Ce cours s'articule autour des workflows de niveau production avec Claude Code et aide les développeurs à passer d'une dépendance à la génération de code par IA à une maîtrise méthodique et rythmée des outils de programmation par IA. Le cours commence par le fonctionnement des grands modèles de langage et la gestion de la fenêtre de contexte, puis approfondit progressivement la boucle de planification, d'exécution et de nettoyage, la rédaction du fichier AGENTS.md et des compétences personnalisées, les plans multi-étapes et la méthode du projectile traçant, ainsi que la mise en place de boucles de rétroaction automatisées. Les apprenants pourront maîtriser des pratiques telles que les tests, les hooks de pré-commit et la refactorisation rouge-vert, et découvrir comment la boucle Ralph permet à Claude Code de fonctionner de manière autonome sur une liste de tâches GitHub Issues. Le cours propose une publication asynchrone et des sessions de questions-réponses en direct sur plusieurs fuseaux horaires ; après la fin du cours, tous les supports d'apprentissage restent accessibles pour une consultation répétée et une mise en pratique.

• 1.Introduction aux workflows de niveau production avec Claude Code
• 2.Principes de base du fonctionnement des grands modèles de langage
• 3.Pourquoi la fenêtre de contexte est importante
• 4.Gérer le contexte sans perdre le contrôle de la base de code
• 5.Établir un workflow de codage par IA correct
• 6.Utiliser Claude Code comme un outil professionnel et non comme une béquille
• 7.Éviter le code spaghetti chaotique
• 8.Explication de l'apprentissage asynchrone et des sessions de questions-réponses en direct
• 9.Conservation et recommandations d'utilisation du matériel d'apprentissage

• 10.Explication détaillée du cycle planification/exécution/nettoyage
• 11.Maintenir Claude Code dans un état de performance optimal
• 12.Rédiger le fichier AGENTS.md
• 13.Compétences personnalisées pour guider la sortie
• 14.Stratégies de prompt sans gaspillage de tokens
• 15.Exercice pratique du flux de travail principal
• 16.Erreurs courantes dans le flux de travail et corrections
• 17.Entraînement à la maîtrise de la base de code
• 18.Bilan et optimisation par étapes

• 19.Méthode d'élaboration d'un plan multi-étapes
• 20.Idée centrale de la méthode du traceur
• 21.Traitement à une échelle dépassant une seule session d'agent intelligent
• 22.Pratique de décomposition et de planification de grandes fonctionnalités
• 23.Contrôle de l'avancement pendant l'exécution
• 24.Maintien du contexte dans le développement de grandes fonctionnalités
• 25.Livraison et validation par étapes
• 26.Décisions et ajustements dans des scénarios complexes
• 27.Cas complet de planification de grandes fonctionnalités

• 28.Mettre en place une boucle de retour automatisée
• 29.Développement piloté par les tests et collaboration avec l'IA
• 31.Configuration et utilisation des hooks de pré-commit
• 32.Méthode pratique de refactorisation rouge-vert
• 33.Capturer les erreurs avant qu'elles ne s'accumulent
• 34.Tests automatisés et intégration continue
• 35.Optimisation de l'efficacité de la boucle de retour
• 36.Pratique complète du retour automatisé

• 37.Principes de la boucle Ralph et cas d'usage
• 38.Exécution sur une liste de tâches GitHub Issues
• 39.Laisser Claude Code traiter les tâches de manière autonome
• 40.Limites de sécurité et surveillance de l'exécution autonome
• 41.Configuration pratique de la boucle Ralph
• 42.Vérification et fusion des résultats de l'exécution autonome
• 43.Contrôle de la qualité du code de niveau production
• 44.Enchaînement complet du flux de travail et récapitulatif
• 45.Apprentissage continu et recommandations de ressources

💡 Conseil d'apprentissage :Le contenu du tutoriel est basé sur les pratiques du secteur au moment de la publication ; il est recommandé de le combiner avec les dernières règles de la plateforme actuelle lors de l'apprentissage.