Formation IA Legacy, IA pour développeurs : du design au déploiement avec Claude et Gemini

Formation créée le 27/10/2026. Dernière mise à jour le 29/10/2026.
Version du programme : 1

Type de formation

Distanciel

Durée de formation

21 heures (3 jours)
Cette formation est gratuite.
Envoyer ma demande
Cette formation est gratuite.
Envoyer ma demande
Cette formation est gratuite.
Envoyer ma demande
Besoin d’adapter cette formation à vos besoins ? N’hésitez pas à nous contacter afin d’obtenir un devis sur mesure ! Nous contacter

Formation IA Legacy, IA pour développeurs : du design au déploiement avec Claude et Gemini


Version PDF

Objectifs de la formation

  • Choisir un modèle Claude ou Gemini selon la tâche, en connaissant ses tarifs d'entrée et de sortie.
  • Configurer VS Code pour que l'IA produise du code propre, testé, accessible et sobre (CLAUDE.md, GEMINI.md, context.md, suivi.md, MCP).
  • Appliquer une méthode de LLM-driven development : l'IA propose, le développeur valide chaque étape et garde la maîtrise de l'application et du code.
  • Comparer, mesures à l'appui, le code et les coûts produits par Claude et par Gemini.
  • Livrer un agent IA de suivi de projets, en version locale (abonnement) puis en ligne (API facturée à la consommation).

Profil des bénéficiaires

Pour qui
  • développeurs
  • tout public (pour la partie Fondamentaux IA, adoption, AI Act, IA literacy)
Prérequis
  • poste avec VS Code
  • Python 3.12+
  • Node.js (pour Playwright et les CLI)
  • Git
  • un compte GitHub par développeur
  • un abonnement Claude Pro ou Max
  • un compte Google avec accès Gemini
  • une clé API Anthropic et Google AI Studio avec un plafond de dépense fixé.

Contenu de la formation

Jour 1 : livrable du matin : une ébauche de charte d'usage de l'IA et la liste des points AI Act et RGPD qui serviront de référentiel à l'agent - Matin (9 h – 12 h 30)
  • Exposé + démo : Généralités : ce qu'est un LLM, tokens, fenêtre de contexte, hallucinations, modèles de raisonnement, agents et MCP en une image
  • Échanges sur leurs cas : Adoption en entreprise : cas d'usage par métier, gains réels vs promesses, conduite du changement, politique d'usage interne, shadow AI
  • Exposé + quiz : AI Act en tour d'horizon : approche par les risques, rôles fournisseur et déployeur, pratiques interdites, haut risque, obligations de transparence, calendrier d'application, articulation avec le RGPD
  • Atelier : ébauche de charte d'usage : IA literacy (article 4) : ce que l'obligation de maîtrise de l'IA implique pour l'entreprise, plan de sensibilisation, traçabilité des formations, bonnes pratiques de saisie des données
Jour 1 : fin de journée : poste configuré, fichiers de contexte écrits, design de l'agent validé et exporté - Après-midi (13 h 30 – 17 h)
  • Relevé des tarifs du jour sur les pages officielles, dans un tableau partagé : Panorama des modèles Anthropic et Gemini : gammes, forces, fenêtres de contexte, tarifs d'entrée et de sortie par million de tokens, tarifs du cache
  • Installation de Claude Code et Gemini CLI, extensions VS Code, premier test sur un mini-projet : Abonnement vs API : ce que consomme une session Claude Code ou Gemini CLI sur un abonnement, limites d'usage, quand passer à l'API facturée
  • Démo croisée ; VS Code reste l'outil retenu : Antigravity vs VS Code : même tâche dans les deux, comparaison de l'expérience
  • Rédaction des fichiers de contexte du projet (modèles en annexe) : Configurer l'IA pour du code de qualité : CLAUDE.md, GEMINI.md, context.md, règles de clean code, éco-conception, accessibilité RGAA, conventions de tests ; MCP Playwright, GitHub et fichiers
  • Chaque développeur génère une version ; on compare et on retient une base : Design de l'agent : génération des écrans avec Claude (Design) puis avec l'outil équivalent côté Google, export en HTML, CSS et JS
Jour 2 : du design au code, une US à la fois - Matin (9 h – 12 h 30)
  • Même prompt donné à Claude et à Gemini ; comparaison des deux backlogs : Du design au backlog : l'IA analyse les écrans et rédige le cahier des charges, les user stories et leurs critères d'acceptation
  • L'IA propose, les développeurs tranchent ; création de suivi.md : Priorisation : MoSCoW et valeur/effort, découpage en MVP, estimation
  • Via la CLI gh ou le MCP GitHub ; relecture de chaque fichier généré : L'IA crée le dépôt GitHub, la structure du projet (back Python FastAPI, front HTML/CSS/JS), les outils qualité (ruff, pytest, Playwright, axe)
Jour 2 : du design au code, une US à la fois - Après-midi (13 h 30 – 17 h) : Fin de journée : dépôt avec CI verte, socle fonctionnel en local, première série de mesures Claude vs Gemini.
  • Boucle complète : plan, tests, code, relecture, revue, doc, commit : US 1 et 2 du socle : saisie des dépôts à suivre, lecture et parsing de suivi.md
  • L'IA pilote le navigateur pour tester et corriger l'interface : US 3 : rapport d'avancement avec diagrammes (front) et tests e2e via le MCP Playwright
  • Grille de comparaison remplie (tokens, coût, corrections, qualité) : Revue croisée : le code Claude relu par Gemini et inversement ; contrôle accessibilité et éco-conception
  • Démo de l'état de l'agent : Point d'étape : état de suivi.md, documentation technique et fonctionnelle générée au fil de l'eau
Jour 3 : l'agent en local, puis en ligne à la consommation - Matin (9 h – 12 h 30)
  • Rapport généré en local sur 2 ou 3 dépôts de démonstration ; vérification de l'usage consommé sur l'abonnement : Version locale : l'agent appelle le modèle via l'abonnement (Claude Code / Agent SDK en mode headless, Gemini CLI en mode non interactif) et lit les dépôts via le MCP GitHub
  • Référentiel issu du matin du jour 1, comparé aux sources officielles (CNIL, texte de l'AI Act, RGAA) : Module conformité : analyse accessibilité, RGPD et AI Act de chaque projet, classification du système, niveau de confiance et liste des actions manuelles
  • Même rapport, coûts d'entrée et de sortie mesurés à chaque appel et affichés dans l'interface : Version en ligne : bascule sur les API Claude et Gemini, choix du modèle par configuration, clés en variables d'environnement, plafonds de dépense dans les consoles
Jour 3 : l'agent en local, puis en ligne à la consommation - Après-midi (13 h 30 – 17 h) : Fin de formation : agent déployé en dev, deux implémentations comparées, chiffres de coûts et de qualité documentés.
  • Comparaison du coût d'un rapport avec et sans cache : Prompt caching : cache côté Anthropic et cache de contexte côté Gemini, ce qui est mis en cache (instructions, référentiel conformité), mesure avant/après
  • Réécriture des prompts de l'agent, nouvelle mesure : Prompt engineering pour réduire les coûts (1 h max) : prompts système stables, sorties structurées en JSON, consignes de concision, routage petit modèle / grand modèle
  • Agent en ligne accessible par URL : Déploiement continu en dev : workflow GitHub Actions vers Railway, généré par l'IA, secrets configurés
  • Chaque développeur présente ses chiffres et ses conclusions : Bilan : grille Claude vs Gemini complétée, rapport final de l'agent sur ses propres dépôts, retour sur la méthode
Jour 3 : Livrables de l'agent
  • Livré : Saisie d'une liste de dépôts GitHub et lecture de leur suivi.md
  • Livré : Rapport d'avancement par projet : US terminées, en cours, à faire, avec diagramme
  • Livré : Temps par tâche, par US et temps total back et front
  • Livré : Version locale sur abonnement avec MCP GitHub
  • Livré : Nombre de blocages en CI, lu dans l'historique GitHub Actions
  • Claude et Gemini : Version en ligne via API, modèle choisi par configuration
  • Généré en séance : Déploiement continu en dev sur Railway
  • Score détaillé par exigence : Niveau de confiance accessibilité, RGPD, AI Act et classification du système
  • Livré : Coût de chaque rapport (tokens d'entrée, de sortie, cache) affiché dans l'interface
  • Livré : Dossier de conformité RGPD et AI Act : fait, à ajouter, part vérifiable par l'IA et part manuelle, liens vers les sources officielles
  • Si le temps le permet : Rapport consolidé multi-projets et export
Jour 3 : Grille de comparaison Claude vs Gemini
  • La même tâche est donnée aux deux modèles avec le même prompt et les mêmes fichiers de contexte ; chaque ligne est remplie en séance, à partir des compteurs de l'outil ou de la console.
  • Tâches de référence : génération du backlog, US 3 (rapport et diagrammes), génération du workflow CI, rédaction de la documentation technique.
  • Critère : Modèle utilisé (Nom et version exacts)
  • Critère : Tokens d'entrée (Nombre, dont tokens lus en cache)
  • Critère : Tokens de sortie (Nombre)
  • Critère : Coût (€ par tâche, au tarif relevé le jour 1)
  • Critère : Durée (Minutes jusqu'à la CI verte)
  • Critère : Corrections humaines (Nombre d'allers-retours avant validation)
  • Critère : Tests (Tests générés, taux de réussite, couverture (pytest-cov))
  • Critère : Qualité (Avertissements ruff, complexité, respect de CLAUDE.md / GEMINI.md)
  • Critère : Accessibilité (Score Lighthouse et violations axe)
  • Critère : Éco-conception (Poids de la page, nombre de requêtes)
  • Critère : Respect de la méthode (Plan demandé avant code, tests avant code, suivi.md mis à jour)

Suivi de l'exécution et évaluation des résultats

  • Validation des prérequis : Évaluation obligatoire par QCM en amont pour valider votre éligibilité.
  • Évaluation continue : Validation des acquis en temps réel à travers la réalisation des travaux pratiques et des études de cas.
  • Suivi de présence : Émargement numérique obligatoire par demi-journée.
  • Mesure de la progression : Auto-évaluation finale permettant de quantifier concrètement vos compétences acquises.
  • Clôture : Questionnaire de satisfaction global et remise d'une attestation officielle de réalisation.

Ressources techniques et pédagogiques

  • Support de cours complet et cahier d'exercices corrigés au format PDF (en français).
  • Environnement technique dédié : poste de travail individuel pré-configuré avec les logiciels requis dans leur dernière version.

Qualité et satisfaction

Taux de satisfaction des apprenants par rapport à l'enseignement du formateur - 98% Taux de satisfaction générale (contenu de la formation, enseignement, environnement, accueil...) 93%

Capacité d'accueil

Entre 2 et 10 apprenants