L’IA envahit la boîte à outils des développeurs : chatbots, assistants de code, agents, LLM locaux… Résultat : beaucoup de bruit, peu de livrables.
Ce talk est un guide de survie pragmatique pour remettre de l’ingénierie là où il faut : fiabilité, preuve, et contrôle.
On part d’un constat simple : un bon output IA est un output vérifiable. Nous découvrirons une méthode reproductible (Prompt/Rules/Workflows → Diff → Proof), une checklist de validation (build, tests, diff, sécurité, observabilité) et des stop rules claires pour savoir quand dire “non”.
Ensuite, place au concret via des use cases réels côté dev : expliquer du code, refactorer, générer/renforcer des tests, créer une API, améliorer un pipeline CI/CD, ou encore corriger des problèmes de sécurité. Pour chaque cas, nous verrons les familles d’outils les plus adaptées, avec des démonstrations orientées open-source.
Vous repartirez avec une grille simple pour choisir les bons outils selon vos contraintes (privacy, intégration, coût/ROI, adoption) et surtout un workflow que vous pouvez répéter, auditer et enseigner.
Parce que survivre à la jungle de l’IA, ce n’est pas collectionner des outils. C’est savoir livrer du code que l’on peut assumer.
format_quote