[BBL] AI Native Development: From Random Prompting to Systematic Engineering

(en français)

La plupart des équipes se heurtent à un mur lorsqu'elles tentent de faire évoluer des agents de coding basés sur l'IA au-delà des démonstrations ou des hackathons. La raison ? Le chaos du contexte. Je vais vous montrer comment l'Agent Package Manager (APM) transforme le contexte en paquets réutilisables – afin que votre équipe puisse construire, réutiliser, versionner et distribuer des instructions qui aident à faire évoluer les agents de codage vers de grands projets d'entreprise. Sur cette base, nous apprendrons à construire des flux de travail (Workflows) Agentiques fiables qui peuvent être mis en œuvre dans l'Intégration et le Déploiement Continus (CI/CD). Vous repartirez avec l'outil open source APM et un guide pratique pour rendre les agents IA prêts pour la production dans votre Cycle de Vie de Développement Logiciel (SDLC).

Most teams hit a wall when scaling AI coding agents beyond hackathon demos. The reason? Context chaos. I’ll show you how Agent Package Manager (APM) turns context into reusable packages - so your team can build, reuse, version and distribute instructions that help scale Coding Agents to large Enterprise projects. On this foundation, we will learn how to build reliable Agentic Workflows that can be put to work in CI/CD. You’ll leave with the open-source APM tool and a playbook to make AI agents production-ready in your SDLC.

Daniel Meppiel. Microsoft Software Global Black Belt and former Customer Architect at GitHub, I help enterprises scale AI-native development and lead the Agentic DevOps transformation.