Développeur Augmenté par l'IA Mixte : présentiel / à distance
Dernière mise à jour : 18/06/2026
Adaptées aux besoins réels des apprenants et du terrain (diagnostic préalable possible).
Formats flexibles
Présentiel, distanciel.
Réactivité et adaptabilité
Capacité à ajuster rapidement les contenus et les modalités.
Description
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.
1. Introduction à l'IA pour Développeurs
Sujets:- 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
2. Vibe Coding vs Agentic Coding
Sujets:- 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
3. Découverte et pratique de l'Agentic Coding
Sujets:- 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
4. Évaluer, comparer et combiner les solutions IA pour maximiser la productivité
Sujets:- 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
5. Extensions et MCP
Sujets:- 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
6. Risques, Responsabilités et Perspectives
Sujets:- 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
Objectifs de la formation
- 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.
Public visé
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).
Modalités pédagogiques
-
Apports théoriques structurés
-
Méthodes actives et participatives
-
Mises en situation pratiques
-
Analyse de pratiques professionnelles
-
Supports pédagogiques variés
-
Accompagnement individualisé
-
Évaluations continues
-
Modalités flexibles
Moyens et supports pédagogiques
-
Supports de formation (présentations, fiches, documents)
- Études de cas et mises en situation
-
Exercices pratiques et quiz
-
Ressources complémentaires
-
Accès aux supports après la formation
Modalités d'évaluation et de suivi
-
Évaluation des acquis en cours de formation
-
Évaluations finales (quiz, exercices, mises en situation)
-
Validation des compétences acquises
-
Feuilles d'émargement
-
Suivi de l'assiduité
-
Questionnaire de satisfaction à chaud
-
Évaluation à froid (impact de la formation)
-
Attestation de fin de formation
Compétences acquises à l'issue de la formation
- 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.
Formateurs
MOUBAYED Khalil
Intelligence artificielle
Informations sur l'admission
Informations sur l'accessibilité
-
Accessibilité aux personnes en situation de handicap
-
Adaptation des modalités pédagogiques
-
Aménagements spécifiques possibles
-
Référent handicap dédié
-
Accessibilité des supports et outils
-
Accessibilité des lieux de formation
-
Étude des besoins en amont
-
Accompagnement individualisé