Plan du cours
Niveau 1 : Le donjon de la découverte – Les secrets des exigences
Mission : Utiliser des modèles de langage (ChatGPT) pour extraire des exigences structurées à partir d'entrées vagues.
Activités clés :
- Interpréter des idées produit ambigües ou des demandes de fonctionnalités
-
Utiliser l'IA pour :
- Générer des récits utilisateurs et des critères d'acceptation
- Suggérer des personas et des scénarios
-
Générer des artefacts visuels (par exemple, des diagrammes simples avec Mermaid ou draw.io)
Résultat : Un backlog structuré de récits utilisateurs + un modèle de domaine initial ou des visuels
Niveau 2 : La forge de la conception – Le parchemin de l'architecte
Mission : Utiliser l'IA pour créer et valider des plans d'architecture.
Activités clés :
-
Utiliser l'IA pour :
- Proposer un style architectural (monolithe, microservices, serverless)
- Générer des diagrammes de composants et d'interactions de haut niveau
- Générer la structure de base des classes et modules
-
Remettre en question les choix de chacun lors des revues de conception par les pairs
Résultat : Une architecture validée + un squelette de code
Niveau 3 : L'arène du code – Le gant 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 :
- La performance
- La sécurité
- La maintenabilité
-
Introduire des « odeurs de code » et lancer des défis de nettoyage par les pairs
Résultat : Une base de code fonctionnelle, refactorisée et générée par l'IA
Niveau 4 : Le marais des bugs – Tester les ténèbres
Mission : Générer et améliorer des 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 du code contenant des bugs avec une autre équipe pour un débogage assisté par l'IA
Résultat : Une suite de tests + un rapport de bugs + des correctifs
Niveau 5 : Les portails du pipeline – La porte de l'automaton
Mission : Mettre en place des pipelines CI/CD intelligents avec l'assistance de l'IA.
Activités clés :
-
Utiliser l'IA pour :
- Définir les workflows (par exemple, GitHub Actions)
- Automatiser les étapes de build, de test et de déploiement
-
Suggérer des politiques de détection d'anomalies et de rollback
Résultat : Un script ou un flux CI/CD de fonctionnement assisté par l'IA
Niveau 6 : La citadelle de la surveillance – Le tour de guet des logs
Mission : Analyser les logs et utiliser le machine learning pour détecter des anomalies et simuler la récupération.
Activités clés :
- Analyser des logs pré-remplis ou générés
-
Utiliser l'IA pour :
- Identifier des anomalies ou des tendances d'erreurs
- Suggérer des réponses automatisées (par exemple, scripts d'auto-guérison, alertes)
-
Créer des tableaux de bord ou des résumés visuels
Résultat : Un plan de surveillance ou un mécanisme d'alerte 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 créer une boucle de cycle de développement logiciel fonctionnelle pour un mini-projet.
Activités clés :
- Sélectionner un mini-projet d'équipe (par exemple, un gestionnaire de bugs, un chatbot, un microservice)
-
Appliquer l'IA à chaque phase du cycle de développement logiciel :
- Exigences, Conception, Code, Test, Déploiement, Surveillance
- Présenter les résultats lors d'une courte démonstration d'équipe
Vote ou jugement par les pairs pour déterminer le pipeline le plus efficace soutenu par l'IA
Résultat : Une mise en œuvre du cycle de développement logiciel entièrement améliorée par l'IA + une présentation de l'équipe
À la fin de cet atelier, les participants seront capables de :
- Appliquer des outils d'IA générative pour extraire et structurer les exigences logicielles
- Générer des diagrammes d'architecture et valider les choix de conception à l'aide de l'IA
- Utiliser des copilotes IA pour implémenter et refactoriser du code de qualité production
- Automatiser la génération de tests et effectuer un débogage assisté par l'IA
- Concevoir des pipelines CI/CD intelligents capables de détecter et de réagir aux anomalies
- Analyser les logs avec des outils d'IA/ML pour identifier les risques et simuler l'auto-guérison
- Démontrer un cycle de développement logiciel entièrement amélioré par l'IA à travers un mini-projet d'équipe
Pré requis
Public cible : Développeurs logiciels, testeurs, architectes, ingénieurs DevOps, propriétaires de produit
Les participants doivent :
- Posséder une compréhension opérationnelle du cycle de développement logiciel (SDLC)
- Avoir une expérience pratique dans au moins un langage de programmation (par exemple, Python, Java, JavaScript, C#, etc.)
-
Maîtriser :
- L'écriture et la lecture de récits utilisateurs ou d'exigences
- Les principes de base de la conception logicielle
- Le contrôle de version (par exemple, Git)
- L'écriture et l'exécution de tests unitaires
- L'exécution ou l'interprétation de pipelines CI/CD
Il s'agit d'un atelier de niveau intermédiaire à avancé. Il s'adresse idéalement aux 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
