Prompts pour un codage assisté par l’IA sécurisé

Vous construisez désormais des applications web manipulant des données financières sensibles et utilisez un guidage par les tests pour garantir la robustesse de votre code de validation des e-mails clients. Au lieu de demander au modèle d’écrire le code directement, vous allez d’abord définir des tests explicites et des cas limites, afin que le modèle génère un code qui les satisfait.

Cet exercice fait partie du cours

<cours>Coder avec l’aide de l’IA pour les développeurs</cours>

Voir le cours

Instructions de l’exercice

- Rédigez un prompt demandant au modèle d’implémenter une fonction Python qui valide les adresses e-mail au format « [email protected] », rejette les formats qui ne contiennent pas « @ » et lève une ValueError si l’entrée est vide.

Exercice interactif pratique

Transformez la théorie en action avec l’un de nos exercices interactifs

Commencer l’exercice

Cet exercice fait partie du cours

<cours>Coder avec l’aide de l’IA pour les développeurs</cours>

IntermédiaireNiveau de compétence

4.9+

803 reviews

Commencer le cours gratuitement

Découvrez comment les modèles d’IA améliorent le codage grâce à la complétion, au débogage et à la documentation. Maîtrisez les bases du prompt engineering et voyez comment le contexte rend les réponses de l’IA plus pertinentes. Ce chapitre pose les fondations pour utiliser l’IA comme assistant de codage pratique.

Exercise 1: Le paradigme du code assisté par l’IA Exercise 2: Faire correspondre les modèles d’IA aux tâches Exercise 3: Classer les charges de travail liées à l’IA Exercise 4: Notions de base du prompt engineering Exercise 5: Décoder des fonctions avec les bons prompts Exercise 6: Affiner les prompts pour des modifications de code Exercise 7: Ajouter du contexte pour des réponses d’IA plus pertinentes Exercise 8: Choisir le bon contexte pour les tâches de code Exercise 9: Améliorer le code par itérations de prompt

Apprenez à concevoir des prompts qui guident les modèles dans un raisonnement complexe, documentent efficacement le code et génèrent des implémentations pilotées par les tests. À la fin de ce chapitre, vous saurez créer des prompts qui améliorent à la fois la qualité du code généré et votre workflow de développement global.

Exercise 1: Ingénierie de prompts avancée pour l’assistance au code Exercise 2: Prompts pour un débogage efficace Exercise 3: Définitions de rôle efficaces Exercise 4: Documenter le code avec l’IA Exercise 5: Optimiser les prompts pour la documentation du code Exercise 6: Rédiger des messages de commit efficaces avec l’IA Exercise 7: Écrire des tests et sécuriser le code avec l’IA Exercise 8: Prompts pour un codage assisté par l’IA sécurisé

Exercice actuel

Exercise 9: Repérer les lacunes dans des tests générés par l’IA

Allez au-delà de la rédaction de prompts pour aborder les réalités pratiques de l’exécution de l’IA en production. Découvrez comment comparer et sélectionner des modèles selon les performances, le coût et l’adéquation à la tâche ; comment intégrer des garde‑fous pour garantir des résultats sûrs et conformes ; et comment optimiser les workflows pour gagner en efficacité sans compromettre la qualité.

Exercise 1: Choisir le meilleur outil d’IA pour la tâche Exercise 2: Comprendre le coût des assistants IA Exercise 3: Évaluer les compromis des modèles de raisonnement Exercise 4: Garde-fous pour un codage IA responsable Exercise 5: Garde-fous de sécurité et d’éthique pour un workflow d’IA Exercise 6: Appliquer des garde-fous de sécurité à un flux de travail IA Exercise 7: Optimiser l’IA pour la vitesse, le coût et la qualité Exercise 8: Stratégies efficaces pour maîtriser le coût d’un modèle Exercise 9: Équilibrer performances et coût des modèles Exercise 10: Félicitations !