8 - TP Conventions d'Équipe

Créer une convention IA pour l’équipe

⏱ 1h

Objectif

Poser 3 guardrails concrets que votre équipe appliquera dès demain — pas une convention parfaite, mais une convention que tout le monde a votée.

Les tensions réelles

Avant de rédiger des règles, identifier les tensions que votre équipe vit déjà :

Tension Ce qu’on entend
Productivité vs Qualité “L’IA code plus vite mais le code est moins maintenable”
Apprentissage vs Dépendance “Les juniors ne comprennent pas ce qu’ils committent”

Une convention efficace adresse ces tensions — elle ne les ignore pas.

Partie 1 : Audit — 10 min

Avant d’écrire des règles, savoir d’où on part.

Questions à se poser :

  1. Qui utilise l’IA dans l’équipe ?
  2. Quels outils sont utilisés ?
  3. Quelles sont les plaintes récurrentes ?
  4. Quels sont les succès observés ?

Créez AUDIT_IA.md avec vos réponses :

# AUDIT_IA.md

## Outils utilisés
- [outil] : [nombre de personnes]

## Succès rapportés
- ...

## Problèmes rencontrés
- ...

Livrable partiel : au moins 3 problèmes identifiés.

Partie 2 : 3 guardrails à voter — 20 min

Étape 1 : Chacun propose sa règle (2 min)

Chaque participant écrit une seule règle — la plus importante à ses yeux pour encadrer l’usage de l’IA dans l’équipe.

Exemples de règles possibles :

- Commit de code IA non compris = refus de merge
- Toute PR IA-générée porte le label "ai-generated"
- Le reviewer doit valider les dépendances ajoutées par l'IA
- Les juniors expliquent le code généré avant de commit
- Pas de secrets partagés avec un modèle externe

Étape 2 : Vote collectif (3 min)

Chacun vote pour les 3 règles qu’il juge les plus utiles (pas les siennes). Les 3 avec le plus de votes sont retenues.

Étape 3 : Documenter les 3 gagnantes (5 min)

# CONVENTIONS_IA.md

## Guardrails votés le [date]

1. [Règle 1]
2. [Règle 2]
3. [Règle 3]

Livrable partiel : CONVENTIONS_IA.md avec exactement 3 règles.

Partie 3 : Label GitHub — 10 min

Créer le label ai-generated sur le repo de l’équipe.

# Créer le label
gh label create "ai-generated" --color "B8B8B8" --description "Code généré par IA - review approfondie requise"

# Vérifier
gh label list | grep ai-generated

Utilisation :

# Ajouter le label à une PR existante
gh pr edit <number> --add-label ai-generated

Livrable partiel : gh label list | grep ai-generated retourne le label.

Partie 4 : Roleplay — vendredi 16h47 — 15 min

Scénario

Vendredi 16h47. Un utilisateur signale que les commandes passées depuis 2h sont doublées en base de données. Le git blame pointe vers un commit “feat: add order processing” mergé ce matin. Le code a été généré par IA — le reviewer a approuvé sans comprendre la logique de déduplication.

Rôles

  • Dev A : auteur du code (a committé sans comprendre la déduplication)
  • Dev B : reviewer (a approuvé sans vérifier la logique)
  • Lead Dev : médiateur, doit prendre une décision
  • Product Owner : pressé par le client, veut un fix maintenant
  • Observateurs : prennent des notes sur ce qui aurait pu être évité

Déroulement

  1. Découverte du bug (2 min)
  2. Recherche de la cause (3 min)
  3. Confrontation dev/reviewer/lead (5 min)
  4. Décision et fix d’urgence (5 min)

Questions de débrief

  1. Qui est responsable ? L’auteur, le reviewer, ou l’IA ?
  2. Laquelle de vos 3 guardrails aurait évité ça ?
  3. Que manquait-il dans le process de review ?

Livrable

À la fin de ce TP :

  • AUDIT_IA.md complété (au moins 3 problèmes identifiés)
  • CONVENTIONS_IA.md avec exactement 3 guardrails votés
  • gh label list | grep ai-generated retourne le label
  • Roleplay joué, débrief noté

Checkpoint

Pattern retenu : Pas de convention parfaite — une convention que tout le monde a choisie.

Question clé : Laquelle de vos 3 règles aurait le plus d’impact dès la semaine prochaine ?

Prochain module

Module 11 : Veille technologique.