# keli-ia-generative-code-100-percent-approche-2025-11-05

## Veille

Approche fonctionnelle IA générative développement logiciel 100% code généré, onboarding LLM, tâches atomiques, spec-driven, capitalisation continue - Soufiane Keli - OCTO Technology - LinkedIn

## Titre Article

Approche fonctionnelle pour l'IA générative en développement : 100% de code généré

## Date

2025-11-05

## URL

https://www.linkedin.com/feed/update/urn:li:activity:7391722941790527489/

## Keywords

IA générative, génération code, développement logiciel, tâches atomiques, spec-driven development, onboarding LLM, itération rapide, capitalisation continue, brownfield, standards code, prompts structurés, DoD, OCTO Technology, vélocité, qualité code, junior developer, contexte global, user stories, LLM

## Authors

Soufiane Keli (OCTO Technology)

## Ton

**Profil:** Conversationnel-Professionnel | Première personne praticien | Éducative-Promotionnelle | Intermédiaire-Technique

Keli, consultant OCTO, partage méthodologie concrète avec ton praticien expérimenté. Approche structurée en 4 étapes ("Onboarding IA", "tâches atomiques", "spec-driven", "capitalisation continue") révèle pédagogue combinant bonnes pratiques et retour d'expérience brownfield. Le langage alterne prescriptions méthodologiques et admissions pragmatiques ("Ne pas demander à l'IA de tout faire d'un coup"). Typique des consultants tech LinkedIn partageant expertise terrain avec soft promotion de leur société.

## Pense-betes

- **IA génère presque 100% du code** via approche structurée
- **Étape 0 : Onboarding IA** - traiter LLM comme "junior chaque jour", rappeler contexte global
- **Étape 1 : Exploration & Planification** - décomposer user stories en tâches atomiques précises
- **Utiliser LLM pour décomposition** - atteindre bon niveau détail
- **Étape 2 : Développement itératif spec-driven** - prompts structurés + exemples code + standards + checklist DoD
- **Réajustement dynamique** - modifier prompt/contexte si insatisfaction
- **Étape 3 : Capitalisation continue** - enrichir base bonnes pratiques après chaque cycle
- **Principe clé** : tâches atomiques + standards clairs + itération rapide = vélocité ET qualité
- **Ne pas demander à IA tout d'un coup** - approche incrémentale
- **Démonstration environnement brownfield** - Loïc Lefloch et Simon Belbeoch (OCTO)
- **Approche pragmatique** combinant bonnes pratiques existantes

## RésuméDe400mots

Soufiane Keli, consultant chez OCTO Technology, propose une approche méthodique permettant à l'IA générative de produire presque 100% du code dans un projet logiciel réel. Loin d'être magique, cette stratégie combine rigoureusement des pratiques éprouvées dans un processus structuré en quatre étapes.

**Étape 0 : Onboarding quotidien du LLM**

Contrairement à un développeur humain qui conserve le contexte entre sessions, le LLM doit être "réembauché" chaque jour. Cette étape cruciale consiste à rappeler systématiquement le contexte global du projet, ses objectifs métier et architecturaux. Traiter le modèle comme un "junior qui recommence chaque matin" force une discipline documentaire bénéfique : le contexte explicite devient un actif partagé par toute l'équipe, pas seulement une connaissance tacite distribuée.

**Étape 1 : Exploration et planification atomique**

Avant toute génération, chaque user story subit une décomposition minutieuse en tâches atomiques avec descriptions précises. Paradoxalement, cette planification utilise elle-même un LLM pour identifier le niveau de granularité optimal. Cette étape transforme des objectifs fonctionnels flous en spécifications techniques actionnables, réduisant drastiquement l'ambiguïté que les modèles gèrent mal.

**Étape 2 : Développement itératif spec-driven**

Le développement proprement dit s'appuie sur des prompts hautement structurés comprenant quatre éléments : spécification technique détaillée, exemples de code illustratifs, standards et conventions du projet, et checklist Definition of Done (DoD) explicite. Si le résultat déçoit, l'approche prescrit un réajustement méthodique soit du prompt soit du contexte, évitant les itérations aléatoires. Cette rigueur transforme l'interaction avec le LLM d'une conversation improvisée en processus d'ingénierie reproductible.

**Étape 3 : Capitalisation continue**

Après chaque cycle, les apprentissages enrichissent progressivement une base de connaissances organisationnelle : patterns réussis, formulations de prompts efficaces, pièges identifiés, exemples documentés. Cette boucle d'amélioration continue transforme l'expérience individuelle en capital intellectuel collectif, accélérant les projets futurs.

**Principe fondamental et validation terrain**

Le principe directeur récuse explicitement la génération monolithique : "Ne pas demander à l'IA de tout faire d'un coup". Au contraire, tâches atomiques + standards clairs + itération rapide produisent simultanément vélocité ET qualité—objectifs traditionnellement antagonistes.

Crucially, cette approche a été démontrée en environnement brownfield par Loïc Lefloch et Simon Belbeoch chez OCTO Technology, prouvant son applicabilité au-delà des projets greenfield idéalisés. Le contexte brownfield—avec legacy code, contraintes architecturales existantes, dette technique—représente le terrain d'exercice réel de la majorité des développeurs.

**Positionnement pragmatique**

Keli positionne explicitement cette méthode comme combinaison pragmatique de bonnes pratiques disponibles publiquement, non comme innovation radicale. Cette modestie stratégique renforce sa crédibilité : l'approche n'exige pas de révolution culturelle, seulement une orchestration disciplinée de techniques connues adaptées au contexte IA-générative.

## GrapheDeConnaissance

- Soufiane Keli —travaille_chez→ OCTO Technology (ORGANISATION, 0.98)
- Soufiane Keli —publie→ approche spec-driven IA (METHODOLOGIE, 0.98)
- approche spec-driven IA —permet→ 100% code généré par IA (CONCEPT, 0.92)
- approche spec-driven IA —utilise→ onboarding quotidien LLM (CONCEPT, 0.95)
- approche spec-driven IA —utilise→ tâches atomiques (CONCEPT, 0.97)
- approche spec-driven IA —utilise→ capitalisation continue (CONCEPT, 0.93)
- Loïc Lefloch —soutient→ approche spec-driven IA (METHODOLOGIE, 0.95)
- Simon Belbeoch —soutient→ approche spec-driven IA (METHODOLOGIE, 0.95)
- approche spec-driven IA —s_applique_à→ environnement brownfield (CONCEPT, 0.93)
- tâches atomiques —améliore→ vélocité et qualité (CONCEPT, 0.9)
- Definition of Done —fait_partie_de→ prompt structuré (CONCEPT, 0.92)
- Yves Caseau —soutient→ approche spec-driven IA (METHODOLOGIE, 0.85)
- Yves Caseau —travaille_chez→ Michelin (ORGANISATION, 0.97)

---
Canonical: https://www.thekb.eu/en/fiches/keli-ia-generative-code-100-percent-approche-2025-11-05/