Dites bonjour à l'Ingénierie Agentique !

Phare Data

0:03[musique] [musique] Ouais, bonjour et bienvenue sur Fardata, la chaîne qui éclaire vos données. Dans l'océan des données, voir clair change tout. Sur Fardata on décrypte les services de données d'analytique CDIA. Le tout avec un ton accessible, des choix techniques assumés et une touche d'air marin. Alors que vous soyez architecte, analyste data engénieur, product honur ou simplement curieux, Fardata vous accompagne pour comprendre les enjeux réels, éclairer les compromis et prendre de meilleures décisions et parfois avec le cri des mouettes en bruit de fond. Si ce genre de contenu vous parle, n'hésitez pas à vous abonner. Cap sur l'épisode du jour. Aujourd'hui, on va parler d'un sujet qui revient partout, les agents IA. Mais pas sous l'angle gadget ni copilote fait de la magie. On va parler d'ingénierie agentique et comment passer du vibe coding à des patterns d'architecture et des agents qu'on peut réellement opérer, gouverner et faire évoluer dans le temps. Alors pour en parler, j'ai le plaisir d'être accompagné de Éric et de Mohamadou. Dans un premier temps, je vous laisse vous présenter. Oui, merci Romain. Bonjour à tous. Donc Éric Charbier. Bah aujourd'hui, je veux vous parler absolument de ce qu'on sait faire autour de ces sujets d'ingénierie agentique autour de la des plateformes data puisqu'on a beaucoup parlé de ces sujets pour pouvoir développer des applications mais il n'y a pas d'application sans data. Et donc pour illustrer le sujet du jour, je suis accompagné de Mohamadou qui est notre expert sur tout ce qui est développement agentique. Bonjour à tous. Donc je suis Mohamedou Dialo, donc Sion and Engineer chez Microsoft. Euh bah je travaille dans ce domaine de l'IA qu'on utilise aujourd'hui pour la génération du code.

Vibe Coding

2:01Alors on entend le terme vibe coding qui est un terme à la mode. Mais déjà qu'est-ce que c'est que le vibe coding ? Donc vous avez un descriptif ici, mais si je devais le décrire rapidement, en gros le vibe coding c'est de coder en décrivant bah son attention en langage naturel à une IAIA. Et on va laisser l'IA produire le code pendant que toi tu pilotes le résultat. En quelque sorte, on va passer de comment j'écris ce code à qu'est-ce que je veux obtenir ? Et li tape toi tu diriges, tu testes, tu corriges la trajectoire de ton produit. Alors, on va se demander bah comment on va passer je dirais de bah d'une comment on va transformer tout ça en en architecture complète quelque part en pattern d'ingénierie agentique. Bah comme à l'accoutumé, il va falloir qu'on ait euh je dirais des specs, une spécification, une définition de ce qu'on veut obtenir et on va petit à petit avancer bah vers des tâches de planification. On a défini, on va planifier ce qu'on va faire. Après, il va avoir une phase bien sûr d'implémentation de ce code peu importe le langage et il va falloir qu'on mette en place des tests de validation de bah du code qui a été généré. Alors, on a tous connu le VS Code ou le Vis Studio où on avait bah le code compession, on fait le début d'une d'une fonction, d'une commande, hop, il nous remplit, il nous il fait la suite. Maintenant, on est à ce qu'on appelle la wave 2. Bah, l'agentique euh software Development Life Cycle. En gros, c'est quoi ? Bah Lia, c'est notre collègue. On on communique avec lui, on lui demande d'effectuer des tâches. Et là, on vers la WF3, qu'est-ce que c'est que la la WF3 ? En gros, on va travailler avec une équipe d'agent, certains qui vont être spécialisés dans l'écriture du code, d'autres dans euh le testing de ce code, la sécurité implémentée à l'intérieur du code. Bref, l'humain va devenir quelque part euh la personne qui va venir à la fin valider toutes les différentes tâches qui ont été développées par des agents. Oui, parce que tant qu'il y a un humain euh et qui est assisté par l'agent, finalement le risque est faible peut-être de d'erreur, mais dès lors qu'il exécute, orchestre et agit finalement en autonomie, ces agents, ils peuvent aussi, ça peut générer d'autres problèmes, notamment en terme de responsabilité, de gouvernance. Effectivement, c'est le cas. C'est le cas. C'est pour ça que on le verra un peu plus tard, je pense au lors de la présentation, comment on garde un certain contrôle sur ce qui est effectué par les agents et où ils peuvent effectuer certaines opérations. OK.

GitHub Copilot Agent

4:42Alors, qu'est-ce que le GitUP copilot agent ? Bon, déjà, premier point, il est en capacité de tenir compte du contexte. Il a besoin du contexte pour bien travailler. Et ce contexte, bah la plupart du temps, lorsqu'on développe du code, on est dans un répertoire. Donc on va analyser les différents fichiers qui sont présents, les différents euh euh éléments qui constituent ce fichier. Ça peut être euh la manière dont il va se comporter par exemple. Et lorsqu'il a pris en compte tout ce contexte, il va planifier les différentes tâches qu'il est censé effectuer pour arriver bah à effectuer la tâche qu'on lui a demandé de faire. Donc il est en capacité de générer donc des fichiers multiples. Il est il est en capacité de de aujourd'hui même si on regarde la partie copilotly euh euh avoir des sub agents qui vont réaliser des tâches différentes et ça va jusqu'à faire un pull request de ce code de manière complètement automatique. Justement Momadou quand on parle de vibe coding, moi je vois beaucoup de gens qui font un promte et puis bah un petit bonheur la chance ils ont un résultat. Euh comment ça se passe dans la vraie vie ? Alors, lorsqu'on parle de de vibe coding, donc il y a plusieurs types. Donc euh il y a donc on le voit ici ce qui est représenté le mode yolo où c'est un peu je vais dire de manière un peu c'est un peu la fête. On lui dit je t'offre je t'ouvre toutes les portes, tu dois réaliser la tâche, fais-le. Et donc euh il y a pas de contrôle, ça va vite, on voit un résultat euh finalisé très rapidement. Par contre, bah ça peut être le chaos parce que un agent, si on lui donne euh les clés de toutes les portes d'un système IT, ça peut être parfois un peu un peu un peu délicat. On peut avoir ce qu'on appelle structurate vibes. En gros, on va mettre un minimum de contrôle. Donc euh on va contrôler où l'agent peut exécuter euh certaines opérations, euh qu'est-ce qu'il a le droit de faire, quel type de code il va euh générer. C'est une nomenclature à suivre ce type de de val coding. et on va arriver à ce qu'on appelle le Spectren vibes où là bah on définit des patterns de développement clair avec des spécificités bien précises par exemple en fonction du langage utilisé ou d'un framework particulier.

Speckit

7:15Alors justement en en parlant de de framework Mohamadou, il y en a un alors on va revenir un peu dessus, c'est c'est spec kit puisque quand on parle de de plateforme data puisque c'est notre rôle à moi et romain entre autres, on travaille beaucoup dans la data. on s'est rendu compte que bah si on partait en mode yolo, ben souvent les les les résultats étaient pas super probants. Euh donc j'ai regardé ce qui existait sur le marché. Spectit, c'est c'est un framework open source et qui permet de structurer un petit peu la démarche qu'on va avoir quand on va utiliser les les l'approcheque. Euh derrière, ça va produire des assettes, du code, de la documentation, mais il y a une structure, un plan [grognement] euh qu'il faut dérouler de la première étape à la dernière. Et c'est ce que personnellement j'ai retenu euh pour bah ce qu'on va illustrer dans les dans les dans les moments qui viennent à travers une démo. Alors notre démo, bah sans surprise, c'est la

Demo

8:21plateforme Microsoft Fabrice. Et donc on va créer en fait créer le le setup completées. Donc on peut imaginer que le marché en fait de ces caméras connectées soit à la fois de la vente. Et à ce moment-là, on a besoin d'avoir des rapports, des indicateurs sur les résultats commerciaux. Mais on peut imaginer que cette caméra, enfin cette société de caméra connectée et voul évoluer et faire évoluer son business sur bah tout ce qui est services et notamment monitorer donc ce que font ces caméras et avoir elles-mêmes le système de supervision proposer ce service à ses clients. Et donc à partir de ce business case euh et bien on va créer une démo complète. Alors, on va pas la créer à partir de rien et on va procéder par étape en en en respectant un petit peu ce que ce que Spect Kit nous nous dit. Alors avant même de démarrer, ce qui est impressionnant avec les outils modernes, puisqu'on a pas parlé de de LLM jusqu'à présent, c'est ce que ça fait en fait les derniers modèles d'IA et notamment Claude Sonnet, mais à l'heure de la démo, c'était la 4.6 6 et on était déjà capable de réaliser directement et bien une architecture, dessiner une architecture directement depuis l'interface euh de de de Claude Sony ou de GitHub Copilot qui est lui-même capable d'appeler en fait ses modèles comme on va le voir dans quelques instants. Et donc ici, j'ai bien une représentation avec euh des des informations qui vont arriver euh dans euh dans dans Oneelec à travers différents modes d'injestion et puis des traitements euh des traitements spark et cetera, des rapports poi on peut imaginer des dates agents. Euh tout ça ça a été euh dessiné euh de façon euh complète. Alors maintenant, on va passer à euh la première euh démo euh qui est euh faire du raisonnement pur. C'est-à-dire qu'on va pas demander à Lia euh de produire des euh des des assets du code, mais on va lui demander en fait de travailler sur l'architecture. Euh donc, il y a aucune création de fichier à ce moment-là. Euh mais par contre, ça va permettre de contextualiser l'agent euh par la suite dans ce qu'il doit créer. Et on peut éérer évidemment à chacune de ces étapes, si on pense que l'architecture design n'est pas tout à fait ce qu'on souhaite, et bien on peut itérer à volonté. Et à partir du moment où on est satisfait du résultat, on peut passer au step suivant. Al ici, on est dans euh VS Code, on a l'agent qui est euh qui est actif et euh donc on voit qu'on peut euh choisir les bons modèles. Ici, on va choisir Opus 4.6 et pas euh Sony 4.7. Et j'ai déjà préparé un prompte. Euh donc je lui demande de se de réagir comme un architecte d'une plateforme de données qui en et il va travailler sur la construction de ce que j'ai vu euh précédemment dans le schéma avec euh différentes couches, un mode de stockage, des modes d'injestion, euh des euh spécifications qui sont liées à la sécurité, aux contraintes que je vois dans mon système. Et donc à partir du moment où je valide, donc l'agent va commencer à travailler, il va analyser le contenu de mon prompt et travailler sur une proposition de de valeur. Alors, ça peut prendre un un certain temps et évidemment bien, je vais devoir accélérer un petit peu le résultat, mais à la fin, il me propose ce type de document où bien j'ai toutes les informations sur à la fois donc l'excy, sur tout ce qui est les principes généraux, sur les l'architecture cible qu' qu'il qu'il me propose. On a également donc tout ce qui est lié à la sécurité. Donc tout ça c'est proposé. Donc il y a juste à revoir en fait ce ce document he qui est un fichier Markdown donc qui est en fait la le le texte qui est généré par LIA. Et à partir de ce moment-là, euh bien si je suis en accord avec ce qui a été proposé par par l'agent, et bien je peux passer à l'étape l'étape suivante. Donc voici ce qui m'a produit. On a juste dans mon environnement de travail qui était vierge au départ, la création de juste un fichier qui est représenté en haut et à gauche qui s'appelle maintenant design.m. Et ce design.md MD, c'est sur ce fichier que va s'appuyer l'agent pour construire euh la suite euh de la démonstration. Alors aujourd'hui quand on parle d'une data plateforme et on a bien vu que ici on avait à faire à la fois un business case, on doit produire des résultats à travers des dashboards. On a du temps réel, on a donc des bases de données peut-être donc une base de données CAQuel dans fabrique qui va servir à à stocker les événements. Donc on a vraiment tout un une architecture complète. Et euh avant de de de venir sur l'applicatif à proprement parler, on a besoin de construire en fait la coquille de cet applicéfaudage d'infrastructure à code. On va donc créer tout ce tout ce qu'on va pouvoir déployer ensuite exécuter simplement qui va nous créer en fait cette p tout tout l'environnement. Donc ça nous sert à standardiser les déploiements, à appliquer les bonnes pratiques et éventuellement je peux avoir ce qu'on appelle des skills euh dans euh dans dans l'IA. Peut-être tu peux nous parler de skill Mohamadou avant que j'enchaîne ? Alors effectivement donc un skills que donc qu'est-ce que c'est ? En gros, c'est un mode d'emploi qui donne à ton IIA, bah pour qu'elle sache comment accomplir une tâche précise avec les bonnes pratiques et les bons outils. Donc c'est un peu comme une fiche recette bah qu'elle va consulter uniquement lorsqu'elle en a besoin et qui serait propre à l'entreprise. Imagine l'entreprise qui veut travailler qu'avec des warehouses parce que de pour des besoins de supportabilité et cetera, elle pourrait mettre dans ses skills donc des règles pour que ton infrastructure Scode utilise que des warehouses. Oui oui oui oui. C'est c'est une c'est une bonne analogie hein. Imagine par exemple que tu embauches un consultant très intelligent mais qui est généraliste. il sait globalement tout faire mais pas toujours à ta façon et pas toujours avec les outils que bah que tu utilises dans ta maison. [raclement de gorge] Quelque part un skill c'est comme lui glisser le classeur euh bah chez nous on dépend de cette manière là. Voilà c'est c'est c'est aussi un cadre de travail finalement. Exactement. On peut on peut on peut le résumer comme ça. Et donc finalement, si tu as déjà ton cadre de travail, bah ça accélère bah tout ce qui est démarrage d'un d'un projet. Puis ça peut éviter, si le skill est bien construit, euh d'éviter certaines erreurs d'architecture. Comme tu le disais Romain, on peut faire des choix dans fabrique. On a plusieurs façons de faire la même chose. Si c'est le choix de l'entreprise d'utiliser que desous, bah ça sera des effectivement à ce moment-là que on doit créer la bonne information et du coup bah le l'infrastructure AS code sous-jacente euh va prendre en compte ce qui est ce qui est ce qui est ce qui est demandé. Alors ici, on on voit en fait l'autre étape donc de création de de ce de de cette infrastructure à code. Donc on va utiliser un guit, on veut faire de l'infrastructure à Code, on va utiliser pipeline CCD, on a une préférence pour le terraform et cetera et cetera. Et donc encore une fois, je lance mon prompt et je laisse l'agent euh euh travailler. Donc là, je sais pas si vous vous souvenez, donc il y avait mon grand schéma en fait d'architecture au départ. Donc on voit que il y avait déjà quand même pas mal de composants entre les sources, les mécanismes d'injestion, euh les les le storage, les moteurs qui vont implémenter en fait la logique métier et cetera et cetera. Donc il va générer énormément en fait de choses euh de fichiers entre autres terraformes. Donc là, j'ai accéléré la démo par une vitesse x 12 hein, sinon ça serait un peu trop long pour la vidéo du jour. Et euh et bien là en fait, il me liste l'ensemble des artefacts qu'il a produit euh pour construire euh mon projet euh fabrique. Donc ça va effectivement des fichiers Terraform en passant par mes pipelines euh les les euh tout ce qu'il faut en fait en terme de documentation également et instruit à ce niveau. Euh donc on a à ce niveau donc beaucoup de de fichiers qui ont été construits. On peut en voir certains, mais on voit que bah déjà il a il a il a il a je sais pas si ça se dit bien populé donc mon espace de travail avec plein de fichiers mapdown et de fichiers terraform pour bah setup mon environnement. Je rappelle qu'à cette à ce moment-là, on a encore rien de construit par rapport à mon métier. On a juste cette pé par rapport aux consignes d'architecture que j'ai donné et bien l'environnement dans lequel je dois évoluer. Ce que j'aime beaucoup ici, c'est que l'agent ne remplace pas l'ingénierie. Il s'insère finalement dans une boucle déjà connue, celle du DevOps DPR parce que là, tu vas pouvoir aussi avoir un guide qui conservera l'historique des changements qu'a fait le data agent. la boucle de feedback, des itérations et en fait ça casse pas les pratiques existantes mais ça les renforce peut-être et puis on est aidé par ces agents. Absolument. Ça ça comme comme le disait très bien Mohamadou, c'est vraiment un cadre de travail. Finalement, ça évite de faire un peu n'importe quoi et et quand on démarre, on a on a quelque chose qui est solide et qui respecte les qui respecte les normes. Alors maintenant, on va venir au cœur du du sujet et au cœur du projet. C'estàd que bon pour l'instant j'ai effectivement ma coquille euh mais j'ai toujours aucune aucune logique métier. Alors vous comprenez bien que dans ma démo, je parle d'une société fictive. J'ai besoin aussi de données qui sont qui n'existent pas. Donc je vais géner à à à l'agent en fait de générer en fait de la FEC data pour moi. Mais plutôt que d'utiliser directement euh donc l'agent dans dans Gitup Copilot, j'ai pris aussi un copilote euh pour générer le promte. C'est-àdire que le le schéma d'architecture que vous avez vu tout à l'heure euh je m'en suis inspiré et je lui dit "Bah à partir de ce schéma d'architecture, est-ce que tu peux euh me générer euh le prompt que je vais pouvoir euh donner à Gitup Copilote Agend pour qu'il me génère en fait euh toute mon application ?" Donc c'est ce que j'ai fait. Donc on prend un GitUP copilot, un chat GPT, un copilote standard, un chat GPT, un cloud, ce que vous voulez. on donne les informations pour que je il me génère un promte et puis avec ce pont, je fais un copiercollé directement dans Gitup Copilot Agent pour avoir le résultat de mon implémentation. Alors, on se retrouve à nouveau euh dans euh dans mon interface euh VS Code [grognement] et euh bah ce coup-ci, je vais copiercoller le promte euh que euh mon copilote m'a m'a donné. Euh voilà, donc je lui donne en plus donc c'est et c'est détaillé hein du coup comme on a utilisé le le copilote. Donc là, on lui demande une démo avec un warehouse euh peut-être des dates agents. Euh euh il y a un business contexte, je rappelle que il y a effectivement des caméras connectées euh que il doit être capable de détecter les événements. Il y aura peut-être besoin d'une base de données temps réel. Donc je donne des spécifications sur tout ce qui est euh euh ma base de données CAQL. Voilà, toutes les recours vont se retrouver ici. Euh et euh j'ai pu que donc en plus voilà, donc j'ai besoin d'un synthétique data générateur pour en plus produire des événements sur sur les caméras qui vont être en fait envoyés dans ma dans bien un event stream dans ma base de données KQL. Donc tout ça c'est détaillé au niveau du prompt. Donc il faut effectivement, c'est peut-être la plus grosse partie humaine qu'on ait à traiter dans le cadre de ce projet d'avoir en fait quelque chose d'assez complet pour produire effectivement bah ce qui sera intéressant pour nous en terme de de de résultat.

21:59Donc il va travailler. Alors vous imaginez bien que comme tout à l'heure, il va y avoir un certain temps de réflexion en fonction de ce qu'on euh lui a demandé. Bien ça prend quelques minutes. Donc ici il a fallu exactement 11 minutes pour produire l'ensemble en fait des scripts, des notebooks qui ont qui vont être utilisés. Euh et donc il me fait un résumé euh de tous les livrables euh étape par étape avec la documentation associé. Donc là, j'ai tout mon plan euh et euh c'est toute ma doc en fait euh que je vais pouvoir suivre à la à la à à la lettre euh si je veux tout t'implémenter par moi-même. Alors évidemment, on pourrait aller plus loin et demander effectivement un peu de un peu plus d'automatisation. Mais là, ce que je voulais montrer à travers cette démo, euh c'est la génération en fait de tout un projet euh de tout un projet complet. Voilà. Donc pour accélérer Éric euh il y a un petit bouton en bas à droite là qui euh qui s'agrandit, c'est le compacton. Est-ce que Mohamadou là tu tu connais ce bouton, ça permet de compresser les différentes demandes et c'est ce qui aurait pu peut-être accélérer les traitement. Bah en fait compaton [raclement de gorge] c'est lorsqu'on trac les LM dans le dans le domaine du du de l'Atlantique Development, on a un certain nombre de tokens qui sont autorisés par en fonction des des LLM. Le fait de de combattant va nous permettre de bah de réduire et de gagner de l'espace entre guillemets libre pour pouvoir continuer à à à travailler dans notre contexte global. OK. C'est c'est un système de fenêtre en fait sur les tokens. C'est ça, c'est de mémoire. C'est bon, sans rentrer trop dans la dans la dans la technique, mais il me semble que il est obligé de libérer un peu un peu de token pour euh pour avancer. Bah oui, et puis ça te permet de de pas atteindre cette limite parce que si tu atteins cette limite, bah ta session entre guillemets euh est terminée et c'est tu repars un petit peu sur quelque chose de de bah de frais, tu vois. Donc [raclement de gorge] gardons le contexte, compactons pour rester dans un fonctionnement où il sait ce qu'il a effectué pour arriver à à produire ce que ce qu'on a là sous sous sous les yeux. Alors tout ce qu'on a généré donc dans dans VS Code maintenant on va le synchroniser avec notre repository sur sur GitHub. Donc rapidement ici on a une toute petite démo effectivement bah tous les assets qui ont été construits hein euh dans euh dans dans VS Code. Je passe rapidement en mode terminal euh pour pouvoir passer mes mes mon notamment mon guide commit au au final. Donc euh quand j'aurai euh euh donc fait toute ma synchro, je vais obtenir effectivement un repot avec toute la documentation, tous les fichiers qui sont prêts à l'emploi euh bah pour déployer mon projet. Donc euh on arrive [grognement] sur la place d'implémentation. Alors on pourrait automatiser un certain nombre de choses. Euh moi j'aime bien en fait le ce que j'appelle le process HITL new in the loop. C'estàd que même si euh mais je suis peut-être de la vieille école hein, même si tout a été généré euh et bien j'aime bien euh regarder comment ça se passe à l'intérieur de mon instance fabrique, comment il a construit en fait mon bronze, ma couche bronze, euh comment mes notebooks vont euh vont opérer et euh et et quelque part, j'ai pas forcément tort dans le sens où bah dans ce que j'ai généré là, le notebook qui me passait de silver, mes données silver à la couche gold, bah il avait perdu un certain nombre de d'informations et j'avait des notebooks en erreur. Donc il a fallu que je je retre au [ __ ] et je lui demande de corriger. Donc je vais passer de vidéo ici mais bon la façon de donc ici vous avez à droite donc le le ripo Gitub pour information c'est ce qu'on avait fait Romain pour le fabrique Crotcho Show au début du mois d'avril et comment je l'implémenterai donc comment je vais paramétrer mon workspace d'en fabrique pour pouvoir implémenter les différentes choses. Donc ça c'est une partie la plus la plus la la la plus manuelle si je si je si je reprends en fait mes termes. Après, peut-être que j'ai oublié des choses et dans mon cas, j'avais oublié bah une le fait de se dire "Ben, je monitore effectivement un business pour mes clients sur des caméras et je me dis bah finalement dans fabrique, il existe quelque chose qui s'appelle une Asure, une fabrique MAP pour représenter des événements sur une carte." Et donc il existe euh dans Fabrique un MCP serveur RTI real time intelligence euh pour pouvoir bien euh permettre à mon agent euh Gitubilot de communiquer avec ce RTI server. Mais peut-être que il faut redéfinir ce que c'est que MCP Mohamadou. Ouais. Donc [raclement de gorge] oui, comme ça on va savoir un peu de c'est bien de repasser de de reposer un peu les basiques. Donc le MCP effectivement donc c'est quoi ? C'est un standard

MCP ?

27:41ouvert. Donc on le voit, c'est écrit ici en 202 pack 2024 pardon par tropic et qui va permet qui qui permet à une IAIA de se brancher à des outils ou à des dotés externes. En gros, c'est quand même un peu un port USB universel pour les modèles IA. J'ai envie de dire donc avant MCP pour connecter à une IIA, enfin connecter UNIA à ton agenda, ta base de données ou Gitub, c'était comme c'était comme avoir un câble différent pour chaque appareil. Tu en as un pour ton téléphone, un pour l'imprimante, un pour le casque. En gros, chaque éditeur DIIA avait sa propre prise avec le MCP. C'est un peu comme le USBC de l'IA. tu as une seule prise standard, tu branches, ça marche. Et peu importe que tu utilises du cloud, du copilote ou un autre ou un autre agent. Alors le MCP ça ça c'est c'est ce qui va passer c'est ce qui va permettre de passer l'a du statut j'ai envie de dire du stagiaire qui va écrire du code dans son coin à celui d'un collègue qui peut vraiment toucher à ton système avec bien sûr tout ce que ça implique en terme de pouvoir et et et de risque. Donc là, on a une illustration hein de cette architecture MCP euh avec effectivement euh le fait que le LLM plutôt que de de chercher à trouver la réponse va s'appuyer effectivement sur du Tooling, hein, donc depuis la partie cliente. et donc s'adresser à DMCP serveur. Donc qui sont en fait à la fois des tools qui peuvent être des ressources ou voire même des promptes complémentaires et puis un appel en fait à différents services qui sont fournis en fait par les des différentes solutions. Derrière ça peut être à peu près tout ce qu'on veut hein. Alors, on parle souvent d'API, hein, mais ça peut être des fichiers de config, ça peut être ça peut être beaucoup de choses. Ouais, effectivement, parce que juste juste je te coupe Éric, mais euh il y a quelques minutes, tu nous as montré dans le terminal, tu as fait la Synchro [raclement de gorge] GitHub. Euh euh si tu utilises le MCP euh GitHub, tu peux directement dire "Bah euh initialise-moi ce répertoire et fais le commit du code et euh il sait exactement il va te demander "OK euh où est ma remote source ? Est-ce que je vais faire euh le le le commit de Scott dans le main ou dans Origine, bref, ou dans une branche particulière ? Tu peux faire ça directement en interagissant via via bah en langage naturel par exemple avec le avec l'agent et le MCP aurait pu être utilisé aussi pour déployer directement après dans fabrique. Absolument. [raclement de gorge] Ouais. Hm. Alors si si on regarde un petit peu la la trame de ce qui va se passer ici, c'est un peu plus complet dans le sens où depuis mon BS code, j'ai un modèle Opus 4. J'ai le client qui va appeler des outils et derrière bien j'ai l'implémentation fait des outils qui sont euh exposés par le MCP serveur euh de RTI. Donc, on voit un certain nombre de de primitives, par exemple euh le Query Event House euh ou le get real time stream. Donc, un certain nombre de de primitives qui sont exposés et qu'on va utiliser euh en fonction de la requête euh que l'on souhaite. Alors, c'est pas tout à fait ces primitives là qu'on va retrouver maintenant puisque moi je lui demandé de créer une map. Alors ce que si je suis pas passé à travers une vidéo parce que en fait la vidéo était trop longue ou alors il aurait fallu que je fasse une accélération par 40 puisque notre et c'est là que ces outils sont de plus en plus puissants et peuvent interroger aussi c'est que ce qui s'est passé c'est que a priori il y a une erreur quelque part dans la doc qui fait que il passait pas les bons arguments pour pouvoir créer la la map mais par subtilité par sierie il a fini par y arriver Donc les différentes étapes c'était effectivement de de de fabriquer donc cette cette map pour un event stream. Ça veut dire que il faut qu'il trouve donc le workspace et l'event stream correspondant la liste en fait des des des outils pour pouvoir créer en fait ma ma map. Et c'est là-dessus qu'il a euh qu'il a un peu un peu ramé. Et puis euh donc il a créé effectivement euh ma ma map avec les les événements par caméra. Alors euh ici c'est ma map. Alors, elle est pas très très détaillé, mais après je peux je peux raffiner effectivement ma map et cetera, mais sans rien connaître la façon d'implémenter une une carte, et bien, il a réussi à me faire ça. Alors, j'étais un peu taquin parce que j'ai continué, je me suis dit mais pourquoi pas faire aussi à travers un développement custom directement avec un agent. Donc là, ça m'a pris plus que 10 minutes. Euh donc ici, c'est une page HTML tout simplement où euh je vois en fait les mêmes événements mais représentés à travers ce que m'a produit euh le LLM. Voilà, donc c'est une façon d'utiliser euh les les serveurs MCP. Peut-être un petit mot Romain sur MCP dans fabrique. Si on a d'autres outils plein, on en a plein des MCP dans fabrique. Euh maintenant, on a même des MCP qui recensent finalement les différents MCP et c'est en ça que c'est intéressant parce qu'on va pouvoir avec notamment MCP là qui est sortie, je mettrai dans les commentaires qui s'appelle Force, ben lui demander de faire un assessment de tous mes workspace. il va cesser non pas les workspace mais les items à l'intérieur des workspace parce qu'il a des skills pour connaître comment euh avoir les best practice sur les sémantique model sur les houseous sur les warehous et donc il va nous proposer des index va nous proposer un certain nombre en fonction de l'item de recommandation c'est assez impressionnant

Fabric Agent Skills

33:49et on a aussi ces agents skills et là alors si vous travaillez avec Microsoft fabrique au quotidien vous avez sûrement déjà ressenti ce besoin comment tirer partie de l'I et des assistants modernes pour interagir efficacement avec fabrique sans réinventer la roue, hein. Par exemple, lister les workspace, par exemple ACC les workspace et cetera. Ben c'est exactement ce que fait le skills for fabric. ce projet qui est porté là par Microsoft met à disposition un ensemble de skills près à l'emploi conçu spécifiquement pour fabrique. Et donc concrètement ces skills vont permettre à des outils comme copilote VS code ou encore euh la version Cli ou même un assistant AI comme Claude d'interagir intelligemment avec votre environnement fabrique. L'idée est simple, standardiser les capacités d'action et de compréhension de fabrique, que ce soit pour les développeurs, mais aussi les data engieurs, les admin ou même les utilisateurs un peu avancés. [grognement] Et donc avec skills, on ne parle pas de magie mais de briques cohérentes et réutilisables. Comprendre les objets fabriques, interroger les métadonnées, automatiser certaines actions, accompagner l'exploration et l'exploitation des données via les donc c'est assez intéressant, n'hésitez pas à l'utiliser. C'est une fondation qui reste ouverte hein et euh qui va permettre d'accélérer, je pense, l'adoption et surtout de ramener l'IA au service de vrais scénarios data au quotidien qu'on notamment les admin. Hop ! Merci. Merci Romain. Alors, j'en ai terminé là sur le ce que je voulais illustrer en terme de de projet créer en fait un projet complet. Alors, c'est pas tous les jours qu'on a besoin de cette pé tout un environnement. Par contre, ce qu'on constate aujourd'hui et dans toutes les discussions qu'on a avec euh avec nos clients euh c'est en quoi l'ingénierie agentique, la la le le le mode de développement en mode agent euh va nous aider ? euh dans le développement des tâches et notamment des tâches data. Alors, il y a un un personnat ou un un rôle qui s'y prête particulièrement qui est le data engineering euh où euh alors je rappelle que le data engineering, on peut le faire de deux façons, en l code,

Data Engineering

35:55no code ou en code, mais alors code, bah voilà, on est en plein dedans. Euh et et d'ailleurs dans la dans ce qu'on a vu juste avant, il y a un certain nombre de notebooks qui ont été qui ont été générés. Euh donc ce sont des pipelines d'injestion, des pipelines de transformation. On peut imaginer des euh des générations de tests de qualité de données. Euh il y a aussi euh chez nos clients énormément de choses qui sont liées à l'existant mais qui sont pas documentées. Et donc toutes ces tâches aujourd'hui hein, euh on peut euh donc euh euh se faire assister d'agents euh pour euh bien augmenter euh et enrichir en fait toutes ces tâches de data engineering. L'idée aussi, c'est vraiment d'accélérer ces ces tâches de data engineering. On a des chiffres aujourd'hui qui tombe sur le fait que un projet de data, 70 % en fait du temps ou la la consommation est lié en fait au tâches engineering. C'est c'est vraiment beaucoup et et donc si l'IA permet de compresser ce ce tempslà, et bien autant en profiter. Alors, il y a d'autres types d'expérimentation qu'on peut faire et nos équipes chez Microsoft ont travaillé sur différents scénarios. Ici, ça peut être des migration. Comment en fait partir d'un existant par exemple avec un outil de reporting comme tableau voir qui est migrer vers fabrique/power BI ? peut être de l'ETL ou l'ELT comme talent vers fabrique. Ça peut être nos propres outils hein. Comment je passe en fait de SQL Serveur vers les fabriques database. Ça peut être des choses un petit peu plus sophistiquées. Alors des accélérateurs et donc bah on parle beaucoup maintenant d'ontologie pour permettre aux agents ce que les agents qui seront utilisés par les métiers. Euh donc euh créer des ontologies euh quand on part euh on peut partir d'un d'un modèle sémantique mais on se rend compte qu'il y a encore beaucoup de documentations, beaucoup de choses à faire pour créer des ontologies complètes. Donc utiliser l'IA pour justement euh augmenter euh le temps euh de enfin à à réduire le temps de réalisation de ces ces ontologies. Bon, on l'a vu he une démo même si vous avez pas vu en fait les rapports ou les dates agents et puis bah ça peut être encore des choses comme sortir de la donnée et alimenter donc un outil de gouvernance comme Colibra par exemple. Donc les scénarios sont vraiment multiples. On trouve vraiment beaucoup de de de caises euh avec des des agents comme Guit Copy Data Adjant euh dans le monde de la data. Alors, ce qu'il faut retenir quand même comme enseignement, c'est que chez chez Microsoft, on s'en sert beaucoup pour prototyper, pour faire des des démos. Il y a un truc que j'aime particulièrement,

Quels ensignements ?

39:00c'est que le monde va très vite et il faut apprendre très vite, mais que bah lire des docs, c'est ça peut être très très long. Et pour apprendre, c'est vraiment euh bah un accélérateur. C'estàd que typiquement avant de créer la démo avec ma fabrique MAP, j'avais jamais implémenté une fabrique MAP. Euh et là en fait, je suis passé par LIA et cetera et j'ai vu comment on a interagissait avec. J'ai après customisé ma map dans fabrique, mais sinon bah voilà, j'aurais peut-être passé un peu de temps à lire la doc et un peu de temps à l'implémenter. Alors que là bah a fait tout pour moi. Euh on a des usages autour de l'optimisation et aujourd'hui on peut optimiser des des traitements en terme de de temps de traitement dans les pipelines, dans les rapports, dans les requêtes qui sont faites aux bases de données. Donc tout ça ça fait partie des des usages qu'on qu'on voit sur les data plateformes. Et puis bien évidemment la partie génération donc qui fait partie de tout ce qu'on a vu hein. On peut générer à la fois des de la donnée, on peut générer des tests de qualité, des pipelines, des scripts de de la phrase code évidemment de la documentation. Ça c'est très très important. Alors, ça c'est les premiers types de de d'usage. Donc partir sur une production, pourquoi pas ? Mais à condition d'avoir toujours ce qu'on appelle l'humain dans la boucle, c'està-dire l'œil qui va vérifier si tout se passe correctement et ce qui a été produit, si ce qui a été produit en correspond. Alors, on a pas parlé de test dans ma démarche à base de mon framework spec kit, mais ça faisait partie aussi de de la boucle. On a tous les tests qui sont générés et qui vont permettre à l'humain aussi alors aux agents de voir si effectivement on a bien implémenté correctement la solution, mais aux humains de regarder le rapport final pour savoir si tout a été créé correctement. Donc voilà, donc c'est aujourd'hui des vrais accélérateurs pour pouvoir aller plus vite. Vous avez une

Conclusion

41:09idée, vous souhaitez l'implémenter et bien honnêtement aujourd'hui avec les agents, on peut aller beaucoup plus vite. Alors effectivement donc Éric, je te trouve un peu euh comment dire conservateur. Voilà, ça va bien. Ça va beaucoup plus aujourd'hui quand on regarde l'usage des agents. Alors plus côté même côté de développement les juste un point on regarde les statistiques sur la plateforme Gitub sur les pull request aujourd'hui les personnats euh qui font le plus de pool request c'est des agents donc et c'est donc c'est utilisé en production. Euh on peut avoir des des agents personnalisés, donc les custom agent qui j'en ai moi-même sur mon VS code qui vont être des experts en en analyse de données parce que moi je suis pas une personne data donc ça va m'apporter une lettre sur cette partie-là. Donc aujourd'hui oui les enseignements on l'utilise pour le prototyp prototypage la documentation même pour se se former mais on on est vraiment aujourd'hui dans une démarche où c'est également d'utiliser en production. Super. Ben merci à vous deux. Merci Eric Mohamadou pour la démo et les échanges. Merci à vous d'avoir suivi cet épisode de Fardata. Si vous avez des questions, des retours d'expérience ou si vous souhaitez creuser un point en particulier, n'hésitez pas à le mettre dans les commentaires. On vous dit à très vite pour un nouvel épisode et d'ici là, abonnez-vous à la chaîne. À bientôt. À bientôt. va