Intelligence Artificielle et Ingénierie logicielle de Confiance

• Cartographier les tâches d’ingénierie augmentables ou non délégables.
• Comprendre les modèles de code, leur contexte et leurs limites.
• Concevoir un assistant RAG pour dépôts, standards et documentation.
• Auditer sécurité, licences, tests, dépendances et provenance.
• Définir une politique d’usage de l’IA pour la R&D logicielle.

1. Task Anatomy logicielle

Spécification, architecture, code, test, revue, documentation, incident et maintenance.

2. Illusion de correction

Prédiction de tokens, fenêtre de contexte, code plausible et limites du raisonnement.

3. Cas d’usage R&D

Refactoring, tests, documentation, dépôts, DevSecOps et assistant RAG de pull requests.

4. IP, licences et sécurité

Secrets, dépendances, provenance, injection, exfiltration et Software Supply Chain.

5. Quality Assurance

Evidence Matrix, tests déterministes, revue humaine, SBOM et critères d’acceptation.

6. Identité de l’ingénieur

Architecture, code rot, deskilling, GPEC et compétences critiques.

7. Projet final

Audit d’un copilote et AI Usage Policy R&D.

Audit de code généré, threat modeling, spécification d’un agent de revue, red team de dépendances et soutenance d’architecture.