GENAI200DEVAUGMENTE

Développeur Augmenté par l'IA

Accélérez la productivité de vos équipes de développement grâce à l'Agentic Coding. Dans un marché où la rapidité de développement et la qualité du code font la différence, cette formation transforme vos développeurs en “développeurs augmentés”, capables de tirer parti des agents d'IA les plus avancés. Centrée sur des cas d'utilisation réels, la formation met l'accent sur la production de valeur immédiate et l'amélioration concrète de la productivité des développeurs. Les participants repartent avec des méthodes, workflows et assets directement applicables à leurs projets en entreprise.

✓ Formation officielle SFEIR InstituteNiveau Intermédiaire⏱️ 2 jours (14h)

Ce que vous allez apprendre

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.

Prérequis

Maîtrise pratique d'au moins un langage de programmation (Python, JavaScript, Java, C#, TypeScript, Go...).
Expérience quotidienne avec Git et l'utilisation d'un IDE moderne (VS Code, IntelliJ, WebStorm, etc.).
Posséder des compétences de base en ligne de commande et en édition de fichiers.
Expérience du travail en équipe : revue de code, workflows collaboratifs.
Une sensibilité à l'IA générative et au prompt engineering est un atout pour maximiser les bénéfices de la formation.
Un ordinateur portable standard (16 Go recommandé) avec les droits pour installer des logiciels.
Système d'exploitation récent (Windows 10+, macOS 10.15+, Linux).
Git installé et configuré avec accès à GitHub/GitLab.
Version récente de NodeJS et npm installés et configurés.
Un IDE au choix (VS Code, IntelliJ, WebStorm...).
Une connexion internet stable.
Docker (optionnel mais très fortement recommandé pour bénéficier d'un setup automatisé via notre devcontainer).

Public cible

Software Engineer (développeur.se.s opérationnel.le.s backend/frontend), Software Architect, Tech Leader en entreprise, ESN, startups et scale-ups qui souhaitent booster leur efficacité grâce à l'IA, tout en conservant un haut niveau de qualité de code., Équipes soucieuses de la maintenabilité, de la robustesse et des bonnes pratiques, qui cherchent à utiliser l'IA pour moderniser leurs méthodes tout en améliorant la qualité de leurs livrables.

Programme de la Formation

8 modules pour maîtriser les fondamentaux

Sujets abordés

→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.

Activités

Prompt engineering : comparaison de 3 approches sur un cas concret

Sujets abordés

→Vibe Coding : définition, limites et dangers
→Agentic Coding : vision du développeur augmenté
→Collaboration continue vs génération passive
→Impact sur qualité, maintenabilité et documentation

Activités

Mise en place de l'outils de vibe coding

Expérimentation guidée : vibe coder une application sans regarder le code généré et expliquer les résultats, les contraintes, les avantages

Sujets abordés

→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

Activités

Scénario 1: legacy - Refactoring legacy : prise en main du projet pour qu'il soit Agentic Coding compliant. Aller jusqu'au plan de migration

Scénario 2: from scratch et évolutions - Projet from scratch : architecture, choix techniques, structuration; Développement d'une fonctionnalité complète avec le workflow agentic

Sujets abordés

→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

Sujets abordés

→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...

Activités

Installation d'un MCP et interaction complexe : capture d'écran + génération de tests

Sujets abordés

→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

Activités

Création de plusieurs AGENTS.md et définition du contexte d'équipe

Simulation de workflow collaboratif : feature development → code review → merge

Mise en place d'un workflow Git avec agents (pre-commit hooks, automated reviews)

Développement collaboratif : plusieurs devs + agents sur le même projet (avec conflits, résolution)

Simulation d'équipe : onboarding d'un nouveau développeur avec assistance IA

Sujets abordés

→L'importance du human-in-the-loop
→Maintien des compétences en développement classique et perte de connaissance technique: mythe ou réalité ?
→Dépendance aux outils IA : risques et mitigation
→Sécurité : code review, vulnérabilités, données sensibles
→Propriété intellectuelle et conformité
→Éthique et responsabilité du développeur augmenté
→Perspectives d'évolution

Sujets abordés

→Examen en ligne (type QCM) comportant 20 questions pratiques couvrant les thèmes abordés pendant la formation. Score de passage minimum: 80%.

Processus Qualité

L'engagement de SFEIR Institute : une démarche d'excellence pour garantir la qualité et la réussite de toutes nos formations. En savoir plus sur notre démarche qualité

Méthodes pédagogiques mobilisées

Lectures / Apports théoriques (Slides) — Présentation de concepts via des supports visuels (PowerPoint, PDF).
Démonstration technique (Démos) — Le formateur réalise une manipulation ou une procédure devant les apprenants.
Laboratoires dirigés (Labs) — Mise en pratique guidée sur logiciel, machine ou environnement technique.

Dispositif d'évaluation et de suivi

L'atteinte des objectifs de la formation est évaluée à plusieurs niveaux pour garantir la qualité de la prestation :

Évaluation continue des acquis : Vérification des connaissances tout au long de la formation via des méthodes participatives (en fonction de la formation: quiz, exercices pratiques, mises en situation) sous la supervision du formateur.
Mesure de la progression : Dispositif d'auto-évaluation comparatif comprenant un diagnostic initial pour situer le niveau de départ, suivi d'une évaluation finale pour valider l'évolution des compétences.
Évaluation de la qualité : Questionnaire de satisfaction en fin de session pour mesurer la pertinence et l'efficacité de la formation ressentie par les participants.