécessaires pour :
- Concevoir des tables et des objets spécialisés (JSON, temporel, graphe, ledger, partitionnement)
- Écrire du T-SQL avancé : fonctions de fenêtrage, JSON, expressions régulières, correspondance approximative, requêtes de graphe
- Utiliser GitHub Copilot, Copilot dans Fabric et des serveurs MCP pour développer en SQL
- Sécuriser les données et les points de terminaison (Always Encrypted, RLS, masquage dynamique, identité managée)
- Analyser et optimiser les performances avec les plans d'exécution, le Query Store et les DMV
- Mettre en place une chaîne CI/CD avec SQL Database Projects
- Exposer les données en REST et GraphQL avec Data API builder
- Gérer des modèles externes, générer et maintenir des embeddings
- Implémenter une recherche plein texte, vectorielle et hybride
- Construire un scénario de RAG en T-SQL et se préparer à l'examen DP-800
Objectifs opérationnels
Savoir concevoir, sécuriser et déployer des solutions de bases de données SQL intégrant des capacités d'IA (embeddings, recherche vectorielle et RAG).
Programme
Contenu du cours, module par module
11 modules
- Tables, types de données, index et index columnstore
- Tables spécialisées : en mémoire, temporelles, externes, ledger et graphe
- Colonnes et index JSON
- Contraintes et séquences
- Partitionnement des tables et des index
Travaux pratiques
Description :Les participants créent les tables du catalogue avec leurs contraintes et leurs index. Ils ajoutent une table temporelle pour historiser les prix et une colonne JSON pour les attributs variables. Ils partitionnent la table des ventes par année. Quel type de table retenir pour garantir qu'un historique ne puisse pas être falsifié ? Le schéma déployé et les requêtes de contrôle fournies valident l'atelier.
- Vues
- Fonctions scalaires
- Fonctions table
- Procédures stockées
- Déclencheurs
Travaux pratiques
Description :Les participants créent une vue de synthèse du catalogue et une fonction table de recherche par catégorie. Ils écrivent une procédure stockée de mise à jour des prix. Ils ajoutent un déclencheur qui trace les modifications sensibles. Faut-il placer cette règle dans un déclencheur ou dans la procédure stockée ? Une série de tests d'appel des objets valide l'atelier.
- Expressions de table communes (CTE) et requêtes corrélées
- Fonctions de fenêtrage
- Fonctions JSON (JSON_OBJECT, JSON_ARRAYAGG, OPENJSON...)
- Expressions régulières (REGEXP_LIKE, REGEXP_REPLACE...) et correspondance approximative (EDIT_DISTANCE, JARO_WINKLER_DISTANCE)
- Requêtes de graphe avec MATCH et gestion des erreurs
Travaux pratiques
Description :Les participants calculent des classements et des cumuls avec les fonctions de fenêtrage. Ils produisent un export JSON du catalogue et nettoient des références produits avec des expressions régulières. Ils détectent des doublons de libellés par correspondance approximative. Quel seuil de similarité retenir pour éviter les faux positifs ? Les jeux de résultats attendus fournis par le formateur valident l'atelier.
- Enjeux de sécurité des outils d'IA générative pour le code
- GitHub Copilot et Copilot dans Microsoft Fabric
- Choix du modèle et des outils MCP dans une session de chat
- Fichiers d'instructions GitHub Copilot
- Connexion aux serveurs MCP de SQL Server et des lakehouses Fabric
Travaux pratiques
Description :Les participants configurent GitHub Copilot dans VS Code avec un fichier d'instructions propre au projet. Ils se connectent au serveur MCP de SQL Server pour interroger le schéma en langage naturel. Ils font générer puis relisent une procédure stockée. Le code proposé respecte-t-il les conventions et les règles de sécurité du projet ? La revue critique du code généré et sa correction valident l'atelier.
- Chiffrement : Always Encrypted et chiffrement de colonne
- Masquage dynamique des données et sécurité au niveau des lignes (RLS)
- Permissions au niveau des objets et accès sans mot de passe
- Audit
- Sécurisation des points de terminaison de modèles, REST, GraphQL et MCP (identité managée)
Travaux pratiques
Description :Les participants chiffrent une colonne avec Always Encrypted et masquent les données personnelles. Ils mettent en place une stratégie RLS par région commerciale. Ils activent l'audit et remplacent une chaîne de connexion par une identité managée. Que voit un commercial d'une autre région lorsqu'il interroge la table ? Des tests de connexion avec plusieurs profils valident l'atelier.
- Configuration recommandée des bases de données
- Niveaux d'isolation et contrôle de la concurrence
- Plans d'exécution, DMV, Query Store et Query Performance Insight
- Diagnostic et résolution des blocages et des interblocages
Travaux pratiques
Description :Les participants lancent une charge simulée et repèrent les requêtes coûteuses dans le Query Store. Ils analysent les plans d'exécution et ajoutent les index manquants. Ils reproduisent un interblocage et l'éliminent en ajustant le niveau d'isolation. Quel gain de temps de réponse obtient-on après correction ? La comparaison avant et après dans le Query Store valide l'atelier.
- Projets SQL de style SDK : création, build et validation
- Contrôle de source, branches, pull requests et résolution de conflits
- Données de référence, tests unitaires et tests d'intégration
- Détection de dérive de schéma et déploiement des changements
- Contrôles des pipelines : stratégies de branche, approbations, propriétaires du code, gestion des secrets
Travaux pratiques
Description :Les participants importent la base dans un projet SQL et le placent sous Git. Ils ajoutent des tests unitaires et des données de référence. Ils créent un pipeline GitHub Actions avec approbation avant la production. Le pipeline détecte-t-il une modification faite directement en production ? Un déploiement réussi et le rapport de dérive de schéma valident l'atelier.
- Data API builder : fichier de configuration et entités
- Points de terminaison REST et GraphQL : pagination, filtrage, cache et relations
- Déploiement de Data API builder
- Supervision avec Azure Monitor, Application Insights et Log Analytics
- Suivi des changements : CDC, Change Tracking, diffusion d'événements de modification (CES), Azure Functions et Logic Apps
Travaux pratiques
Description :Les participants configurent Data API builder pour exposer tables, vues et procédures en REST et en GraphQL. Ils activent la pagination, le filtrage et le cache. Ils créent une fonction Azure déclenchée par les modifications de la table des prix. Combien de lignes renvoie la requête GraphQL filtrée sur une catégorie ? Les appels d'API testés et la trace d'exécution de la fonction valident l'atelier.
- Évaluer les modèles externes : multimodal, multilingue, taille, sortie structurée
- Créer et gérer des modèles externes (CREATE EXTERNAL MODEL)
- Choisir les colonnes à vectoriser et découper le texte en segments (chunking)
- Générer des embeddings en T-SQL
- Maintenir les embeddings à jour : déclencheurs, Change Tracking, CDC, Azure Functions, Logic Apps, Microsoft Foundry
Travaux pratiques
Description :Les participants déclarent un modèle d'embedding hébergé dans Microsoft Foundry comme modèle externe. Ils découpent les descriptions produits en segments et génèrent les embeddings en T-SQL. Ils mettent en place une mise à jour automatique lors des modifications. Quelles colonnes apportent réellement du sens à l'embedding ? Le contrôle des vecteurs stockés et leur régénération après modification valident l'atelier.
- Choisir entre recherche plein texte, vectorielle et hybride
- Type VECTOR, index vectoriels et dimensionnement
- Fonctions VECTOR_DISTANCE, VECTOR_SEARCH, VECTOR_NORMALIZE et VECTORPROPERTY
- Recherche approchée (ANN) ou exacte (ENN), types d'index et métriques
- Recherche hybride, fusion par rang réciproque (RRF) et évaluation des performances
Travaux pratiques
Description :Les participants créent un index plein texte puis un index vectoriel. Ils comparent recherche exacte et recherche approchée. Ils combinent les deux classements par fusion par rang réciproque. Quelle approche renvoie les résultats les plus pertinents sur le jeu de questions de test ? La mesure de pertinence et de temps de réponse sur ce jeu valide l'atelier.
- Cas d'usage du RAG
- Appel d'un modèle de langage avec sp_invoke_external_rest_endpoint
- Conversion des données structurées en JSON pour le modèle
- Envoi du contexte et extraction de la réponse
- Préparation à l'examen DP-800
Travaux pratiques
Description :Les participants écrivent une procédure qui recherche les produits pertinents et les convertit en JSON. Ils construisent l'invite et appellent le modèle avec sp_invoke_external_rest_endpoint. Ils extraient la réponse et l'exposent via Data API builder. L'assistant cite-t-il uniquement des produits réellement présents dans la base ? Une batterie de questions de test valide l'atelier, suivie d'un quiz de préparation à DP-800.
Travaux pratiques
Environ 60 % du temps est consacré à la pratique : SQL Server 2025 et Azure SQL Database, VS Code avec l'extension MSSQL et GitHub Copilot, SQL Database Projects, Data API builder, modèles d'embedding et de langage hébergés dans Microsoft Foundry. Un fil rouge relie les trois jours : une base catalogue produits enrichie progressivement jusqu'à une recherche sémantique et un assistant RAG.
Programme mis à jour le 12/11/2026
Public concerné
Développeurs SQL, développeurs d'applications et ingénieurs data qui conçoivent des solutions sur SQL Server, Azure SQL ou SQL dans Microsoft Fabric et souhaitent y intégrer des capacités d'IA.

Prérequis
Bonne maîtrise du T-SQL (jointures, sous-requêtes, procédures stockées), la formation partant d'un niveau de développement confirmé. Connaissance de SQL Server ou d'Azure SQL (création de bases, sécurité de base), nécessaire pour aborder sécurité et optimisation sans remise à niveau. Notions sur Azure et Git, utiles pour les ateliers CI/CD et d'intégration aux services Azure. Une première approche des modèles de langage est un plus pour la troisième journée, sans être obligatoire.
J’évalue mes connaissances pour vérifier que je dispose des prérequis nécessaires pour profiter pleinement de cette formation en faisant le test de prérequis.
Faire le testFinancement
Cette formation peut être prise en charge par votre entreprise, seule ou avec l’appui de son opérateur de compétences. Nous fournissons le devis et les pièces attendues par l’OPCO.
Formations liées
- Power Apps - Créer des applications métier personnalisées avec PowerApps, Power Automate et Power BIRéf. MPAF5 joursIntermédiaireProchaine session : 7 déc.3 050 €
- Power BI : AvancéRéf. BPBA2 joursIntermédiaireProchaine session : 19 nov.1 590 €
- Power BI : InitiationRéf. BPBI4 joursFondamentalProchaine session : 16 nov.2 490 €
- Power Query sur Excel Réf. POQE2 joursIntermédiaireProchaine session : 20 nov.1 590 €