BHV a adapté un livre sur Python et ChatGPT : de l'architecture au CI/CD et à l'intégration matérielle

La maison d'édition BHV a publié une adaptation russe du livre Modern Python Programming using ChatGPT — un guide pratique du développement Python avec un assistant IA. L'accent ne porte pas sur ChatGPT lui-même, mais sur l'approche : comment utiliser l'IA tout au long du cycle complet de création de produit sans perdre le contrôle de l'architecture, de la qualité du code et des contraintes d'ingénierie.

Pas Question de Prompts

Le livre a grandi à partir de l'original qui, selon l'éditeur, portait lui-même des traces de travail actif de LLM : des répétitions, du remplissage inutile et un style trop poli mais difficile à lire.

C'est pourquoi l'édition russe ne s'est pas limitée à une traduction littérale. Le texte a été réédité, les artefacts typiques des générations antérieures ont été supprimés et la terminologie a été unifiée pour que le matériel soit perçu comme un manuel technique normal plutôt que comme un long journal de conversation avec un bot.

"Nous n'avons pas fait qu'une traduction.

Nous avons restructuré la formulation des phrases et supprimé le remplissage inutile."

L'idée principale du livre est aussi plus large que ce que promet le mot ChatGPT sur la couverture. L'auteur ne montre pas une collection d'invites intelligentes, mais une méthodologie fonctionnelle : comment intégrer l'IA dans différentes étapes du SDLC sans transformer le développement en une copie aveugle des réponses du modèle.

Dans le livre, l'assistant IA aide à formuler des OKRs et des objectifs SMART, à rassembler les exigences, à concevoir l'architecture selon les principes SOLID, à écrire et refactoriser le code, à préparer les tests, à accompagner les pull requests et même à atteindre la surveillance dans Grafana Cloud.

• Rassemblement des exigences, OKRs et scénarios utilisateur
• Conception de l'architecture et principes SOLID
• Génération de code, refactorisation et débogage du code Python
• Tests, CI/CD, processus de PR et surveillance

Cas d'Ingénierie Transversal

Au lieu d'exercices abstraits, l'auteur construit le livre autour d'un seul projet — l'USB T-Shirt Launcher. C'est une tourelle avec une caméra sur Raspberry Pi qui reconnaît les visages, les maintient centrés dans le cadre et peut diriger le lanceur vers le bon point.

Cela ressemble à un projet DIY plaisantin, mais pour le livre c'est un choix judicieux : en un cas, la vision par ordinateur, le contrôle USB, les contraintes de ressources, la simulation matérielle et les erreurs réelles qui ne peuvent pas être vues dans des exemples simplifiés se rejoignent.

Il est particulièrement utile que le cas soit analysé non seulement au niveau du "voici le code, insérez et exécutez". D'abord, les exigences sont formulées : reconnaissance des visages, suivi des cibles, sécurité des tirs, résilience aux pannes, testabilité et fonctionnement sans appareil réel.

Ensuite, on demande à ChatGPT de concevoir l'architecture en tenant compte des modèles et du matériel faible. En réponse, le modèle propose un schéma avec une abstraction Launcher, des implémentations pour un appareil USB et un simulateur, une usine pour la sélection du mode et un contrôleur qui fonctionne par injection de dépendances.

Cela rend le code plus flexible et permet un débogage normal sans tourelle physique sur le bureau.

Où l'IA est Utile

La partie la plus forte du matériel ne se trouve pas où le modèle écrit pour le développeur, mais où il aide à décomposer la tâche en contraintes d'ingénierie. La tourelle n'a pas d'encodeurs, donc le programme ne connaît pas sa position de départ. La caméra et le Raspberry Pi sont montés imparfaitement, ce qui provoque un tremblement de l'image. OpenCV doit s'exécuter sur Raspberry Pi 3, ce qui signifie que les algorithmes lourds de prédiction de mouvement atteindront rapidement les limites de performance. De plus, la cible elle-même se déplace et les moteurs ont des butées physiques.

Dans ce contexte, une bonne invite s'avère plus importante que la magie. Après une description détaillée des contraintes, ChatGPT propose un simple algorithme de suivi : prendre l'image du visage d'OpenCV, calculer son centre, le comparer avec le centre du cadre et ajuster la rotation et l'inclinaison par petites étapes.

De plus, le modèle ajoute des détails d'ingénierie utiles — un thread séparé pour le contrôle, des intervalles entre les commandes et une structure qui ne fait pas trembler les servomoteurs trop fréquemment.

Selon l'estimation de l'éditeur, un tel cadre économise des jours, parfois même des semaines de travail, bien que la version finale doive encore être finalisée : ajout de la gestion multi-visages, d'un contrôle plus fluide et de mécanismes de sécurité.

Ce Que Cela Signifie

L'histoire de ce livre démontre bien comment l'attitude envers les outils IA en développement change. Le marché s'éloigne progressivement de l'enthousiasme du style "le modèle va maintenant tout écrire" vers un scénario plus mature où l'IA accélère les croquis architecturaux, le prototypage et le travail de routine, mais ne remplace pas la réflexion critique de l'ingénieur.

Pour les développeurs Python, la valeur ici ne réside pas dans la marque ChatGPT, mais dans un processus reproductible qui peut être transféré à d'autres assistants IA disponibles en Russie.