Par Clémence Gaisnon, responsable recrutement et gestion de talents @Gologic

L’IA générative révolutionne le monde du travail, et la culture DevOps ainsi que ses rôles professionnels n’y échappent pas. Mais, comment devient-on spécialiste d’IA générative dans un contexte de livraison logicielle ? 

Quelles sont les compétences techniques et humaines que doit posséder la personne qui occupe cette fonction ? Une chose est certaine, il faut une bonne dose de créativité et d’innovation, car cette technologie émergente redéfinit les pratiques.

Plongez dans cet entretien avec Sébastien Bernard, où vous découvrirez son parcours professionnel, sa vision du rôle, les services qu’il a développés chez Gologic et son état d’esprit face à l’IA générative. Nous aborderons les avantages dans les processus de livraison, les défis, des cas concrets, et les avancées futures. 

Le concept clé : formation, formation et formation !

Première partie de l’entretien : volet carrière et rôle actuel

Volet carrière et rôle actuel

Clémence : Parle-nous de ton parcours professionnel ? Décris-nous ton évolution qui t’a mené vers un rôle d’expert en intégration de systèmes d’IA générative.

Sébastien : J’ai passé ma carrière dans la consultation, où aider les clients à résoudre des problèmes complexes a toujours été ma principale motivation. Je suis quelqu’un de passionné, qui aime constamment apprendre de nouvelles choses. J’ai commencé ma carrière comme développeur Dynamics 365, mais j’ai vite réalisé que je voulais aider les entreprises à améliorer leurs façons de faire. Je pense que le meilleur moyen d’améliorer les processus, c’est en utilisant des outils pour nous guider vers les meilleures pratiques, c’est pourquoi je suis constamment à la recherche de nouveaux outils pour rendre le quotidien des développeurs plus agréable. 

Mon expérience est assez variée, tournant autour de la qualité du code, des métriques de développement, mais aussi de l’amélioration de la maturité des processus de développement.

Mon focus est maintenant d’être capable d’intégrer l’IA générative à travers les différentes étapes du cycle de vie applicatif. J’ai travaillé à monter une approche pour intégrer et assurer le succès de l’implémentation d’agents de programmation comme GitHub Copilot. J’ai aussi travaillé à mettre en place l’infrastructure pour utiliser des modèles de manière sécuritaire et offrir une plateforme permettant à des entreprises d’interagir avec ces modèles pour augmenter la productivité des développeurs, mais aussi plus largement pour les gens qui veulent l’utiliser dans leur quotidien.

Premier contact avec l’intelligence artificielle

Clémence : Quand as-tu commencé à t’intéresser à l’intelligence artificielle (IA) ?

Sébastien : Mon intérêt pour l’intelligence artificielle a commencé dès le début de mes années à l’université. Je voulais me lancer en mécatronique pour travailler en robotique, mais j’ai réalisé que la partie mécanique m’intéressait moins. À l’époque, travailler en intelligence artificielle, c’était un vrai parcours du combattant avec souvent de longues études ! J’ai beaucoup d’énergie et j’avais le besoin de travailler avec du concret, je me suis donc arrêté au baccalauréat. 

Avec le temps, j’ai redécouvert l’IA grâce à des balados comme celui de Lex Fridman. J’ai participé à des concours et mené des projets personnels pour m’initier au machine learning. Le lancement de ChatGPT a tout changé à mes yeux. Dès sa sortie, j’ai vu le potentiel et les possibilités que ça allait amener dans le domaine du développement.

Évolution rapide du rôle

Clémence : Comment décrirais-tu ce nouveau rôle qui est en constante évolution, et qui n’est pas encore enseigné, encadré et structuré ?

Sébastien : Les besoins en intelligence artificielle évoluent rapidement sur le marché. Maintenant qu’il est plus facile d’intégrer des systèmes d’intelligence artificielle dans son organisation, il y a une forte demande pour le MLOps. 

Essentiellement, on veut pouvoir appliquer les meilleures pratiques du DevOps en les adaptant pour le domaine du machine learning. Les modèles d’IA génératifs ont aussi besoin d’être encadrés de cette façon pour être déployés, testés et maintenus en production. C’est donc une excellente opportunité pour les gens avec de l’expérience en DevOps de les mettre à profit dans un domaine qui a besoin de gagner en maturité. Avec les modèles d’IA génératifs, nous avons aussi la possibilité d’agir comme intégrateur de ces modèles dans les processus DevOps ou même dans des applications. En prenant cette voie, on peut se concentrer sur son champ d’expertise (développement, assurance qualité, administrateur de système) et se former sur l’IA générative, les architectures qui émergent (comme les RAG) et déterminer des manières d’innover dans sa spécialité. 

Par exemple, un administrateur système pourrait utiliser un modèle d’IA génératif pour analyser l’ensemble des journaux applicatifs pour déterminer des tendances et trouver des problématiques.

Compétences requises

Clémence : Quelles compétences sont nécessaires pour tirer pleinement parti de l’IA en DevOps ?

Sébastien :

Techniques

• Comprendre les fondations du ML et des IA génératives
• Comprendre comment un modèle est construit
• L’impact des données utilisées sur ces modèles 
• Comprendre que tous ces modèles de ML font des prédictions
• Savoir comment intégrer des APIs
• Ingénierie de données (un modèle n’est rien sans données pertinentes en entrée)
• Compréhension de l’infonuagique

Transversales

• Communication
• Compréhension des besoins d’affaires
• Capacité d’analyse
• Prompt engineering

Deuxième partie de l’entretien : Volet services développés chez Gologic

Services proposés par Gologic

Clémence : Quels services propose Gologic avec l’IA et sur lesquels as-tu travaillé à la conception ?

Sébastien : Plusieurs de nos clients ont déployé des initiatives en lien avec GitHub Copilot. Afin d’augmenter l’adhésion et de comprendre comment l’utiliser dans un contexte d’entreprise, nous avons été mandatés pour créer des formations. Notre tâche principale était de développer une formation destinée à former des champions, qui deviendraient des points de référence au sein de leurs équipes.

En collaboration avec nos clients, nous avons déterminé les personas qui allaient utiliser l’outil. Pour chacun des personas, nous avons créé des exemples concrets basés sur du code similaire à celui utilisé en entreprise. La formation a été conçue pour se concentrer non seulement sur les concepts de base de GitHub Copilot, mais aussi sur les IA génératives, en mettant l’accent sur le prompt engineering et le contexte.

En trois mois, nous avons réalisé plus de 17 formations, avec un très haut taux de satisfaction de la part des participants. Cette initiative a permis d’améliorer significativement l’adhésion à GitHub Copilot et d’optimiser son utilisation en entreprise.

Agent conversationnel pour transformation DevOps

Chez Gologic, un produit de notre offre de service qui nous démarque vraiment, est le bilan DevOps. C’est notre façon de rapidement comprendre la réalité d’une entreprise et de lui fournir des recommandations pour améliorer la maturité de son cycle de développement. Le défi majeur ? La quantité de données à traiter et à présenter au bon moment.

Pour relever ce défi, nous nous sommes lancé dans un projet ambitieux : créer une architecture capable de capturer les données nécessaires et d’y accéder facilement via un agent conversationnel. 

Concrètement, ça implique la mise en place d’un agent conversationnel ainsi que l’accès à une base de données contenant l’information accumulée. Nous avons utilisé ensuite le contexte du livre The Phœnix Project pour créer une démonstration de la solution. De cette façon, nous sommes en mesure de démontrer la transformation de l’entreprise dans le livre (Parts Unlimited) et sortir des recommandations pour améliorer le tout.

Troisième partie : Ta vision de l’IA générative sur la culture DevOps

IA traditionnelle vs IA générative

Clémence : Quelles sont les différences entre l’IA (en général) et l’IA générative ?

Sébastien : L’IA, dite plus « traditionnelle », est très efficace pour analyser et classifier des données déjà existantes. L’IA générative, c’est un sous-ensemble de l’apprentissage machine où le modèle est entraîné sur des milliards de données et est capable de créer du nouveau contenu similaire à la donnée qu’il a été entraîné. C’est donc extrêmement intéressant pour les cas d’usage comme la programmation où il est facile de prédire les prochains composants du code.

Avantages de l’IA en DevOps

Clémence : Quels sont les avantages d’utiliser l’IA dans le DevOps ?

Sébastien :

• Augmentation de la qualité et de la vélocité des équipes
• Capacité d’analyse sur des systèmes complexes
• Capacité d’automatisation augmentée

Amélioration de la sécurité avec l’IA

Clémence : Comment l’IA peut-elle améliorer la sécurité dans le cycle de vie du développement logiciel ?

Sébastien :

• Aider à analyser les données provenant du monitorage
• Avec des agents de programmation, générer du code sécuritaire
• Détection de comportements suspects

Défis de l’intégration de l’IA

Clémence : Quels sont, selon toi, les principaux défis de l’intégration de l’IA dans les processus DevOps ?

Sébastien : Un des plus grands défis actuellement est de former les gens à comprendre comment l’utiliser, mais aussi comment innover avec.

Risques potentiels de l’IA

Clémence : L’IA peut-elle devenir un danger pour le DevOps ?

Sébastien : Comme n’importe quels outils, si on ne met pas des processus en place, des balises afin de s’assurer que l’on se dirige dans la direction souhaitée, ça peut devenir problématique.

Exemples concrets et succès

Clémence : Peux-tu donner des exemples concrets d’améliorations obtenues grâce à l’IA dans les projets DevOps que tu as menés ?

Sébastien : Une application ayant une importante dette technique et des performances qui ne répondaient pas du tout aux attentes. Sans agents de programmation, cela m’aurait pris plusieurs mois à refaire. J’ai proposé de refaire complètement une partie de l’application et en trois semaines, j’avais refait quasi l’ensemble de l’application. La page la plus problématique prenait jusqu’à trois minutes à charger, et elle est passée à moins de trois secondes. 

Nous avons utilisé l’IA générative afin de nous aider à analyser les données recueillies lors d’un bilan DevOps pour évaluer la maturité d’un processus DevSecOps. Avec l’aide de l’IA générative, nous avons accéléré drastiquement l’analyse des données et avons pu livrer une analyse dépassant largement les attentes de notre client.

Évolution future de l’IA

Clémence : Comment vois-tu l’évolution de l’IA dans le DevOps au cours des cinq prochaines années ?

Sébastien : La vitesse de l’innovation au niveau de l’intelligence artificielle est extrêmement rapide. Il est difficile de voir les nouvelles technologies qui seront disponibles dans six mois, mais il faut s’attendre à des changements drastiques au niveau de toutes les étapes du cycle de développement. 

Malgré la cadence de l’innovation, il faut s’assurer de répondre à des besoins d’affaires pour son entreprise et prendre le temps de gagner la confiance des gens. Chaque étape du cycle de livraison logiciel peut bénéficier de l’IA générative.

Préparation à l’IA

Clémence : Comment les équipes DevOps peuvent-elles se préparer à l’intégration de l’IA dans leurs processus ?

Sébastien : La première étape est la formation. L’IA générative peut être intimidante et il est crucial de s’assurer que les équipes sont formées adéquatement en matière de sécurité, d’utilisation et des dernières avancées. Je dirais que c’est particulièrement important pour une équipe qui fournit des services et outils aux autres équipes afin de comprendre les enjeux de ces équipes et déterminer s’il y a possibilité de résoudre les problèmes avec des solutions innovatrices amenées par l’IA. 

Je terminerais en disant qu’il est important de se tenir au courant des autres initiatives dans son organisation en lien avec l’IA générative pour pouvoir en tirer parti.

Ressources recommandées

Clémence : Donne-nous ton top 10 des formations, références, balados, etc., pour améliorer ses compétences en IA :

Sébastien :

• DeepLearning.AI (des cours efficaces et transformateurs)
• Marvelous MLOps sur LinkedIn
• Podcast AI Chat 
• Certification Azure AI Engineer
• Everyday AI Podcast
• Data Engineering Podcast
• Paul Iusztin et Pau Labarta Bajo (MLOps et données en général) sur LinkedIn
• Tobias Zwingmann
• SQL Data Partners Podcast
• Lex Fridman podcast (Les épisodes liés à l’IA : Sam Altman, Aravind Srinivas, Elon Musk, Mark Zuckerberg, etc.)

Conclusion

Pour plus d’informations sur les services de Gologic et pour découvrir comment l’IA générative peut transformer votre pratique DevOps, n’hésitez pas à nous contacter ou à explorer nos formations en DevOps.