Work With IA After 8 month

Six mois avec l’IA : entre passion, frustration et puissance décuplée

Quand j’ai commencé à utiliser l’IA de manière intensive, j’ai eu une sensation assez étrange : je me suis pris de passion pour cet ami imaginaire capable de faire certaines choses mieux que moi, plus vite que moi, mais pas toujours avec autant de recul.

Au début, c’est grisant. Puis, très vite, c’est frustrant.

Frustrant parce que l’IA va vite, très vite. Elle propose, elle génère, elle corrige, elle documente. Mais elle ne comprend pas toujours le contexte réel, les contraintes cachées, l’historique d’un système ou les petites subtilités qui font qu’une solution théoriquement correcte peut devenir dangereuse en production.

Après environ six mois de travail quotidien avec l’IA, j’ai compris quelque chose d’important : pour l’instant, nous sommes complémentaires.

Je dis bien pour l’instant, parce que je ne suis pas certain que cette complicité restera la même dans le futur. Quand on voit les projets de personnes comme Yann LeCun, qui cherchent à donner aux machines une forme de raisonnement plus profond, on a presque l’impression que l’histoire n’a même pas encore réellement commencé. Et pourtant, tout va déjà très vite.

L’IA DANS MON MÉTIER DE DBA CLOUD ET INFRASTRUCTURE

Dans mon travail, je suis DBA et je travaille principalement dans le cloud, avec encore une partie on-premise. Mon rôle m’oblige à passer constamment d’un sujet à un autre : bases de données, réseau, OS, design applicatif, sécurité, automatisation, pipelines DevOps, scripting, monitoring, troubleshooting.

Un DBA moderne ne peut plus se limiter à faire du SQL. Il doit comprendre l’écosystème complet autour de la base de données.

Avec l’arrivée massive de l’automatisation, ce rôle s’élargit encore. Il faut toucher à de nouveaux langages, parfois revenir sur d’anciens, comprendre les outils cloud, industrialiser les déploiements, fiabiliser les processus et maintenir une cohérence entre des environnements de plus en plus complexes.

Personnellement, je suis devenu très à l’aise en PowerShell pour automatiser des tâches dans Azure. J’utilise aussi Python selon les besoins. Aujourd’hui, je crée mes propres applications, mes propres modules et mes propres outils pour gérer plusieurs milliers de bases de données en production.

Dans mon cas, on parle de plus de 4000 bases de données.

Avec Azure Batch, Azure DevOps, des pipelines bien conçus et une bonne stratégie d’automatisation, on peut arriver à une précision presque chirurgicale. On peut orchestrer des traitements, gérer des exports, automatiser des backups, standardiser des déploiements, surveiller des erreurs, relancer intelligemment certains processus et produire des rapports exploitables.

Mais tout cela demande une chose essentielle : de la rigueur.

LE VERSIONING EST DEVENU VITAL

Un point que je considère aujourd’hui comme fondamental, c’est le versioning.

Quand Microsoft, Oracle, Amazon ou d’autres changent quelque chose, même légèrement, cela peut mettre en péril la stabilité d’un système si tout n’est pas maîtrisé.

Une version de module, une version de package, une version de script, une version de pipeline : tout doit être clair, traçable et reproductible.

Sans versioning, on court après les problèmes. Avec du versioning, on peut comprendre, comparer, revenir en arrière et sécuriser les changements.

C’est encore plus vrai quand on commence à travailler avec l’IA, parce qu’elle peut produire beaucoup de code très rapidement. Si on ne structure pas ce qu’elle génère, on finit vite avec du chaos très bien présenté.

L’IMPORTANCE DES INSTRUCTION FILES ET DES AGENTS

Ce qui a vraiment changé mon expérience avec l’IA, ce n’est pas seulement de poser des questions à un chatbot. C’est d’apprendre à structurer le contexte.

J’utilise des fichiers d’instructions qui définissent le contexte de travail pour mes sessions IA :

• conventions de nommage ;
• structure de fichiers ;
• règles de gestion d’erreurs ;
• standards de commentaires ;
• bonnes pratiques internes ;
• logique de mon entreprise ;
• tags ;
• pipelines ;
• modules ;
• architecture projet.

J’ai aussi commencé à travailler avec une logique d’agents spécialisés.

Par exemple :

• un agent orienté PowerShell ;
• un agent pour la documentation ;
• un expert SQL ;
• un expert MSSQL ;
• un expert Oracle ;
• un agent pour les exports ;
• un agent pour la structure des projets ;
• un agent pour le troubleshooting.

Au-dessus de cela, j’utilise une sorte d’agent orchestrateur qui choisit le bon expert selon le sujet.

C’est là que l’expérience devient vraiment puissante. On ne demande plus simplement à l’IA : “écris-moi un script”. On lui donne un cadre, des règles, un historique, une manière de penser, des erreurs à éviter et des standards à respecter.

Et là, la qualité change complètement.

LES FICHIERS D’ERREURS : UNE MÉMOIRE TECHNIQUE TRÈS PRÉCIEUSE

Un des points les plus intéressants dans mon approche concerne la gestion des erreurs.

Quand l’IA se trompe, je ne veux pas seulement corriger le résultat final. Je veux aussi éviter qu’elle refasse la même erreur lors de la prochaine génération.

Pour cela, j’utilise des fichiers Markdown dédiés aux erreurs connues, aux pièges déjà rencontrés et aux corrections à appliquer.

Ces fichiers deviennent une sorte de mémoire technique. Ils permettent à l’IA de connaître les erreurs passées et de mieux respecter mes contraintes à l’avenir.

C’est particulièrement utile dans les scripts d’automatisation, où une petite erreur de scope PowerShell, de paramètre oublié, de naming, de chemin ou de logique de retry peut avoir des conséquences importantes.

Avec cette méthode, l’IA ne devient pas parfaite, mais elle devient beaucoup plus utile. Elle progresse avec mon contexte.

UNE IMPRESSION DE GÉRER UNE PETITE ÉQUIPE

Aujourd’hui, quand tout est bien structuré, j’ai parfois l’impression de gérer une équipe de plusieurs dizaines de personnes.

Pas dans le sens où l’IA remplace réellement une équipe humaine. Mais dans le sens où je peux solliciter rapidement plusieurs “profils” :

• un développeur PowerShell ;
• un rédacteur technique ;
• un analyste SQL ;
• un reviewer ;
• un spécialiste documentation ;
• un assistant DevOps ;
• un expert troubleshooting.

C’est assez magique.

Mais cette magie fonctionne seulement si je reste aux commandes.

L’IA accélère énormément les choses, mais elle a besoin d’un pilote. Elle peut générer vite, mais elle ne sait pas toujours ce qui est acceptable dans un contexte de production. Elle peut proposer une solution élégante, mais pas forcément adaptée à l’historique d’une infrastructure. Elle peut donner une réponse convaincante, mais fausse ou incomplète.

C’est là que l’expérience humaine reste essentielle.

UNE EXPÉRIENCE DEVENUE POSITIVE

Après six mois d’apprentissage intensif, de tests, de frustrations et d’ajustements, mon expérience avec l’IA est devenue très positive.

Je ne la vois plus comme un simple outil de génération de texte ou de code. Je la vois comme un accélérateur de réflexion, de documentation, d’automatisation et de structuration.

Elle m’aide à aller plus vite, à explorer plus d’options, à mieux documenter, à standardiser mes pratiques et à produire des outils plus solides.

Mais elle m’oblige aussi à être plus rigoureux :

• plus clair dans mes instructions ;
• plus structuré dans mes projets ;
• plus attentif au versioning ;
• plus précis dans mes règles ;
• plus critique dans mes validations.

Finalement, l’IA ne remplace pas mon métier. Elle augmente fortement ma capacité à l’exercer.

ET DEMAIN ?

Je reste positif, mais aussi prudent.

L’évolution est tellement rapide qu’il est difficile de prévoir où nous serons dans deux ou trois ans. Si les machines commencent réellement à raisonner de manière plus profonde, la relation entre l’humain et l’IA pourrait changer très vite.

Aujourd’hui, je me sens complémentaire avec l’IA.

Demain, je ne sais pas.

Mais une chose est sûre : l’histoire ne fait que commencer.

Et pour ceux qui acceptent d’apprendre à travailler avec ces outils, pas seulement les utiliser superficiellement, le potentiel est énorme.

Pour un DBA, un ingénieur infrastructure, un développeur ou toute personne qui doit naviguer entre plusieurs technologies, l’IA est déjà un outil remarquable.

Pas parfait. Pas magique sans méthode. Pas sans risque.

Mais bien utilisée, avec du contexte, des règles, du versioning et une vraie supervision humaine, elle devient un levier impressionnant.

Après six mois, je peux le dire clairement : malgré les frustrations du début, je ne reviendrais pas en arrière.