Plan du cours
Niveau 1 : Le Donjon de la Découverte – Les secrets des exigences
Mission : Utiliser les LLM (ChatGPT) pour extraire des exigences structurées à partir d'entrées vagues.
Activités clés :
- Interpréter des idées de produit ou des demandes de fonctionnalité ambiguës
- Utiliser l'IA pour :
- Générer des histoires utilisateur et des critères d'acceptation
- Proposer des personas et des scénarios
-
Générer des artefacts visuels (p. ex., des schémas simples avec Mermaid ou draw.io)
Résultat : Backlog structuré d'histoires utilisateur + modèle de domaine initial/visuels
Niveau 2 : La Forge de la Conception – Le rouleau de l'architecte
Mission : Utiliser l'IA pour créer et valider des plans d'architecture.
Activités clés :
- Utiliser l'IA pour :
- Proposer un style d'architecture (monolithe, microservices, serverless)
- Générer des schémas de composants et d'interactions de haut niveau
- Ébaucher les structures de classes/modules
-
Contester les choix de l'un à l'autre par des revues de conception entre pairs
Résultat : Architecture validée + squelette de code
Niveau 3 : L'Arène du Code – L'épreuve du Codex
Mission : Utiliser des copilotes IA pour implémenter des fonctionnalités et améliorer le code.
Activités clés :
- Utiliser GitHub Copilot ou ChatGPT pour implémenter la fonctionnalité
- Refactoriser le code généré par l'IA pour :
- Les performances
- La sécurité
- La maintenabilité
-
Injecter des « code smells » et lancer des défis de nettoyage entre pairs
Résultat : Base de code fonctionnelle, refactorisée et générée par l'IA
Niveau 4 : Le Marais des Bugs – Tester les ténèbres
Mission : Générer et améliorer les tests avec l'IA, puis trouver des bugs dans le code des autres.
Activités clés :
- Utiliser l'IA pour générer :
- Des tests unitaires
- Des tests d'intégration
- Des simulations de cas limites
-
Échanger le code bogué avec une autre équipe pour un débogage assisté par l'IA
Résultat : Suite de tests + rapport de bugs + correctifs
Niveau 5 : Les Portails du Pipeline – La porte de l'Automate
Mission : Mettre en place des pipelines CI/CD intelligents avec l'aide de l'IA.
Activités clés :
- Utiliser l'IA pour :
- Définir les flux de travail (p. ex., GitHub Actions)
- Automatiser les étapes de compilation, de test et de déploiement
- Proposer des politiques de détection d'anomalies/de retour arrière
Résultat : Script ou flux de pipeline CI/CD fonctionnel assisté par l'IA
Niveau 6 : La Citadelle de la Surveillance – La tour de guet des journaux
Mission : Analyser les journaux et utiliser le ML pour détecter les anomalies et simuler la récupération.
Activités clés :
- Analyser des journaux pré-remplis ou générés
- Utiliser l'IA pour :
- Identifier les anomalies ou les tendances d'erreurs
- Proposer des réponses automatisées (p. ex., scripts d'auto-réparation, alertes)
- Créer des tableaux de bord ou des résumés visuels
Résultat : Plan de surveillance ou mécanisme d'alertage intelligent simulé
Niveau Final : L'Arène du Héros – Construire le SDLC ultime soutenu par l'IA
Mission : Les équipes appliquent tout ce qu'elles ont appris pour construire une boucle SDLC fonctionnelle pour un mini-projet.
Activités clés :
- Sélectionner un mini-projet d'équipe (p. ex., un outil de suivi de bugs, un chatbot, un microservice)
- Appliquer l'IA à chaque phase du SDLC :
- Exigences, Conception, Code, Test, Déploiement, Surveillance
- Présenter les résultats dans une courte démonstration d'équipe
Votation ou jugement entre pairs pour le pipeline alimenté par l'IA le plus efficace
Résultat : Implémentation SDLC de bout en bout enrichie par l'IA + vitrine d'équipe
À la fin de cet atelier, les participants pourront :
- Appliquer des outils d'IA générative pour extraire et structurer les exigences logicielles
- Générer des schémas d'architecture et valider les choix de conception à l'aide de l'IA
- Utiliser des copilotes IA pour implémenter et refactoriser un code de qualité de production
- Automatiser la génération de tests et effectuer un débogage assisté par l'IA
- Concevoir des pipelines CI/CD intelligents qui détectent et réagissent aux anomalies
- Analyser les journaux avec des outils d'IA/ML pour identifier les risques et simuler l'auto-réparation
- Démontrer un SDLC entièrement enrichi par l'IA à travers un mini-projet d'équipe
Pré requis
Audience : Développeurs logiciels, testeurs, architectes, ingénieurs DevOps, propriétaires de produit
Les participants devraient :
- Avoir une compréhension fonctionnelle du cycle de vie du développement logiciel (SDLC)
- Avoir une expérience pratique d'au moins un langage de programmation (p. ex., Python, Java, JavaScript, C#, etc.)
- Être familiers avec :
- L'écriture et la lecture d'histoires utilisateur ou d'exigences
- Les principes de conception logicielle de base
- La gestion de versions (p. ex., Git)
- L'écriture et l'exécution de tests unitaires
- L'exécution ou l'interprétation des pipelines CI/CD
Cet atelier est de niveau intermédiaire à avancé. Il est idéal pour les professionnels qui font déjà partie d'équipes de livraison logicielle (développeurs, testeurs, ingénieurs DevOps, architectes, propriétaires de produit).
Nos clients témoignent (1)
J'ai acquis des connaissances sur la bibliothèque Streamlit en Python et je vais certainement essayer de l'utiliser pour améliorer les applications de mon équipe qui sont actuellement développées avec R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Formation - GitHub Copilot for Developers
Traduction automatique