L'IA est un amplificateur qui, sans discipline, peut accélérer la Dette Technique en amplifiant notamment la duplication du code de mauvaise qualité de +7,2% pour chaque 25% d'utilisation des AIagents (Google, DORA report 2024 & 2025). La différence est édifiante entre les personnes qui maitrisent les agents IA avec le context engineering (+25% de code de qualité généré) et celles qui ne maitrisent pas (-20% de production de code maintenable). Avec un taux global de réutilisation ayant chuté à moins de 10 % en 2024.*
Cette formation dépasse le simple Prompt Engineering pour vous doter des compétences de Context Engineering, essentielles pour l'intégration sécurisée et qualitative des agents d'IA dans vos projets. L'objectif est de controller le contexte et la qualité en :
Gérant les défis de l'IA : Comprendre et résoudre les problématiques techniques inhérentes aux agents d'IA, telles que la gestion du Context Window, le Collapse et les leviers de pilotage des agents
Gardant le controle : Appliquer les pratiques du Software Craft (notamment le DDD - Domain-Driven Design) pour fournir aux assistants IA un contexte solide et sécurisé. Ceci est réalisé en structurant la connaissance autour du Langage Ubiquitaire et des Bounded Contexts.
Sécurisant l'environnement : Garantir que l'IA accède à des données internes fiables, minimisant le risque de reproduction de vulnérabilités de sécurité.
À travers un équilibre entre théorie fondamentale et exercices pratiques progressifs, les participants et participantes découvrent comment maintenir le contrôle et la responsabilité des résultats générés par l’IA. La formation s’appuie sur des retours d’expérience concrets issus de projets clients réels, et privilégie l’expérimentation collective et l’échange entre pairs, quel que soit l’outil utilisé.
*Software developer productivity loss due to technical debt—A replication and extension study examining developers’ development work - ScienceDirect
Entre apports théoriques issus de la recherche et mises en situation immersives, ce programme vous prépare à redéfinir votre rôle face à l'automatisation, en transformant l'IA générative en un levier stratégique de fiabilité et d'innovation plutôt qu'en une source de dette technique :
Comprendre les fondamentaux de l'IA générative
Mécanismes fondamentaux : comment l'IA "comprend" et génère du code
Non-déterminisme et sensibilité : pourquoi les résultats varient et comment les contrôler
Sécurité : risques d'injection, fuite de contexte et bonnes pratiques
Taille de contexte : impacts sur les coûts, l'empreinte carbone et la fiabilité
Expérimenter directement les hallucinations et l'enrichissement de contexte
Maîtriser la génération de code avec l'IA
Du "Vibe Coding" à l'ingénierie logicielle : structurer ses prompts efficacement
Prompts modulaires et réutilisables pour des projets évolutifs
Agents IA et outils MCP : décomposer et résoudre des problèmes complexes
Jeu de rôle pratique : simuler une boucle agentique pour comprendre les mécanismes internes
Context Engineering : concevoir des systèmes qui convergent vers la qualité
Retours d'expérience sur les outils du marché (Cline, Claude Code, etc.)
Garantir la qualité et la sécurité dans la durée
Analyse des études récentes sur l'impact de l'IA sur la qualité logicielle (DORA, Code Red)
Stratégie de Context Engineering : approche itérative en 4 quadrants
Moyens préventifs : règles, instructions, documentation vivante (ADR, README)
Contrôles défensifs : linters, tests automatisés, tests d'architecture
Génération et validation antagoniste : code vs tests comme sources de vérité
Émergence collaborative des normes : rétrospectives, pair/mob programming, revues de code
Gouvernance pour scaler les pratiques sur plusieurs équipes
Élargir la vision et préparer l'avenir
Redéfinition du design logiciel : maintenir du code ou maintenir des prompts ?
Spec-driven Development et Product Discovery assistés par l'IA
Optimisation des contextes et des coûts (sub-agents…)
Nouveaux potentiels offerts par l’IA: tests end-to-end à l'échelle, refactorings guidés par l'IA
Gouvernance et mise à l'échelle des pratiques (outils : Packmind)
Impacts environnementaux et considérations éthiques
Évolution des rôles : méta-développeur, formation des juniors, responsabilité humaine
La formation est donnée en français ou en anglais. Par contre les supports de formation sont en anglais. Durant la formation, les apprenti.e.s seront incité.e.s à travailler en pair programming, sans caractère obligatoire.
Pour chaque formation, un quiz de validation des prérequis sera transmis 2 semaines en amont, et un autre en fin de session pour valider les acquis
La formation a une dimension tactique et une dimension stratégique/organisationnelle. Elle cible tous les rôles impliqués dans la conception, la construction et la maintenance de logiciels de qualité et avec une complexité métier :
- Développeuses et Développeurs (Full-stack, Back-end)
- Architectes logiciels, Tech Leads, Engineering Managers
- DevEx & Staff Engineers
- Product Owners (PO), Business Analysts et Experts Métier intéressé(e)s par le sujet
Une première expérience avec un coding assistant ou un chat IA est préférable mais non indispensable.
Les formateur.rices distribueront les supports de la formation au format électronique PDF à la fin de la formation.
50% théorie, 50% pratique
2 jours
CTO associé Arolla
Formatrice et CTO Arolla
Senior software craft engineer
Banque et services
Banque et assurance
Retail (grande distribution)
Banque et assurance
Retail (grande distribution)
Cette formation fournit une connaissance complète des problématiques d'architecture en entreprise pour des systèmes complexes, basée sur l'état de l'art validé par des retours d'expérience chez des clients.
Cette formation vise à enseigner les techniques de refactoring pour améliorer et rendre plus maintenable le code existant d'une application devenue complexe et difficile à faire évoluer.
Cette formation sera l’occasion de (re)découvrir le TDD et développer en baby steps. Nous verrons comment en partant de l'objectif décliné en exemple et en test, le développement devient plus fluide et sans over-engineering.