685 lines
12 KiB
Markdown
685 lines
12 KiB
Markdown
---
|
||
type: archive
|
||
source: OneNote PA-Projets
|
||
periode: 2021-2026
|
||
---
|
||
|
||
# IA - Notes OneNote
|
||
|
||
## Chat GPT (20 janvier 2024)
|
||
|
||
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
|
||
|
||
Cas d'usage
|
||
|
||
---
|
||
|
||
## de l'IA (31 janvier 2024)
|
||
|
||
Tâche pouvant être
|
||
automatisée
|
||
|
||
---
|
||
|
||
## Polaria IA (28 mai 2024)
|
||
|
||
Cyril de Sousas
|
||
Cardoso : parcours datascience, ensai,
|
||
bigdata, chef de projet innovation
|
||
|
||
Cabinet odalob, chat
|
||
bot RH en 2016, 2020 open AI, certification centrale supelec
|
||
|
||
Polaria
|
||
:
|
||
|
||
- Chat bot
|
||
- Chat bot Rag :
|
||
- Impact de l'ia sur la recherche
|
||
|
||
IA
|
||
conversationnel et générative
|
||
|
||
IA
|
||
générative
|
||
|
||
Polaria : 25
|
||
personnes, dont 10 salariés
|
||
|
||
- Conseil formation 2
|
||
- Tech : 3 dev, 1 ML enginneur, UX - UI
|
||
|
||
Accompagnement :
|
||
|
||
- Développement sur mesure fond épopée,
|
||
- sopra steria => sensibilisation
|
||
|
||
Impact de l'IA sur
|
||
l'employabilité.
|
||
|
||
- Sensibilisation
|
||
- Prospective
|
||
- Accompagnement Expertise / Business
|
||
|
||
Faire face à la
|
||
croissance : grosse réflexion
|
||
|
||
- Assistance aux développement : github / avoir leur propre copilot
|
||
|
||
Comment on peut
|
||
accélérer la sensibilisation
|
||
|
||
Vers quoi la
|
||
|
||
Comment
|
||
|
||
Elastic -
|
||
|
||
---
|
||
|
||
## Search et IA (20 juin 2024)
|
||
|
||
IA Générative :
|
||
modèle de machine learning capable de générer du contenu (plutôt du deep learning) à partir de données sur lesquelles ils ont été préaablement entraînées
|
||
|
||
Modèle CommandR+ => avec du RAG
|
||
|
||
Mistral : 3 modele opensource : 8X22
|
||
|
||
Ollama
|
||
|
||
Challenges :
|
||
|
||
- Hallucination, mauvaises réponses
|
||
- Accès aux données privées
|
||
|
||
- Check des droits
|
||
- Entrainement données privées
|
||
|
||
- Stack Technique
|
||
|
||
RAG :
|
||
|
||
Elastic search :
|
||
|
||
- Recherche Lexical : occurrence exact du mots ou phrases dans un corpus de textes ou document
|
||
|
||
- Limite le sens n'est pas pris en compte, on ne peut pas poser la question en langage naturel
|
||
|
||
=>
|
||
recherche lexical non pertinente
|
||
|
||
- Recherche sémantique :
|
||
|
||
- Recherche Vectorielle :
|
||
- Les vecteurs portent le concept ou le sens du mot qu'on cherche à reprséenter
|
||
- Mots sont strockés avec des chiffres
|
||
- Modèle de machine learning entrainé, pour utiliser des vecteurs = représentation vectorielle = les embeddings
|
||
|
||
Exemple
|
||
modèle pour les MLP
|
||
|
||
Elastic
|
||
: basé sur le produit scalaire
|
||
|
||
- Représentation des données dans ElasticSearch
|
||
|
||
- Pour la recherche vectorielle HNSW graphs
|
||
|
||
Elastic supporte
|
||
l'inférence pour générer les vecteurs à l'indexation et à la recherche
|
||
|
||
Recherche Hybride :
|
||
combiner les différentes techniques
|
||
|
||
RRF : Reciprocal
|
||
Rank Fusion : rrf
|
||
|
||
Nouveaau concept
|
||
Retrievers : abstraction de la stratégie search :
|
||
|
||
- Standard : recherche lexicale
|
||
- Knn : vecteur
|
||
- Rrf : fusionne les 2
|
||
|
||
=>
|
||
les 2 données une recherche hybride
|
||
|
||
Chunk : découper un
|
||
gros livres en plusieurs => va arriver très bientot
|
||
|
||
---
|
||
|
||
## Polaria IA (1 juillet 2024)
|
||
|
||
- Sensibilisation à l'IA sur la journée Tribu.net
|
||
- Manque dans le parcours d'intérgation
|
||
- Aldentech sur l'IA tous les 3 mois
|
||
- Sondage
|
||
|
||
1 - Sensibilisation pour l'ensemble des collaborateurs
|
||
|
||
2 - Comment partager la veille
|
||
- Cartographie de l'éco-system actuel, voir ce qui ressort comme Framework
|
||
|
||
3 - Comment mieux exploiter nos données (exemple site e-commercie commandes ), avec prédictif
|
||
|
||
Comment mieux s'appuyer sur d'autres opendata.
|
||
|
||
4 - Use case :
|
||
Fonctionnalités qui vont être impactés
|
||
|
||
Fiabilité du useCase concrêt en prod
|
||
- Moteur de recherche
|
||
- Tableau de bord
|
||
- ….
|
||
|
||
5 - RAG et ChatBot :
|
||
|
||
6 - Productivité des développeurs / Chef de projets
|
||
- ChatGPT/ Copilot
|
||
- Vitesse d'appropriation
|
||
- Impact sur le métier dans 2 ans
|
||
- Impact sur les juniors
|
||
|
||
7 - Impact sur notre façon de faire nos projets
|
||
|
||
Exemple Claude
|
||
|
||
Install lama
|
||
|
||
---
|
||
|
||
## Polaria (27 août 2024)
|
||
|
||
Actus :
|
||
|
||
- 6tm :
|
||
- Polaria :
|
||
|
||
- Actif
|
||
- IA : accélération, capacité
|
||
- Année dernière : Accultération - RAG
|
||
- Cette année : déploiement opérationnelle :
|
||
- Cas d'usage concret
|
||
|
||
- Dimension humaine + relation
|
||
- Investissement 900K chez Polaria avec perte de contrôle
|
||
- Gestion des risques : toute l'activité
|
||
- ArdWood ESN : arrivée d'un CEO
|
||
- ESN : KPMG, EXTIA,
|
||
|
||
- Polaria : ( Melvin BizDev, Baptise : contenu, Martin : droit IA + freeLance)
|
||
- Conférence / formation / Conseil Strat
|
||
- Contenu : YouTube :
|
||
- être à jour sur le contenu IA
|
||
- Grand public +
|
||
- 02/10 : prompt engeneering 3€
|
||
- Management et IA
|
||
|
||
- Polaria Tech :
|
||
- SAAS + mission ESN
|
||
- Fusion avec XENO APP : 40 à 49% des parts, installer à Vannes
|
||
- 2016 et 2017 : beaucoup top de solutions :
|
||
- 2 dev Full Stack :
|
||
- Financierement : 100k de perte
|
||
- Armée de Terre :
|
||
- SAAS ChatBot
|
||
|
||
- Managia : Etude ou Recherche : statut de chair de recherche, CPF
|
||
- Etude de l'impact sur l'IA,
|
||
- Chair
|
||
- Peut vendre des études prospectives, des formations mais pas d'accompagnements
|
||
|
||
- Kairos Partner : Guillaume Baudoin :51 % => 100K de rachat
|
||
- ESN : Pierre
|
||
- 1 ML Engeniring
|
||
- Fond épopée gestion :
|
||
- allo voisins :
|
||
- Développement de langage de modele existant
|
||
- Modèle Yolo : détection d'image
|
||
- Télégramme : Veille avec scrapping auto
|
||
- Arrivée via des formations :
|
||
- Audit / diagnostic
|
||
- Low Code
|
||
- No Code : go to market
|
||
|
||
ML
|
||
Engeniring, ML Ops,
|
||
|
||
- Profil : ML Engenier / Chef de projet
|
||
|
||
- ETI : sujet à
|
||
- CP IA + ML Enginner
|
||
- Dev IA :
|
||
|
||
- Data Scientist : pas mal => restructuration Data
|
||
- Déploiement avec gemini et copilot :
|
||
|
||
- Refonte de l'interface avec le conversationnel
|
||
- IA et CyberSécurité : conformité de l'IA Act
|
||
|
||
- Participer à une diffusion intelligente de l'IA : Ethique, RSE, Souverain
|
||
- Business : 10 Millions d'euros, être l'acteur de référence
|
||
|
||
- Vos solutions IA sur mesure.
|
||
- Facteurs clés :
|
||
|
||
- Se focaliser sur un sujet important
|
||
|
||
Seenaps et useCase
|
||
|
||
20240911 -
|
||
|
||
---
|
||
|
||
## Mentec (13 février 2025)
|
||
|
||
- 7 ans à Alten :
|
||
|
||
- + d'impact
|
||
- + réduite
|
||
|
||
- Ce qui me fait vibrer : imprimante 3D, space, être dans le monde des technos
|
||
- Alten :
|
||
|
||
- Encadre exclusivement en intercontrat, des stagiaires
|
||
|
||
=>
|
||
profil temporaire, embarquer des
|
||
nouvelles personnes
|
||
|
||
- De l'ambition mais de l'inertie
|
||
|
||
Poste
|
||
avec plus
|
||
|
||
On
|
||
avance plus rapidement, encadrement
|
||
|
||
Projet
|
||
de recherche pour aller chercher le SIR :
|
||
|
||
3
|
||
projets en production : MVP -
|
||
|
||
- Plateforme de recommandation
|
||
- La moitié du temps
|
||
|
||
- On n'avance pas assez vite
|
||
|
||
1 -Factory :
|
||
Accompagner l’impact de l’ia
|
||
|
||
2 – Les Copilot IA
|
||
dans nos applications
|
||
|
||
3 - Participer à
|
||
l’analyse et conseil sur Goria
|
||
|
||
- Cocher les cases :
|
||
|
||
- Travailler avec des profil expérimentés
|
||
|
||
- Ou on coche mois
|
||
|
||
- La R&D
|
||
- Les moyens
|
||
|
||
Dernière question :
|
||
|
||
Besoin :
|
||
|
||
- Compétences sur les gros volumes données :
|
||
- Affiner les promptings
|
||
- Héberger notre propre model
|
||
|
||
Est-ce que
|
||
|
||
- Plateforme
|
||
|
||
- Nov 2023 :
|
||
- Pour
|
||
|
||
- Pilote innovation
|
||
|
||
- Différents projet de recherche : traitement du langage
|
||
|
||
- Perspective 55K
|
||
|
||
- Stagiaire
|
||
|
||
---
|
||
|
||
## Exemple Productivité IA (30 août 2025)
|
||
|
||
génére moi un update
|
||
pour mettre à jour la colonne clé sous forme de masque de bit, le masque
|
||
s'incrémente pour chaque projetid différent
|
||
|
||
SELECT TOP (1000)
|
||
[Id]
|
||
|
||
,[ReferentielId]
|
||
|
||
,[AuditId]
|
||
|
||
,[Label]
|
||
|
||
,[Color]
|
||
|
||
,[DateCreation]
|
||
|
||
,[DateMaj]
|
||
|
||
,[UtilisateurMaj]
|
||
|
||
,[ProjetId]
|
||
|
||
,[ScrumEquipeId]
|
||
|
||
,[DemandeprojetId]
|
||
|
||
, cle
|
||
|
||
FROM [6tm_Prod].[dbo].[Tags]
|
||
|
||
-- ⚠️
|
||
Assurez-vous que [cle] est au moins BIGINT si vous avez beaucoup de projets.
|
||
|
||
-- INT permet ~31
|
||
projets (bits), BIGINT ~63.
|
||
|
||
BEGIN TRAN;
|
||
|
||
;WITH Projets AS (
|
||
|
||
SELECT
|
||
|
||
ProjetId,
|
||
|
||
ROW_NUMBER() OVER (ORDER BY ProjetId) -
|
||
1 AS bit_index
|
||
|
||
FROM (
|
||
|
||
SELECT DISTINCT ProjetId
|
||
|
||
FROM [6tm_Prod].[dbo].[Tags]
|
||
|
||
WHERE ProjetId IS NOT NULL
|
||
|
||
) d
|
||
|
||
),
|
||
|
||
Masques AS (
|
||
|
||
SELECT
|
||
|
||
ProjetId,
|
||
|
||
CAST(POWER(CAST(2 AS BIGINT),
|
||
bit_index) AS BIGINT) AS mask_value
|
||
|
||
FROM Projets
|
||
|
||
)
|
||
|
||
UPDATE t
|
||
|
||
SET t.cle =
|
||
m.mask_value
|
||
|
||
FROM
|
||
[6tm_Prod].[dbo].[Tags] AS t
|
||
|
||
JOIN Masques AS m
|
||
|
||
ON m.ProjetId = t.ProjetId;
|
||
|
||
-- Vérification
|
||
rapide (optionnel)
|
||
|
||
SELECT TOP (1000)
|
||
Id, ProjetId, cle
|
||
|
||
FROM
|
||
[6tm_Prod].[dbo].[Tags]
|
||
|
||
ORDER BY ProjetId,
|
||
Id;
|
||
|
||
COMMIT;
|
||
|
||
Dev et
|
||
|
||
---
|
||
|
||
## PAI (13 janvier 2026)
|
||
|
||
Excalidraw
|
||
|
||
Agilité et
|
||
|
||
---
|
||
|
||
## Assistant QA (12 mai 2025)
|
||
|
||
Descriptif :
|
||
|
||
- Programme pour assister le Chef de projet / Développeur dans les tests basiques
|
||
|
||
- Il se connecte à l'application sous différent profils et parcours tous les liens, pour une datatable n'en prends qu'un ?
|
||
|
||
- Intégrer sous forme de TU peux être intégrer à la CI et personnaliser avec des scénarios spécifiques par projet
|
||
- Evolutifs : un nouvelle exigence peut être intégrée facilement et diffuser sur l'ensemble des projets existants (exemple vérifier l'accessibilité)
|
||
|
||
Résultats attendus :
|
||
|
||
- 0 retour client en prod de page qui répondent en 500 contre XX actuellement
|
||
- La qualité s'est améliorée :
|
||
|
||
- Les warnings on fait poper les pages ayant trop de requêtes http, des requêtes trop lourdes ou des requêtes SQL trop longues
|
||
- La check visuel / responsive est facilité
|
||
|
||
- Le CP / dev a gagné XX minutes / jour
|
||
|
||
Pts de vigilance :
|
||
|
||
- Définir ce qui est du TU / TI du test selenium
|
||
|
||
Idées complémentaires :
|
||
|
||
- Fiabiliser les stats réseau, ne remonter que les pertinentes
|
||
- Ajouter les requêtes SQL en cas de pb
|
||
- Valoriser le rapport en l'envoyant au client
|
||
|
||
🎭 1️⃣️⃣ Tests classiques avec Playwright
|
||
|
||
👉 En mode "classique", tu écris du code de
|
||
test, typiquement avec la lib @playwright/test, en Typescript / JS / Python.
|
||
|
||
Exemple typique :
|
||
|
||
ts
|
||
|
||
CopierModifier
|
||
|
||
import { test,
|
||
expect } from '@playwright/test';
|
||
|
||
test('homepage has
|
||
title and sign-in button', async ({ page }) => {
|
||
|
||
await
|
||
page.goto('https://example.com');
|
||
|
||
await
|
||
expect(page).toHaveTitle(/Example/);
|
||
|
||
await page.click('text=Sign in');
|
||
|
||
});
|
||
|
||
🔹 Avantages
|
||
|
||
✅ 100 % maîtrisé : tu écris précisément ce que tu
|
||
veux tester
|
||
|
||
✅ Rapide et fiable en CI/CD
|
||
|
||
✅ Facile à versionner (Git)
|
||
|
||
✅ Peut être optimisé (parallèle, retries, traces...)
|
||
|
||
✅ Support officiel de Playwright
|
||
|
||
🔹 Limites
|
||
|
||
⛔ Le test doit être "codé à la main" (même
|
||
si généré partiellement)
|
||
|
||
⛔ Difficile à adapter à une UI très dynamique sans
|
||
refactoring
|
||
|
||
⛔ Pas directement utilisable par un LLM (manque de
|
||
structure "sémantique" de la page)
|
||
|
||
🤖 2️⃣️⃣ Tests via Playwright-MCP (pilotés par LLM)
|
||
|
||
👉 Ici, le LLM (ex : Copilot)
|
||
pilote un navigateur Playwright via le serveur MCP :
|
||
|
||
- Le LLM reçoit un snapshot sémantique (accessibility tree, éléments référencés)
|
||
- Il décide quoi faire : cliquer, taper, attendre...
|
||
- Il génère éventuellement un script Playwright final "propre"
|
||
|
||
Le flux typique :
|
||
|
||
1️⃣ LLM analyse la page
|
||
|
||
2️⃣ envoie commande "click(ref=1234)"
|
||
|
||
3️⃣ page répond avec un nouveau snapshot
|
||
|
||
4️⃣ boucle jusqu’à atteindre le but
|
||
|
||
5️⃣ optionnel : génère le script final
|
||
|
||
🔹 Avantages
|
||
|
||
✅
|
||
Très rapide pour
|
||
explorer une UI inconnue
|
||
|
||
✅ Pas besoin de connaître les selectors
|
||
CSS/XPath/etc.
|
||
|
||
✅ Le LLM s’adapte dynamiquement aux changements de
|
||
la page
|
||
|
||
✅ Génère des scripts Playwright maintenables si
|
||
besoin
|
||
|
||
✅ Peut couvrir des cas "à la volée",
|
||
interactifs
|
||
|
||
🔹 Limites
|
||
|
||
⛔ Moins déterministe qu’un test écrit manuellement
|
||
|
||
⛔ Moins optimisé pour la vitesse brute (plus de
|
||
round-trips)
|
||
|
||
⛔ Nécessite un LLM compatible MCP (Copilot+, Claude,
|
||
etc.)
|
||
|
||
⛔ Moins adapté à une CI/CD pure (où tu cherches
|
||
stabilité et rapidité)
|
||
|
||
🔍 3️⃣️⃣ Comparaison synthétique
|
||
|
||
Critère
|
||
|
||
Playwright classique
|
||
|
||
Playwright MCP
|
||
|
||
Déclenchement
|
||
|
||
Dev ou CI/CD
|
||
|
||
LLM en interaction
|
||
|
||
Robustesse en CI/CD
|
||
|
||
Très forte
|
||
|
||
Moyenne (LLM)
|
||
|
||
Exploration UI dynamique
|
||
|
||
Complexe
|
||
|
||
Naturelle (LLM s’adapte)
|
||
|
||
Vitesse d’exécution
|
||
|
||
Optimisée, rapide
|
||
|
||
Plus lente (round-trips LLM)
|
||
|
||
Génération automatique
|
||
|
||
Possible mais limité
|
||
|
||
Natif avec MCP + LLM
|
||
|
||
Adapté au versioning
|
||
|
||
Oui (Git + code source)
|
||
|
||
Oui si on génère un script Playwright final
|
||
|
||
Facilité pour un non-dev
|
||
|
||
Complexe
|
||
|
||
Forte (Copilot-friendly)
|
||
|
||
🎯 Conclusion : complémentarité
|
||
|
||
👉
|
||
Playwright classique reste le standard pour :
|
||
|
||
- les tests automatisés CI/CD solides
|
||
- les tests critiques, réglementaires
|
||
- les suites maintenues sur le long terme
|
||
|
||
👉
|
||
Playwright MCP est excellent pour :
|
||
|
||
- la génération initiale de tests via IA
|
||
- l’exploration ad hoc de nouvelles versions d’une app
|
||
- le support aux non-développeurs (QA fonctionnels)
|
||
- les tests exploratoires en début de sprint
|
||
|
||
Si tu veux, je peux
|
||
aussi te montrer :
|
||
|
||
✅ un exemple de flux MCP + génération de test Playwright final
|
||
|
||
✅
|
||
comment combiner MCP
|
||
+ Playwright classique (c’est ce que
|
||
fait Copilot par ex.)
|
||
|
||
✅
|
||
l’impact sur ta stack
|
||
CI/CD si tu intègres MCP
|
||
|
||
Veux-tu
|
||
que je te prépare un exemple concret ? 🚀
|
||
|
||
---
|