Depuis 2,5 ans, notre équipe livre un projet de data engineering à grande échelle : plus de 150 microservices, des pipelines complexes, et des exigences de qualité élevées. Depuis un an, nous avons intégré la GenAI et des agents pour transformer notre façon de travailler.

Dans ce talk, nous partagerons comment l’IA a accéléré certaines tâches critiques : - Refactoring de code : industrialiser 4 fois plus vite du code de prototypage pour qu’il respecte l’ensemble de nos standards. - Data contracts : rédiger 10 fois plus vite cette documentation, avec une précision qui rivalise avec l’expertise humaine. - Tests d’architecture : automatiser des contrôles sur les standards d’architecture et les exigences du cloud provider pour limiter les bugs.

Mais l’IA n’est pas une solution magique. Nous aborderons aussi : - Ce qui résiste lui résiste encore : implémenter des choses que l'on a jamais faites dans le projet, refactoring complexes. - Nos bonnes pratiques : documentation as code & documentation optimisée pour l’IA, mono-repository pour centraliser le contexte, et serveurs MCP pour donner des accès sécurisés et maîtrisés au LLM.

Avec de nombreuses démonstrations, ce retour d'expérience brut, avec des succès, des échecs, et des leçons concrètes pour intégrer l’IA dans vos projets sans perdre le contrôle.