Formation Gemini pour le SDLC

Leçon 1 • Ce qu'est Gemini et ce qu'il fait

Aborde l'architecture, les modalités et les variantes de modèles de Gemini. Donne aux apprenants une base solide sur ce que l'outil peut et ne peut pas faire avant de l'appliquer à des tâches de développement.

Leçon 2 • Accéder à Gemini dans votre flux de travail

Présente les méthodes d'accès, y compris Gemini Advanced, l'API et les intégrations IDE. Les apprenants configurent leur environnement pour les exercices pratiques.

Leçon 3 • Fondamentaux du prompt engineering

Introduit des techniques de prompting structuré essentielles pour des résultats fiables. Ces schémas sont réutilisés dans chaque chapitre suivant.

Leçon 1 • Revue et validation des exigences

Utilise Gemini pour détecter les conflits, les redondances et les contraintes manquantes dans les ensembles d'exigences. Prépare les artefacts pour la validation par les parties prenantes.

Leçon 2 • Sollicitation des exigences à l'aide de l'IA

Utilise Gemini pour générer des questions d'entretien, des scénarios de parties prenantes et des analyses d'écart. Relie la sollicitation assistée par IA à une meilleure couverture des exigences.

Leçon 3 • Rédaction de user stories et de critères d'acceptation

Génère et affine les user stories dans des formats standard avec des critères d'acceptation testables. Garantit que les stories sont prêtes pour le sprint avant d'être transmises au développement.

Leçon 1 • Traduction des exigences en architecture

Convertit les documents d'exigences en modèles d'architecture candidats à l'aide de Gemini. Fait le pont entre les besoins métier et la structure technique.

Leçon 2 • Revue de conception et identification des risques

Demande à Gemini de critiquer les ébauches d'architecture pour les risques d'évolutivité, de sécurité et de maintenabilité. Produit un registre des risques priorisé pour la phase de conception.

Leçon 3 • Enregistrements de décisions d'architecture (ADR)

Génère des ADR structurés capturant le contexte, les options et la justification des décisions clés. Crée un historique de conception durable qui facilite la maintenance future.

Leçon 4 • Génération de diagrammes système et de séquence

Produit du code de diagramme Mermaid et PlantUML à partir de descriptions en langage naturel. Permet une visualisation rapide des interactions système et des flux de données.

Leçon 1 • Explication et documentation de code

Utilise Gemini pour expliquer du code inconnu et générer automatiquement une documentation en ligne et d'API. Réduit le temps d'intégration et améliore la maintenabilité de la base de code.

Leçon 2 • Tâches de code multi-fichiers et multi-modules

Gère le contexte sur plusieurs fichiers pour générer du code cohérent et inter-modules. Aborde les limitations de la fenêtre de contexte avec des stratégies de découpage.

Leçon 3 • Stratégies de prompting pour la génération de code

Applique des schémas de prompting avancés spécifiquement pour la qualité et la cohérence du code produit. Établit des modèles réutilisables pour les tâches de codage courantes.

Leçon 4 • Travailler avec les bases de données et les modèles de données

Génère des définitions de schéma, des migrations et une logique de requête à partir de descriptions de modèles de données. Couvre les schémas SQL et NoSQL.

Leçon 1 • Flux de travail automatisés de revue de code

Configure Gemini pour examiner les pull requests à la recherche de bugs, de violations de style et d'erreurs logiques. Intègre la revue IA dans les pipelines CI/CD existants.

Leçon 2 • Identification et résolution des mauvaises odeurs de code

Détecte les mauvaises odeurs de code courantes, notamment les duplications, les longues méthodes et le couplage fort. Génère des plans de refactorisation avec des exemples de code avant-après.

Leçon 3 • Détection des vulnérabilités de sécurité

Scanne le code à la recherche de failles d'injection, de dépendances non sécurisées et de faiblesses d'authentification. Produit des suggestions de correction classées par sévérité.

Leçon 1 • Planification des tests de performance et de charge

Génère des plans de test de performance, des profils de charge et des définitions de seuil à partir des spécifications système. Relie la conception des tests aux exigences non fonctionnelles.

Leçon 2 • Analyse de la couverture de test et comblement des lacunes

Analyse les suites de tests existantes pour identifier les branches non couvertes et les scénarios manquants. Génère des tests ciblés pour combler les lacunes de couverture.

Leçon 3 • Conception de tests d'intégration et de bout en bout

Conçoit des scénarios de test d'intégration couvrant les limites des services et les flux de données. S'étend aux scripts de test de bout en bout pour les parcours utilisateur critiques.

Leçon 4 • Analyse et reproduction de rapports de bug

Utilise Gemini pour analyser les rapports de bug, émettre des hypothèses sur les causes profondes et générer des étapes de reproduction. Accélère le triage et réduit le temps de correction.

Leçon 1 • Conteneurisation et orchestration

Génère des Dockerfiles, des fichiers Compose et des manifestes Kubernetes à partir de spécifications de service. Couvre les limites de ressources, les health checks et les politiques de mise à l'échelle.

Leçon 2 • Configuration de l'observabilité et des alertes

Crée des configurations de journalisation, des tableaux de bord de métriques et des règles d'alerte à l'aide de Gemini. Relie la conception de l'observabilité aux SLO définis dans les exigences.

Leçon 3 • Génération d'infrastructure en tant que code

Génère des modèles Terraform, Bicep et CloudFormation à partir de descriptions d'architecture. Produit de l'IaC prête au déploiement avec des bonnes pratiques de sécurité intégrées.

Leçon 4 • Prise en charge de la réponse aux incidents et des post-mortems

Utilise Gemini pour analyser les logs, suggérer des causes profondes et rédiger des rapports post-mortem. Réduit le temps moyen de résolution et améliore l'apprentissage de l'équipe.

Leçon 1 • Mesure et amélioration des équipes augmentées par l'IA

Définit des KPI pour l'adoption de l'IA, notamment la vélocité, le taux de défauts et le temps de cycle de revue. Utilise les données pour itérer sur les stratégies de prompt et les choix d'outils.

Leçon 2 • Intégration et automatisation de l'API Gemini

Intègre les appels à l'API Gemini dans des scripts, des bots et des outils internes pour des tâches SDLC automatisées. Couvre les schémas d'authentification, de limitation de débit et de gestion des erreurs.

Leçon 3 • Passage à l'échelle de Gemini dans les grandes équipes

Aborde les défis de gouvernance, de contrôle d'accès et de standardisation dans l'adoption de l'IA à l'échelle de l'entreprise. Produit un plan de déploiement pour l'intégration SDLC multi-équipes.

Leçon 4 • Gouvernance de l'IA et validation de la sortie

Établit des passerelles de revue, des points de contrôle avec validation humaine et des pistes d'audit pour les artefacts générés par l'IA. Garantit la conformité avec les normes de qualité organisationnelles.