IA : développeur augmenté - Développer avec les assistants de code (Agentic Coding)

Objectif pédagogiques :
À l'issue de cette formation  IA : Développeur Augmenté, vous aurez acquis les connaissances nécessaires pour :

• Accélérer toutes les phases du cycle de développement, de la conception architecturale jusqu'à la résolution de bugs complexes, en augmentant leur vélocité tout en assurant la qualité, la sécurité, les tests, la documentation et la maintenabilité du code.
• Collaborer en continu avec l'IA, en adoptant des méthodes de travail augmentées par l'IA qui renforcent la productivité et l'efficacité.
• Maîtriser l'écosystème des outils phares permettant de coder avec l'IA et framework IA (type Claude Code, Gemini CLI, GitHub Copilot, Cursor Al), évaluer et adopter les nouveaux outils émergents, en comprenant leurs forces et limites respectives.
• Transformer une équipe classique en une équipe augmentée, en orchestrant des agents IA collaboratifs, en mettant en place des standards d'équipe (contextes partagés, prompts réutilisables) et en diffusant de bonnes pratiques de développement assisté par IA qui accélèrent l'onboarding et homogénéisant les workflows.

Introduction à l'IA pour Développeurs
Rappels sur l'IA: Rappel rapide, histoire de l'IA / ML / NLP / IA Générative, arrivée de ChatGPT/LLM
Modèles du marché : GPT-5, Claude, Gemini - différences clés
Art du prompting : comment bien communiquer avec l'IA pour obtenir du code de qualité
Évolution des outils : de l'assistance ponctuelle aux agents collaboratifs
Contexte et tokens : comprendre les contraintes
Panorama des outils : ChatGPT, Claude, etc.
Vibe Coding vs Agentic Coding
Vibe Coding : définition, limites et dangers
Agentic Coding : vision du développeur augmenté
Collaboration continue vs génération passive
Impact sur qualité, maintenabilité et documentation
Découverte et pratique de l'Agentic Coding
Introduction pratique : qu'est-ce que l'Agentic Coding pour un développeur ?
Démonstration live : développement traditionnel vs développement augmenté
Focus qualité : comment l'IA peut améliorer la qualité du code (conventions, patterns, best practices)
Workflow agentic : Specify ? Plan ? Tasks ? Implement ? Validation
Gestion du contexte : le fichier .md de contexte efficace (en local pour le moment)
Structuration des demandes et itérations
Bonnes pratiques : documentation, tests, qualité
Évaluer, comparer et combiner les solutions IA pour maximiser la productivité
Gestion des tokens
IDE nouvelle génération (ex Cursor Al, Kiro, Windsurf, Zed)
Comparaison pratique : quel outil pour quel besoin ?
Workflow hybride : combiner plusieurs assistants IA
Matrice de possibilité d'utilisation des outils : Al coding agent tool (Github Copilot / Claude Code / Open Code / Gemini CLI) versus modèles (Sonnet, Gemini, ...)
Gestion des licences / clés
Démonstrations
Extensions et MCP
Model Context Protocol (MCP) : Concepts et architecture; installation et utilisation de clients MCP (exemples : playwright, context7, Atlassian ...); Cas d'usage concret : MCP Playwright pour faciliter les tests avec visibilité des outputs dans le navigateur
Spécificités Claude Code : les sub-agents, les Hooks, les Skills...
Développement en Équipe Augmentée
Standards d'équipe : contexte et instructions partagées (ex AGENTS.md)
Standards partagés : définir des conventions d'équipe - plugins, marketplace Claude Code, partage de hooks et de configuration
Sécurité des agents : configurer ses settings (.env non partagés) et ses agents selon leurs rôles
Partage de prompts et patterns réutilisables
Onboarding accéléré des nouveaux développeurs
Revue de code en équipe augmentée
Intégration CI/CD et automatisation
Collaboration homme-agent-équipe : review assistée, pair programming augmenté
Risques, Responsabilités et Perspectives