Refactor seed data by removing outdated rubrics and suggested questions, while adding new insights on alignment and quality usage, streamlining the evaluation framework for enhanced clarity and relevance.
All checks were successful
Deploy with Docker Compose / deploy (push) Successful in 2m11s
All checks were successful
Deploy with Docker Compose / deploy (push) Successful in 2m11s
This commit is contained in:
@@ -60,41 +60,22 @@ const SUGGESTED_QUESTIONS: Record<string, string[]> = {
|
||||
"Comment le quantifiez-vous (temps, qualité, vélocité) ?",
|
||||
"L'IA est-elle un levier stratégique pour l'équipe ?",
|
||||
],
|
||||
risks: [
|
||||
"Quelles précautions prenez-vous (sécurité, confidentialité, biais) ?",
|
||||
"Y a-t-il des règles partagées ou une doctrine ?",
|
||||
"Comment gérez-vous les risques liés aux données sensibles ?",
|
||||
],
|
||||
alignment: [
|
||||
"Comment vous assurez-vous que le code généré respecte vos standards ?",
|
||||
"Comment intégrez-vous les NFR (perf, sécurité, observabilité...) dans le contexte pour l'IA ?",
|
||||
"Avez-vous des garde-fous pour l'alignement archi ?",
|
||||
"Comment gérez-vous le rework quand l'IA sort du cadre ?",
|
||||
],
|
||||
code_quality: [
|
||||
"Quelle qualité de code attendez-vous des sorties IA ?",
|
||||
"Comment validez-vous la maintenabilité ?",
|
||||
"Avez-vous des exemples où le code généré était fragile ?",
|
||||
],
|
||||
quality_usage: [
|
||||
"Utilisez-vous l'IA pour les tests ? Comment ?",
|
||||
"Et pour la revue de code ou le refactoring ?",
|
||||
"L'IA est-elle un levier pour améliorer la qualité globale ?",
|
||||
],
|
||||
capitalization: [
|
||||
"Comment capitalisez-vous les prompts, rules, skills et bonnes pratiques ?",
|
||||
"Y a-t-il une base partagée (rules, skills, wiki) ?",
|
||||
"Comment partagez-vous les retours d'expérience ?",
|
||||
],
|
||||
learning: [
|
||||
"Comment l'IA vous aide-t-elle à monter en compétence ?",
|
||||
"Utilisez-vous l'IA pour comprendre des patterns ou concepts ?",
|
||||
"Évitez-vous la dépendance passive (copier-coller sans comprendre) ?",
|
||||
],
|
||||
measurement: [
|
||||
"Comment mesurez-vous l'usage et l'impact de l'IA ?",
|
||||
"Avez-vous des indicateurs ou du feedback utilisateur ?",
|
||||
"Comment pilotez-vous l'adoption et l'amélioration ?",
|
||||
],
|
||||
cost_control: [
|
||||
"Suivez-vous les coûts d'usage IA (tokens, API, abonnements) ?",
|
||||
"Avez-vous des budgets ou limites par équipe/projet ?",
|
||||
@@ -124,20 +105,12 @@ const RUBRICS: Record<string, string> = {
|
||||
"1:Statique — usage figé, pas de recherche ni d'expérimentation;2:Occasionnel — quelques essais ponctuels, pas de démarche structurée;3:Curieux — suit des sources (web, X, communautés), teste de temps en temps;4:Actif — teste régulièrement workflows et astuces, identifie ce qui améliore contexte/pertinence;5:Explorateur — veille continue, validation systématique, adoption des pratiques qui font la différence",
|
||||
impact:
|
||||
"1:Aucun — pas d'impact visible sur la delivery;2:Marginal — gain de temps perçu mais non quantifié;3:Accélération — vélocité accrue, moins de tâches répétitives;4:Gain mesurable — métriques (temps, qualité, vélocité) documentées;5:Levier clair — IA comme levier stratégique, pilotage de l'adoption, ROI démontré",
|
||||
risks:
|
||||
"1:Aucune — pas de considération des risques (sécurité, confidentialité, biais);2:Sensibilisation — conscience des risques, pas de processus formalisé;3:Bonnes pratiques — précautions appliquées (données, prompts, sanitization);4:Règles partagées — règles d'usage, checklist, validation des données;5:Doctrine — politique de sécurité IA, gouvernance, revue des risques",
|
||||
alignment:
|
||||
"1:Hors standards — code généré souvent non conforme, rework systématique;2:Rework lourd — modifications importantes nécessaires pour aligner;3:Cohérent — code généralement aligné, quelques ajustements;4:Aligné — prompts et garde-fous pour respecter standards et archi;5:Quasi conforme — sorties quasi conformes, validation automatisée possible",
|
||||
code_quality:
|
||||
"1:Peu maintenable — code fragile, difficile à faire évoluer;2:Correct fragile — fonctionne mais cas limites non gérés;3:Maintenable — code propre, testable, évolutif;4:Propre structuré — patterns respectés, séparation des responsabilités;5:Quasi senior — qualité équivalente à un code produit par un dev senior",
|
||||
quality_usage:
|
||||
"1:Rarement — utilisation peu fréquente pour la qualité;2:Tests simples — génération de tests unitaires basiques;3:Tests utiles — tests pertinents, couverture, refacto assistée;4:Refacto guidée — IA pour identifier du code à améliorer, suggérer des refactorings;5:Levier qualité — IA intégrée dans la boucle qualité (review, dette technique, standards)",
|
||||
capitalization:
|
||||
"1:None — pas de capitalisation, tout est dans la tête ou éparpillé;2:Informel — notes personnelles, partage oral;3:Bonnes pratiques — document informal, exemples partagés;4:Base prompts — bibliothèque de prompts, wiki interne;5:Wiki & REX — base documentée, retours d'expérience, amélioration continue",
|
||||
learning:
|
||||
"1:Dépendance — copier-coller sans comprendre, risque de régression;2:Apprentissage limité — utilisation pour débloquer mais compréhension superficielle;3:Compréhension — IA pour comprendre les concepts, valider sa compréhension;4:IA pour patterns — utilisation pour apprendre des patterns, architectures, bonnes pratiques;5:Accélérateur de progression — IA comme outil de montée en compétence structurée",
|
||||
measurement:
|
||||
"1:Aucun suivi — pas de mesure de l'usage ou de l'impact;2:Perception — sentiment d'impact, pas de données;3:Feedback — retours utilisateurs, observations qualitatives;4:Indicateurs simples — métriques d'usage (adoption, volume), premiers KPIs;5:Pilotage structuré — tableau de bord, suivi de l'adoption, pilotage de l'amélioration",
|
||||
cost_control:
|
||||
"1:Inconscient — pas de visibilité sur les coûts, usage sans limite;2:Aware — conscience des coûts, pas de suivi ni de budget;3:Suivi basique — métriques de consommation (tokens, API), pas d'alertes;4:Piloté — budgets par équipe/projet, alertes, arbitrage modèles/qualité;5:Optimisé — optimisation continue (contexte, batch, modèles), ROI coût documenté",
|
||||
};
|
||||
@@ -145,7 +118,7 @@ const RUBRICS: Record<string, string> = {
|
||||
const TEMPLATES_DATA = [
|
||||
{
|
||||
id: "full-15",
|
||||
name: "Full - 18 dimensions",
|
||||
name: "Full - 14 dimensions",
|
||||
dimensions: [
|
||||
{
|
||||
id: "tools",
|
||||
@@ -183,41 +156,21 @@ const TEMPLATES_DATA = [
|
||||
title: "Exploration & veille (workflows, astuces, pertinence)",
|
||||
rubric: RUBRICS.exploration,
|
||||
},
|
||||
{
|
||||
id: "risks",
|
||||
title: "Gestion risques & sécurité",
|
||||
rubric: RUBRICS.risks,
|
||||
},
|
||||
{
|
||||
id: "alignment",
|
||||
title: "Alignement archi & standards",
|
||||
rubric: RUBRICS.alignment,
|
||||
},
|
||||
{
|
||||
id: "code_quality",
|
||||
title: "Qualité du code généré",
|
||||
rubric: RUBRICS.code_quality,
|
||||
},
|
||||
{
|
||||
id: "quality_usage",
|
||||
title: "Usage pour la qualité (tests, review)",
|
||||
rubric: RUBRICS.quality_usage,
|
||||
},
|
||||
{
|
||||
id: "capitalization",
|
||||
title: "Capitalisation & partage",
|
||||
rubric: RUBRICS.capitalization,
|
||||
},
|
||||
{
|
||||
id: "learning",
|
||||
title: "Montée en compétence via IA",
|
||||
rubric: RUBRICS.learning,
|
||||
},
|
||||
{
|
||||
id: "measurement",
|
||||
title: "Mesure & pilotage",
|
||||
rubric: RUBRICS.measurement,
|
||||
},
|
||||
{
|
||||
id: "cost_control",
|
||||
title: "Maîtrise des coûts",
|
||||
@@ -268,6 +221,14 @@ async function main() {
|
||||
},
|
||||
});
|
||||
}
|
||||
// Supprime les dimensions retirées du template
|
||||
const currentSlugs = t.dimensions.map((d) => d.id);
|
||||
await prisma.templateDimension.deleteMany({
|
||||
where: {
|
||||
templateId: template.id,
|
||||
slug: { notIn: currentSlugs },
|
||||
},
|
||||
});
|
||||
}
|
||||
|
||||
// Bootstrap demo data uniquement si la DB est vide
|
||||
|
||||
Reference in New Issue
Block a user