Skip to content

SDLC AgentiqueDes outils de code IA aux systèmes de delivery fiables

Un cours pratique sur les coding agents, les loops, les harnesses et les patterns de gouvernance qui rendent possible une software factory maîtrisée.

Loops
Plan → Code → Verify → Reflect. Le cycle opérationnel qui remplace le sprint comme unité de contrôle.
Cours 02
Harnesses
Scope, state et verification. La structure qui garde les agents alignés sur l'objectif.
Cours 04
Governance
Niveaux d'autonomie et checkpoints. Des humains réellement en contrôle.
Cours 08

Les trois niveaux de l'agentic stack

Le delivery logiciel agentique opère sur trois niveaux imbriqués. Ce cours couvre les trois, depuis l'évolution du lifecycle jusqu'aux primitives d'ingénierie qui rendent les agents fiables.

NiveauCe qu'il couvre
Agentic SDLCComment le delivery change lorsque des AI agents participent directement au planning, au coding, aux tests et à la review
Agentic engineeringComment les ingénieurs travaillent dans ce modèle : loop design, state management et scope boundaries
Harness engineeringComment rendre les agents suffisamment fiables pour participer : constraints, verification et continuity

De quoi parle ce cours ?

Les AI coding agents - Claude Code, Codex, Cursor et outils équivalents - savent de mieux en mieux écrire, revoir et refactorer du code. Mais la capacité du modèle ne suffit pas à produire un delivery fiable. Sans engineering explicite, les workflows agentiques introduisent de nouveaux failure modes : perte de contexte entre sessions, scope overreach, erreurs silencieuses et drift accumulé.

Ce cours repense le software delivery pour un monde où les AI coding agents participent directement au planning, au coding, aux tests et à la review. Il ne s'agit pas de remplacer les développeurs. Il s'agit de designer les systèmes, contraintes et feedback loops qui rendent la collaboration humain-agent réellement opérationnelle, au niveau de la feature, de la session et du delivery lifecycle complet.

Ce que vous saurez faire

À la fin du cours, vous saurez :

  • Diagnostiquer pourquoi un agentic workflow échoue et identifier la primitive de harness manquante
  • Concevoir un minimal harness pour un vrai codebase : scope rules, verification pipeline, state files
  • Exécuter une session agentique gouvernée qui produit un travail auditable et recoverable
  • Coordonner plusieurs agents sur une feature couvrant frontend, backend et tests
  • Définir des niveaux d'autonomie et des human checkpoints adaptés au niveau de risque de votre équipe

Par où commencer

Aidez-nous à prioriser les chapitres avancés

Nous préparons une nouvelle série de chapitres avancés pour les engineering leaders et praticiens qui travaillent sur le delivery humain-agent fiable.

Les sujets possibles incluent :

  • Harness patterns pour agents frontend
  • Harness patterns pour agents backend/API
  • Harness patterns pour QA et release engineering
  • Agent memory design
  • Subagents et spécialisation des rôles
  • Quand ne pas utiliser d'agents
  • Review de pull requests générées par agent
  • Agentic incident response et SRE loops
  • Harness anti-patterns
  • Mesure des vrais gains de productivité

Indiquez-nous les thèmes les plus utiles dans votre contexte.

Partager vos priorités →

Released under the MIT License.