Cartographier un codebase
Avant de demander à l’IA d’intervenir dans un projet, il faut comprendre où regarder. Dans cette rencontre, on apprend à repérer les fichiers, responsabilités et risques importants sans lire tout le codebase.
🗺️ Pourquoi cartographier?
Voici une demande fréquente :
Ajoute cette fonctionnalité dans le projet.Le problème : l’IA peut répondre vite, mais pas nécessairement au bon endroit.
Sans cartographie, elle risque de :
- viser un fichier secondaire;
- ignorer l’architecture existante;
- dupliquer une logique déjà présente;
- proposer une solution difficile à réviser.
🔍 Ce qu’on cherche
Cartographier un codebase, ce n’est pas tout lire.
C’est repérer :
- le point d’entrée probable;
- les fichiers liés;
- les responsabilités principales;
- les dépendances importantes;
- les endroits à traiter avec prudence.
La bonne question n’est pas de comprendre tout le projet. La bonne question est de comprendre assez pour agir sans deviner.
🤖 Demander une carte de travail
On peut demander à l’IA de produire une première carte.
Aide-moi à identifier les fichiers probablement concernés par cette fonctionnalité.
Pour chaque fichier, indique :
- son rôle probable;
- pourquoi il pourrait être concerné;
- ce qu’il faudrait vérifier.✅ Lire la réponse sans tout croire
Une réponse utile doit rester une hypothèse de travail.
L’IA devrait proposer quelques zones probables, expliquer pourquoi elles sont pertinentes, puis nommer ce qu’il faut vérifier.
À observer :
- les fichiers proposés;
- les hypothèses de l’IA;
- les zones d’incertitude;
- les fichiers à ouvrir ensuite.
Une cartographie n’est pas une preuve. C’est une hypothèse de travail à vérifier.
🧪 À essayer
On veut faire ce changement :
Ajouter un message d’erreur personnalisé quand le formulaire est invalide.Avant de passer à l’action, produis :
- une liste de zones probablement concernées;
- le rôle supposé de chaque zone;
- une question de clarification;
- un risque si on fonce directement.
🔩 Récapitulatif
- Cartographier, ce n’est pas lire tout le projet.
- L’objectif est de réduire les hypothèses.
- L’IA peut aider à cartographier, mais il faut vérifier.
- Une bonne cartographie rend les changements plus petits et plus révisables.
🚀 Pour aller plus loin
- Essentiel : retrouver la zone probable.
- Consolidation : lire les dépendances liées.
- Défi : comparer une lecture manuelle avec un outil de cartographie.
Références pédagogiques
- Module :
MIC-MAP-001 - Compétences :
CMP-MAP-001,CMP-EVA-001 - Source :
project/current/cours-ia-avance/modules/MIC-MAP-001-cartographier-codebase.md - Portée : notion transversale
- Exemple principal actuel : GitHub Copilot
- Statut : module pilote publié