Anthropic a mis en ligne une vraie plateforme de formation autour de Claude : Anthropic Academy. On y trouve des cours sur l’usage quotidien de Claude, l’AI Fluency, Claude Code, l’API, le MCP, les Skills, Bedrock et Vertex AI. Anthropic indique que ces cours permettent d’obtenir des certificats de complétion une fois terminés. Attention au vocabulaire : ce n’est pas un diplôme d’ingénieur IA, c’est un certificat officiel de fin de cours. C’est déjà très bien.
Il y a un piège classique : ouvrir le catalogue, voir tous les cours, tout commencer, ne rien finir.
Je préfère une autre approche : choisir un parcours selon votre profil, terminer un cours, appliquer immédiatement sur un vrai cas métier, puis seulement passer au suivant.
À la vérification, le catalogue Anthropic affiche d’ailleurs plus que les 13 cours souvent cités : Claude Code 101, Claude Cowork, Introduction to Subagents ou encore AI Capabilities and Limitations apparaissent aussi dans la liste. Le catalogue évolue. La bonne question n’est donc pas “combien de cours suivre ?”, mais dans quel ordre apprendre pour devenir opérationnel.
- Le bon ordre pour apprendre Claude
- 1. Claude 101 : le socle à ne pas sauter
- 2. AI Fluency: Framework & Foundations : apprendre à penser avec l’IA
- 3. Introduction to Agent Skills : arrêter de répéter les mêmes prompts
- 4. Building with the Claude API : sortir de l’interface chat
- 5. Claude Code in Action : utiliser Claude dans un vrai workflow de développement
- 6. Introduction to Model Context Protocol : comprendre MCP sans fantasmer
- 7. MCP: Advanced Topics : seulement après les bases
- 8 à 11. Les cours AI Fluency pour étudiants, enseignants et associations
- 12. Claude with Amazon Bedrock : Claude dans l’écosystème AWS
- 13. Claude with Google Cloud’s Vertex AI : Claude côté Google Cloud
- Le parcours que je recommande
- Ce que ces cours ne feront pas à votre place
Le bon ordre pour apprendre Claude
| Profil | Cours à suivre | Objectif réel |
|---|---|---|
| Débutant ou utilisateur régulier | 1, 2 | Mieux utiliser Claude au quotidien, sans prompt vague ni délégation floue |
| Builder, consultant, automatisation, data, dev | 3, 4, 5 | Créer des workflows, automatiser, coder, connecter Claude à des outils |
| Équipe technique ou IA interne | 6, 7 | Comprendre MCP et connecter Claude à un écosystème métier |
| Enseignement, formation, associatif | 8 à 11 | Utiliser et transmettre l’AI Fluency dans un cadre pédagogique ou missionnel |
| Déploiement cloud entreprise | 12, 13 | Exploiter Claude dans AWS Bedrock ou Google Cloud Vertex AI |
1. Claude 101 : le socle à ne pas sauter
Claude 101 est le cours d’entrée. Il couvre l’usage quotidien de Claude, les conversations, les projets, les artifacts, les skills, les connexions aux outils, la recherche et les cas d’usage par rôle.
Même si vous utilisez déjà Claude, je commencerais ici.
Pourquoi ? Parce que beaucoup d’utilisateurs avancés font encore trois erreurs basiques :
- ils posent des demandes trop vagues ;
- ils ne donnent pas assez de contexte ;
- ils confondent conversation, projet, fichier, artifact et automatisation.
Ce cours remet les bases à plat. Pas spectaculaire. Mais utile.
2. AI Fluency: Framework & Foundations : apprendre à penser avec l’IA
Ce cours est probablement l’un des plus importants du catalogue.
Anthropic l’a construit avec Joseph Feller, professeur à University College Cork, et Rick Dakan, professeur au Ringling College. Il présente un cadre d’AI Fluency pour collaborer avec l’IA de manière efficace, éthique et sûre. Le cours couvre notamment le framework 4D : Delegation, Description, Discernment, Diligence.
Dit simplement :
| Concept | Ce que ça veut dire |
|---|---|
| Delegation | Savoir quoi confier à l’IA, et quoi garder humain |
| Description | Formuler clairement le contexte, le résultat attendu, les contraintes |
| Discernment | Évaluer la qualité, les limites et les erreurs possibles |
| Diligence | Vérifier, améliorer, documenter, ne pas livrer n’importe quoi |
C’est exactement ce qui manque dans beaucoup d’usages IA en entreprise.
On ne “maîtrise” pas Claude parce qu’on connaît trois prompts LinkedIn. On commence à le maîtriser quand on sait déléguer proprement, contrôler le résultat et industrialiser ce qui marche.
3. Introduction to Agent Skills : arrêter de répéter les mêmes prompts
Le cours Introduction to Agent Skills est l’un des plus intéressants pour passer d’un usage amateur à un usage productif.
Les Skills permettent de créer des instructions réutilisables en Markdown que Claude Code applique automatiquement dans les bons contextes. Le cours explique comment créer un Skill, structurer son fichier SKILL.md, gérer le déclenchement, partager ces Skills avec une équipe, les distribuer via des plugins et les déployer à l’échelle d’une organisation.
C’est là que Claude devient beaucoup plus sérieux.
Au lieu de répéter :
“Réponds comme un expert data, respecte mon style, utilise cette structure, ne fais pas ceci, fais cela…”
Vous formalisez une fois la compétence, puis vous la réutilisez.
Pour un consultant, un formateur, une équipe marketing, une équipe data ou une agence, le gain est évident : moins de répétition, plus de cohérence, moins de dérive.
4. Building with the Claude API : sortir de l’interface chat
Le cours Building with the Claude API s’adresse clairement aux profils techniques : développeurs backend, full-stack, data engineers, DevOps, architectes techniques. Anthropic indique comme prérequis une maîtrise de Python et des bases sur JSON.
Le contenu est dense : authentification API, messages multi-tours, system prompts, streaming, sorties structurées, évaluations de prompts, tool use, RAG, multimodal, PDF, citations, prompt caching, MCP, Claude Code, Computer Use et architectures agentiques.
C’est le cours à suivre quand vous voulez passer de :
“J’utilise Claude dans une fenêtre de chat”
à :
“J’intègre Claude dans mes outils, mes workflows, mes applications ou mes automatisations.”
Pour mon métier, c’est le vrai point de bascule. L’interface chat aide à réfléchir. L’API permet d’automatiser.
5. Claude Code in Action : utiliser Claude dans un vrai workflow de développement
Claude Code in Action vise les développeurs et les équipes techniques. Le cours couvre l’architecture d’un assistant de code, la gestion du contexte, les commandes personnalisées, les serveurs MCP, l’intégration GitHub, les hooks et le SDK Claude Code. Anthropic recommande d’être à l’aise avec le terminal et d’avoir des bases Git.
Ce n’est pas seulement un cours pour “générer du code”.
Le sujet réel, c’est : comment utiliser Claude Code sans transformer un projet en chaos ?
Les points importants sont très concrets :
- donner le bon contexte au bon moment ;
- éviter de remplir inutilement la fenêtre de contexte ;
- créer des commandes réutilisables ;
- brancher Claude Code à GitHub ;
- intégrer des hooks pour encadrer le workflow ;
- garder un minimum de gouvernance sur ce qui est généré.
Pour une équipe tech, c’est probablement l’un des cours les plus directement applicables.
6. Introduction to Model Context Protocol : comprendre MCP sans fantasmer
Le Model Context Protocol, ou MCP, sert à connecter Claude à des services externes, des données et des outils de manière standardisée. Le cours couvre les trois primitives centrales de MCP : tools, resources et prompts. Il montre aussi comment construire des serveurs et clients MCP avec le SDK Python.
Traduction simple :
| Élément MCP | Rôle |
|---|---|
| Tools | Actions que le modèle peut demander : créer, modifier, chercher, envoyer |
| Resources | Données exposées en lecture : fichiers, bases, documents, informations métier |
| Prompts | Instructions préparées et réutilisables pour guider certains workflows |
C’est une compétence clé pour les usages avancés.
Pas parce que “MCP est à la mode”. Parce qu’une IA utile en entreprise doit pouvoir travailler avec un contexte réel : documents, CRM, base de connaissance, tickets support, fichiers, outils internes, données métier.
Sans connexion aux outils, Claude reste un excellent assistant. Avec MCP bien conçu, il commence à devenir une interface de travail.
7. MCP: Advanced Topics : seulement après les bases
Le cours avancé sur MCP traite les sujets de mise en œuvre plus poussés : communication serveur-client, sampling, notifications, accès au système de fichiers, mécanismes de transport et stratégies de déploiement en production.
Je ne le mettrais pas au début.
Avant de parler d’architecture avancée, il faut déjà comprendre ce qu’on veut connecter, pourquoi, avec quels droits, quelles données, quelles limites et quels risques.
MCP n’est pas magique. C’est une couche d’intégration. Mal pensée, elle peut surtout produire un magnifique bazar connecté.
8 à 11. Les cours AI Fluency pour étudiants, enseignants et associations
Anthropic propose aussi plusieurs déclinaisons autour de l’AI Fluency :
- AI Fluency for Students
- AI Fluency for Educators
- Teaching AI Fluency
- AI Fluency for Nonprofits
Le catalogue présente ces cours comme des ressources pour développer les compétences IA des étudiants, accompagner les enseignants et aider les associations à améliorer leur impact et leur efficacité tout en respectant leur mission.
Ces cours ne sont pas prioritaires pour tout le monde.
Mais pour un organisme de formation, une école, une université, une association ou une équipe qui doit encadrer les usages de l’IA, ils peuvent être plus utiles qu’un énième tutoriel de prompting.
Pourquoi ? Parce qu’ils déplacent le sujet.
On ne parle plus seulement de “comment écrire une bonne demande à Claude”. On parle de transmission, d’évaluation, de responsabilité, de méthode et d’usage dans un cadre collectif.
12. Claude with Amazon Bedrock : Claude dans l’écosystème AWS
Le cours Claude with Amazon Bedrock cible les équipes qui veulent utiliser les modèles Anthropic via AWS. Le catalogue précise que ce cours a été créé dans le cadre d’un programme d’accréditation pour AWS, puis rendu disponible pour suivre le parcours.
C’est utile si votre entreprise travaille déjà avec AWS.
Sinon, ce n’est pas le premier cours à suivre. Bedrock est un sujet d’architecture cloud, pas un prérequis pour bien utiliser Claude.
13. Claude with Google Cloud’s Vertex AI : Claude côté Google Cloud
Même logique pour Claude with Google Cloud’s Vertex AI. Le cours couvre l’usage des modèles Anthropic via Vertex AI, l’environnement IA de Google Cloud.
Il devient pertinent si votre stack est déjà dans Google Cloud : BigQuery, Vertex AI, IAM, pipelines data, gouvernance cloud, sécurité, facturation centralisée.
Pour un profil data ou analytics engineer, c’est intéressant. Mais seulement après avoir compris les bases de Claude, l’API et les cas d’usage métier.
Le parcours que je recommande
Si vous débutez, je ferais simple :
| Étape | Cours | Pourquoi |
|---|---|---|
| 1 | Claude 101 | Comprendre l’outil, ses fonctions et ses usages quotidiens |
| 2 | AI Fluency | Apprendre à déléguer proprement à l’IA |
| 3 | Introduction to Agent Skills | Créer des routines réutilisables |
| 4 | Introduction to MCP | Connecter Claude à des outils et données |
| 5 | Claude Code in Action | Utiliser Claude dans un workflow de production technique |
| 6 | Building with the Claude API | Automatiser et intégrer Claude dans des applications |
| 7 | MCP Advanced Topics | Approfondir l’architecture d’intégration |
Pour un dirigeant pressé, je garderais trois cours :
- Claude 101
- Introduction to Agent Skills
- Introduction to Model Context Protocol
Pourquoi ces trois-là ?
Parce qu’ils couvrent les trois niveaux qui comptent vraiment :
- utiliser Claude correctement ;
- transformer des prompts en compétences réutilisables ;
- connecter Claude à un environnement métier.
Le reste dépend de votre rôle.
Ce que ces cours ne feront pas à votre place
Ces cours sont gratuits, officiels et bien structurés. Mais ils ne remplaceront pas la pratique.
Le vrai progrès commence quand vous prenez un cas concret :
- analyser un dossier client ;
- créer un assistant de qualification ;
- générer un reporting ;
- documenter un process ;
- automatiser une tâche répétitive ;
- créer un Skill pour votre style rédactionnel ;
- connecter Claude à une base de connaissance ;
- utiliser Claude Code sur un vrai projet Git.
Un cours sans application immédiate finit souvent dans le cimetière des bonnes intentions.
Mon conseil : un seul cours à la fois. Vous le terminez. Vous appliquez dans la semaine. Vous documentez ce que vous gardez. Vous passez au suivant.
Le savoir n’est plus rare. L’exécution, oui.
⭐ Analytics engineer, Data Analyst et Automatisation IA indépendant ⭐
- Ref clients : Logis Hôtel, Yelloh Village, BazarChic, Fédération Football Français, Texdecor…
Mon terrain de jeu :
- Data Analyst & Analytics engineering : tracking avancé (GA4, Matomo, Piano, GTM server, Tealium, Commander Act, e-commerce, CAPI, RGPD), entrepôt de données (BigQuery, Snowflake, PostgreSQL, ClickHouse), modèles (Airflow, dbt, Dataform), dashboards décisionnels (Looker, Power BI, Metabase, SQL, Python).
- Automatisation IA des taches Data, Marketing, RH, compta etc : conception de workflows intelligents robustes (n8n, App Script, scraping) connectés aux API de vos outils et LLM (OpenAI, Mistral, Claude…).
- Engineering IA pour créer des applications et agent IA sur mesure : intégration de LLM (OpenAI, Mistral…), RAG, assistants métier, génération de documents complexes, APIs, backends Node.js/Python.