Les dates de la prochaine session seront définies selon les disponibilités du premier groupe inscrit
Intra-entreprise :
Selon vos disponibilités
Tarifs entreprise
Cette formation est éligible à un financement total ou partiel par votre OPCO.
Tarif Présentiel : 2 450,00 € HT par participant boissons chaudes, collations et repas du midi compris
+ de détails
Supplément Pension Complète : 150,00 € comprenant une nuitée, petit déjeuner et diner. Donne lieu à une facture de débours.
Description
Passez de l'Exécutant à l'Architecte Augmenté
Vos développeurs utilisent l'IA comme un gadget. Transformez-la en compétence stratégique pour toute votre équipe.
Ce que vos équipes vont gagner
Des résultats concrets, mesurables dès la sortie du workshop.
⚡ Vélocité décuplée
Vos devs passent moins de temps sur les tâches répétitives et plus sur l'architecture et la valeur métier. L'IA devient un multiplicateur de force.
🧠 Autonomie IA
Votre équipe maîtrise le prompting avancé, les agents et l'automatisation. Plus besoin d'attendre un expert externe pour avancer.
🛠️ Framework actionnable
Chaque participant repart avec des méthodes et outils directement applicables dès le lendemain dans son quotidien.
Objectifs
→ Expliquer les fondamentaux des LLM et leur fonctionnement probabiliste → Appliquer une méthodologie structurée de Prompt Engineering → Évaluer la qualité et la fiabilité des réponses IA, identifier hallucinations et erreurs logiques → Intégrer l'IA dans un cycle de développement complet → Créer des solutions (frontend/backend) en co-conception avec l'IA → Automatiser des processus devOps/agile (GitHub, Jira, pipelines) avec l'IA → Planifier l'adoption systématisée de l'IA dans les pratiques d'équipe
L'IA générative est partout. Mais dans la plupart des équipes tech, elle reste un gadget : un copilote pour auto-compléter du code.
Le vrai levier, c'est de passer d'un usage passif à une maîtrise architecturale. C'est là que la vélocité explose.
Yannick Dalbin
Déroulé pédagogique
module #1
Panorama Stratégique et Acculturation
→ Comprendre les LLM (ChatGPT, Claude, Copilot) : ce n'est pas de la magie, c'est des probabilités. → Mise à niveau de l'environnement : Pour que l'IA vous aide, il faut les bons outils. → Objectif : Aligner notre vision de l'IA et son impact sur nos métiers (Dev, Data, DevOps).
module #2
Le Prompt Engineering pour les Tâches Techniques
→ Méthodologie du prompt efficace : Apprendre la structure "Contexte + Rôle + Tâche + Format de sortie attendu. → Techniques avancées : Few-shot, Chain of Thought, etc.
→ Atelier - "Prompts pour l'Engineering" : Les participants travaillent en binômes sur des outils comme ChatGPT, Gemini ou Copilot Chat pour : Générer une fonction backend (ex: en Python/Node.js) avec sa documentation. Rédiger une requête SQL complexe à partir d'une description en langage naturel. Créer un test unitaire (ex: Jest/Pytest) pour une portion de code existante
module #3
L'IA dans le Cycle de Développement Logiciel
→ De l'idée à l'architecture : Utiliser l'IA pour le brainstorming, le design d'architecture et la génération de specs techniques. → L'IA comme assistant dans l'IDE : Démonstration live de Cursor et d'autres assistants pour accélérer la rédaction, la complétion et la relecture de code. → Génération de code propre et scaffolding : Comment utiliser l'IA pour initialiser des projets, générer des composants et appliquer des principes de "clean code". → Les limites et la vigilance : Discussion cruciale sur les hallucinations, les erreurs de logique et l'impératif de la vérification humaine.
module #4
Atelier Pratique 1 - Mon Premier Composant Généré
→ Objectif : Chaque participant (ou binôme) utilise un LLM pour générer un composant frontend simple (ex: React, Vue) ou un microservice backend (ex: API route avec Express/ FastAPI).
Étapes :
→ Rédiger le prompt de spécification
→ Générer le code
→ Itérer avec l'IA pour refactoriser ou corriger le code
→ Générer les tests unitaires associés.
Livrable : Un composant fonctionnel et testé dans un dépôt Git
module #5
L'IA dans les Workflows d'Équipe
→ Intégrer l'IA aux outils existants : Exemples d'intégration avec GitHub (via Actions), Jira (via API pour la génération de tickets), Notion, etc.
→ Structurer une pratique IA en équipe :
- Mettre en commun les prompts utiles (création d'une "Prompt Library" partagée).
- Définir des bonnes pratiques de vérification et de validation humaine.
- Identifier les outils de supervision et d'audit.
Démonstration : Appel à une API LLM (OpenAI, Mistral ou Gemini) depuis un script simple (Python/JS) pour automatiser une tâche
module #6
Ateliers Pratiques par Rôle
Ateliers en sous-groupes L'équipe se divise en deux tracks en fonction des profils et des affinités.
→ Track A : Développeurs (Backend / Frontend)
- Sujet : Refactoring de code legacy et optimisation de performance avec l'aide d'un LLM.
- Exercice : Partir d'un morceau de code non optimal et demander à l'IA de l'améliorer en expliquant ses choix.
→ Track B : Data Engineers / Scientists
- Sujet : Génération de scripts de traitement de données.
- Exercice : Générer un pipeline ETL simple (ex: script PySpark) ou un notebook d'analyse exploratoire à partir d'un jeu de données et d'objectifs métiers.
module #7
Aller plus loin - Architectures et Outils Avancés
→ Au-delà de la génération de code : Introduction aux concepts d'architectures "IA-Ready" et de systèmes agentiques (agents autonomes, RAG - Retrieval-Augmented Generation).
→ Génération d'UI et prototypage rapide : Démonstration d'outils comme v0.dev pour transformer une idée en interface React en quelques minutes, illustrant l'accélération du prototypage.
→ Le No-Code/Low-Code comme accélérateur : Présentation d'outils comme N8N pour connecter des API et automatiser des workflows sans code, libérant du temps de développement.
module #8
Débriefing et Plan d'Action Collectif
→ Restitution des ateliers : Chaque track présente ses résultats et ses apprentissages.
→ Tour de table - "Mon cas d'usage pour demain" : Chaque participant identifie et partage une action ou un usage IA qu'il s'engage à tester dans la semaine à venir.
→ Identifier les "Référents IA" : Discussion pour nommer des volontaires qui animeront la pratique au sein de l'équipe.
→ Propositions de suivis : Lancer un "Club de pratique IA" ou un canal de partage. Lister les besoins de formations avancées (ex: LangChain, Fine-tuning). Brainstormer sur un premier projet d'intégration d'agent IA dans un outil interne.
Pour nous permettre de répondre au mieux à vos besoins, réservez un appel visio avec notre responsable formation
Vous voulez que votre équipe dev utilise l'IA comme un vrai levier, pas un gadget. Vous cherchez un cadre structuré pour monter en compétence collectivement.
🚀 Développeurs & Techs
Vous utilisez Copilot pour de l'autocomplétion, mais vous sentez que l'IA peut faire bien plus. Vous voulez maîtriser le prompting avancé, les agents et l'automatisation.
🎯 Équipes Produit & Ops
Vous voyez l'IA partout mais ne savez pas par où commencer concrètement. Vous voulez des méthodes actionnables pour automatiser et gagner en vélocité.
Pré-requis
Avoir une première expérience professionnelle en IT ou débutant averti
Méthodes pédagogiques
Théorie & Ateliers pratiques
Modalités d'évaluation
Ateliers évalués par le formateur
Modalités de suivi
Emargement à chaque demi-journée
Accessibilité
L'inclusion est un sujet important pour Root Sessions.
Nos formations sont organisées dans des lieux accessibles aux personnes à mobilité réduite.
Nous sommes à votre disposition pour faciliter l'adaptation de votre formation à vos besoins spécifiques.
