Apprendre à développer avec l'IA générative

• Managers
• Développeurs/développeuses Junior/Senior

• Maîtriser l'intégration de l'IA générative dans un environnement de développement
  • Plugins IDE (Copilot) ; appels API LLM (ChatGPT) ; agents autonomes pour automatiser des tâches.
• Utiliser efficacement un chatbot IA pour la génération de code
  • Prompt engineering, validation des réponses, bonnes pratiques de revue.
• Développer une approche stratégique et critique de l'IA générative
  • Décider quand recourir à l'IA, choisir les outils adaptés, gérer les risques (sécurité, biais, conformité).

Phase 1 : Utiliser l'IA générative dans son IDE via un plugin

• Installer
• GitHub Copilot
• pour PyCharm
• Utiliser Copilot pour générer des fonctions
• Conditionner Copilot pour générer des tests et des commentaires

Phase 2 : Utiliser un chatbot pour designer une application

• Utiliser l'interface web de
• ChatGPT
• pour produire du code
• Comprendre les limites des capacités de ChatGPT
• Exploiter les avantages de ChatGPT

Phase 3 : Consommer un LLM via son API (ex. ChatGPT)

• Comprendre l'API : authentification, modèles, quotas
• Installer le SDK (OpenAI Python) et sécuriser la clé API
• Réaliser des appels simples (prompt, paramètres : temperature, max_tokens)
• Cas d'usage : génération de snippets, auto-complétion de docstrings, analyse de logs
• Gérer les erreurs, les limites de quota et la sécurité des données
• Atelier: créer un service Flask exposant une route /code-gen qui interroge l'API ChatGPT et renvoie le code généré

Phase 4 : Agentique – créer des agents pour automatiser des tâches de développement

• Concepts : autonomie, boucle perception-action, mémoire de contexte
• Architecture typique : LLM + outils externes (IDE, système de fichiers, Docker, CI/CD) + orchestrateur (LangChain, CrewAI, Auto-GPT)
• Construire un agent simple : un agent qui lit un ticket JIRA, génère le code, crée une branche Git et ouvre une PR
• Bibliothèques : LangChain, CrewAI, Auto-GPT, OpenAI Functions (tool calling)
• Gestion du contexte : mémoire courte (conversation) et longue (vector store)
• Sécurité & gouvernance : sandboxing, validation du code, audit des actions
• Atelier: créer l'agent "DevHelper" qui reçoit un besoin ("implémenter une API CRUD"), génère le squelette du code via ChatGPT, crée les fichiers, lance les tests et rapporte les résultats

Ces exemples pratiques permettront d'aborder et de mettre en œuvre les compétences suivantes :
Compétences stratégiques

• Décider quand faire appel à l'IA générative dans sa pratique de développeur
• Choisir les outils adaptés aux besoins de ses équipes

Compétences pratiques

• Savoir intégrer l'IA générative comme outil de productivité (plugin, chatbot)
• Savoir consommer un LLM via son API dans des scripts/services
• Savoir concevoir et piloter des agents autonomes pour des tâches de développement

Compétences théoriques

• Comprendre le fonctionnement des IA textuelles et des modèles de génération
• Comprendre les enjeux de la production de code par des IA génératives
• Maîtriser les principes des appels API LLM (tokenisation, paramètres)
• Appréhender les concepts d'agentique (boucle de raisonnement, gestion du contexte)

Une attestation de participation sera transmise aux participants