Développement augmenté en équipe : qualité, sécurité et CI/CD Mixte : présentiel / à distance

Module 1 – Cadre d'usage et gouvernance

• Choisir outils et offres : conservation des données, usage pour l'entraînement, localisation, journalisation
• Classer dépôts et données : ce qui peut être confié à quel outil
• Propriété intellectuelle, licences open source, RGPD, AI Act : points d'attention pour une équipe de développement
• Responsabilité : le développeur reste auteur et garant du code fusionné
• Atelier : rédiger la charte d'usage de l'IA d'une équipe (contexte public ou privé au choix)

Module 2 – Configuration partagée des agents

• Instructions d'équipe versionnées : AGENTS.md à la racine et par module
• Bibliothèque commune de skills, commandes et agents personnalisés
• Serveurs MCP autorisés, permissions par défaut, réglages imposés par l'organisation
• Intégration d'un nouveau développeur grâce au contexte d'équipe
• Atelier : construire le « kit agents » d'un dépôt d'équipe et le tester sur une tâche type

Module 3 – Sécurité des agents et du code généré

• Menaces propres aux agents : injection d'instructions via tickets, pages web ou dépendances, exfiltration, actions destructrices
• Isolation : conteneurs de développement, bac à sable, réseau restreint, secrets hors de portée de l'agent
• Code généré : vulnérabilités récurrentes, dépendances inventées ou malveillantes, secrets exposés
• Contrôles automatisés : analyse statique (SAST), analyse des dépendances, détection de secrets (Gitleaks), hooks bloquants
• Mise en situation : rejouer une attaque par instruction malveillante cachée dans un ticket, puis durcir la configuration de l'agent

Module 4 – Agents dans la chaîne CI/CD

• Revue de pull request assistée par IA : ce qu'elle détecte, ce qu'elle manque
• Du ticket à la pull request : agent de code GitHub Copilot, agents en ligne de commande déclenchés depuis la plateforme Git
• Exécution non interactive d'un agent dans GitHub Actions ou GitLab CI : tâches adaptées, permissions minimales
• Garde-fous : branches protégées, revue humaine obligatoire, tests et seuils qualité
• TP : mettre en place un workflow où un ticket est traité par un agent, revu automatiquement puis validé par un humain avant fusion

Module 5 – Mesurer et piloter l'adoption

• Indicateurs : délai de livraison et taux d'échec des changements (DORA), couverture de tests, dette technique, part de code généré reprise
• Risques organisationnels : perte de compétences, dépendance aux outils, revues superficielles
• Déploiement progressif et retour d'expérience
• Cas de synthèse évalué : présenter le dispositif complet (charte, kit agents, pipeline, indicateurs) pour une équipe donnée

• Définir un cadre d'usage de l'IA pour une équipe de développement : outils, données, règles, responsabilités.
• Partager et versionner la configuration des agents à l'échelle d'un dépôt ou d'une organisation.
• Sécuriser l'usage des agents et le code qu'ils produisent.
• Intégrer des agents dans la chaîne CI/CD avec des points de contrôle humains.
• Mesurer l'effet de l'IA sur la qualité et la livraison.

• Expérience pratique d'un agent de code (niveau IF-IADEV2 ou équivalent).
• Connaissance d'une plateforme Git (GitHub, GitLab ou Azure DevOps) et des principes CI/CD.