Work With IA After 8 month/en

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

When I started using AI intensively, I had a rather strange feeling: I became fascinated by this imaginary friend capable of doing some things better than me, faster than me, but not always with as much perspective.

At first, it is exciting. Then, very quickly, it becomes frustrating.

Frustrating because AI moves fast, very fast. It suggests, it generates, it corrects, it documents. But it does not always understand the real context, the hidden constraints, the history of a system, or the small subtleties that can make a theoretically correct solution dangerous in production.

After about six months of working with AI every day, I understood something important: for now, we are complementary.

I really mean for now, because I am not sure this partnership will remain the same in the future. When we look at the work of people like Yann LeCun, who are trying to give machines a deeper form of reasoning, it almost feels like the story has not even really started yet. And yet, everything is already moving very fast.

AI IN MY WORK AS A CLOUD AND INFRASTRUCTURE DBA

In my work, I am a DBA and I mainly work in the cloud, with still a part of on-premise infrastructure. My role constantly requires me to move from one topic to another: databases, networking, operating systems, application design, security, automation, DevOps pipelines, scripting, monitoring, and troubleshooting.

A modern DBA can no longer limit themselves to writing SQL. They need to understand the complete ecosystem around the database.

With the massive rise of automation, this role is expanding even further. We need to work with new languages, sometimes return to older ones, understand cloud tools, industrialize deployments, make processes more reliable, and maintain consistency across increasingly complex environments.

Personally, I have become very comfortable with PowerShell to automate tasks in Azure. I also use Python when needed. Today, I create my own applications, modules, and tools to manage several thousand production databases.

In my case, we are talking about more than 4,000 databases.

With Azure Batch, Azure DevOps, well-designed pipelines, and a solid automation strategy, we can achieve almost surgical precision. We can orchestrate processes, manage exports, automate backups, standardize deployments, monitor errors, intelligently retry certain processes, and produce usable reports.

But all of this requires one essential thing: discipline.

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. </syntaxhighlight>