PRAISE part d’un constat difficile à ignorer : au premier trimestre 2026, 69,3 % des offres américaines en développement logiciel publiées sur Indeed ciblaient des profils seniors, contre 4,5 % pour les profils débutants. Dans ce contexte, l’apprentissage de l’IA ne peut plus reposer uniquement sur des formations théoriques ou des démonstrations d’outils.
Annoncé par Satya Nadella, le programme PRAISE de Microsoft, développé avec l’Université Carnegie Mellon, associe des ingénieurs en début de carrière à des mentors seniors. Son objectif est d’apprendre à construire des logiciels avec l’IA, mais aussi à vérifier, corriger et sécuriser ce que les outils génèrent.
Pour une entreprise, l’intérêt de cette approche dépasse le seul perfectionnement technique. Elle fournit un cadre pour transformer l’IA en compétence collective, sans abandonner les juniors face à des outils dont la productivité dépend fortement de leur capacité à juger les résultats.
PRAISE répond à la pénurie d’occasions pour les profils juniors
L’enjeu principal n’est pas seulement de savoir utiliser un assistant de code. Il consiste à créer des situations de travail dans lesquelles un débutant peut progresser sur de vrais problèmes, avec un accompagnement adapté.
Selon les données Indeed citées en novembre 2026, 69,3 % des offres américaines en développement logiciel visaient des candidats seniors au premier trimestre de l’année. Les postes débutants représentaient 4,5 % des annonces. Le déséquilibre réduit mécaniquement les occasions d’acquérir une première expérience professionnelle.
Cette évolution crée une difficulté particulière pour les entreprises. Les recruteurs recherchent des ingénieurs capables d’utiliser l’IA, mais les développeurs juniors disposent de moins de contextes pour apprendre cette nouvelle manière de travailler. Sans dispositif interne, l’entreprise risque donc de réserver les projets utilisant l’IA aux collaborateurs déjà expérimentés.
PRAISE apporte une réponse structurée à cette tension. Le programme associe des ingénieurs en début de carrière et des mentors seniors afin de faire progresser les premiers dans un environnement où l’IA participe directement au développement logiciel.
À retenir : Former des juniors à l’IA exige un accès à des projets réels, un mentorat régulier et une évaluation du code produit, pas seulement une présentation des fonctionnalités d’un outil.
Ce que PRAISE change dans la formation au développement assisté par l’IA
Le programme déplace le centre de gravité de la formation : l’objectif n’est plus seulement d’écrire du code, mais de piloter un système capable d’en générer une partie.
Satya Nadella a résumé cette évolution en expliquant que la génération de code est devenue moins difficile, tandis que sa vérification est devenue plus exigeante. Cette distinction est essentielle pour concevoir un parcours de formation utile.
Un ingénieur débutant doit désormais apprendre à :
- formuler une demande exploitable pour un modèle d’IA ;
- fournir au modèle le contexte technique pertinent ;
- examiner la cohérence du code généré ;
- repérer les erreurs fonctionnelles et les failles de sécurité ;
- écrire des tests avant d’intégrer une modification ;
- documenter les choix effectués avec l’assistance de l’IA ;
- savoir quand interrompre la génération et reprendre le raisonnement manuellement.
Cette approche évite une confusion fréquente : produire davantage de lignes de code ne signifie pas automatiquement développer plus vite. Le gain dépend de la qualité des spécifications, de la capacité à contrôler les sorties et du temps consacré aux tests.
Le rôle du mentor est donc différent de celui d’un simple formateur. Il ne se contente pas de montrer une commande ou une extension. Il aide le junior à comprendre pourquoi une proposition générée est acceptable, incomplète ou dangereuse.
Comment transposer le modèle PRAISE dans votre entreprise
Une adaptation efficace commence par un périmètre limité, mesurable et compatible avec le niveau des participants.
1. Sélectionner un projet d’apprentissage concret
Le premier projet doit être suffisamment réel pour produire des contraintes authentiques, mais assez circonscrit pour rester maîtrisable. Une fonctionnalité interne, un service d’API limité ou un outil d’automatisation peuvent constituer de bons terrains d’exercice.
Le projet doit comporter un objectif observable : réduire le temps d’une opération, ajouter une fonctionnalité, corriger une série de défauts ou améliorer la couverture de tests. Une consigne vague comme « apprendre l’IA » ne permet ni de guider les participants ni de mesurer leurs progrès.
Le périmètre doit aussi préciser les données autorisées, les environnements accessibles et les règles de revue. Les équipes ne doivent pas déposer de secrets, de données personnelles ou de code confidentiel dans un outil dont les conditions d’utilisation ne sont pas validées par l’entreprise.
2. Former un binôme junior-senior
Le mentor senior doit être choisi pour sa capacité à expliquer et à relire, pas uniquement pour son expertise technique. La mission consiste à rendre visibles les étapes de raisonnement qui restent souvent implicites dans un projet logiciel.
Le binôme peut fonctionner avec une répartition claire : le junior prépare la demande, produit une première implémentation et rédige les tests ; le mentor questionne les hypothèses, examine les risques et accompagne la revue. Le senior ne doit pas reprendre systématiquement le travail à la place du junior.
Une séance courte et régulière est préférable à une intervention ponctuelle. Chaque rencontre peut porter sur une modification précise, un échec de test, une décision d’architecture ou une sortie d’IA difficile à interpréter.
3. Définir les compétences à observer
La progression doit être évaluée sur le processus complet, et non sur la seule vitesse d’écriture. Une grille interne peut mesurer la capacité à décrire un problème, à vérifier une réponse et à justifier une décision.
Les critères peuvent inclure :
- la précision de la spécification technique ;
- la qualité du contexte transmis à l’outil ;
- la couverture et la pertinence des tests ;
- la détection des erreurs introduites par l’IA ;
- la compréhension des dépendances utilisées ;
- la qualité de la documentation ;
- l’autonomie lors de la revue de code ;
- la capacité à expliquer les limites de la solution.
Cette grille permet de distinguer deux profils souvent confondus : celui qui obtient rapidement une réponse d’un outil et celui qui sait déterminer si cette réponse mérite d’être intégrée.
Le parcours pédagogique à mettre en place sur six semaines
Un format court facilite le lancement et fournit un cadre suffisamment long pour observer une progression. Le calendrier ci-dessous transpose les principes du mentorat PRAISE à une équipe de développement.
| Période | Objectif | Production attendue |
|---|---|---|
| Semaine 1 | Comprendre les règles d’usage et le projet | Périmètre, risques et critères de réussite |
| Semaine 2 | Décomposer le problème avec l’IA | Spécification technique et plan de tests |
| Semaine 3 | Générer une première implémentation | Code relu et tests exécutables |
| Semaine 4 | Vérifier et corriger les sorties | Rapport d’anomalies et corrections justifiées |
| Semaine 5 | Améliorer la robustesse | Tests supplémentaires et documentation |
| Semaine 6 | Présenter les résultats | Démonstration, retour du mentor et plan d’autonomie |
Semaine 1 : règles, contexte et limites
La première étape doit expliquer ce que l’outil peut recevoir et ce qu’il est interdit de lui transmettre. Les participants doivent également savoir quelle version du code fait foi, qui valide une modification et comment signaler une réponse douteuse.
Cette séance est l’occasion d’introduire la notion de hallucination, c’est-à-dire une réponse formulée avec assurance mais dépourvue de fondement fiable. Dans le développement logiciel, elle peut prendre la forme d’une fonction inexistante, d’une option de configuration erronée ou d’une dépendance mal comprise.
Semaines 2 et 3 : demander, générer, tester
Le junior commence par produire une description du problème avant d’utiliser l’outil. La demande doit préciser le langage, les contraintes, les entrées attendues, les erreurs à gérer et les tests déjà disponibles.
La génération s’effectue par étapes. Demander d’abord une proposition d’architecture, puis une fonction isolée et enfin les tests facilite la revue. Cette méthode donne au mentor plusieurs points de contrôle et évite de transformer une demande complexe en bloc de code difficile à comprendre.
Le code généré ne doit pas être fusionné directement. Il doit passer par les contrôles habituels de l’équipe : exécution locale, tests automatisés, analyse statique et revue par un autre développeur lorsque le niveau de risque le justifie.
Semaines 4 et 5 : apprendre à vérifier
La vérification constitue le cœur du parcours. Le junior doit rechercher les cas limites, tester les entrées inattendues et comparer le comportement du code avec la spécification initiale.
Le mentor peut volontairement demander une seconde solution ou introduire un scénario que le modèle n’a pas traité. L’objectif n’est pas de prendre l’outil en défaut, mais de montrer que la première réponse n’est qu’une hypothèse de travail.
Les participants doivent également vérifier les bibliothèques proposées, les licences applicables et les pratiques de sécurité. Une sortie techniquement valide peut rester inadaptée si elle expose des données, contourne un contrôle d’accès ou introduit une dépendance non autorisée.
Semaine 6 : expliquer les décisions
La restitution finale doit évaluer la compréhension, pas la capacité à présenter une démonstration parfaite. Le junior explique quelles tâches ont été confiées à l’IA, quelles réponses ont été rejetées et comment les tests ont confirmé la solution retenue.
Cette présentation permet de repérer les progrès réels. Un participant autonome n’est pas celui qui utilise l’IA pour chaque ligne, mais celui qui sait lui déléguer une tâche appropriée, contrôler le résultat et reprendre la main lorsque le contexte l’exige.
Comparer PRAISE avec une formation classique aux outils d’IA
Toutes les formations ne répondent pas au même besoin. Une démonstration peut accélérer la découverte d’un outil, tandis qu’un programme de mentorat vise l’acquisition durable de pratiques professionnelles.
| Format | Public adapté | Point fort | Limite principale |
|---|---|---|---|
| Démonstration d’outil | Toute l’équipe | Découverte rapide des usages | Peu de transfert vers les projets réels |
| Atelier pratique | Développeurs avec un projet identifié | Mise en application immédiate | Demande une préparation technique |
| Formation individuelle | Collaborateurs autonomes | Progression personnalisée | Ne crée pas forcément de pratiques communes |
| Mentorat inspiré de PRAISE | Juniors accompagnés par des seniors | Apprentissage par la revue et la pratique | Mobilise durablement les mentors |
| Communauté interne | Équipes utilisant déjà l’IA | Partage des méthodes et des erreurs | Fonctionne mal sans animation régulière |
Le modèle inspiré de PRAISE est particulièrement adapté lorsque l’entreprise veut développer des compétences chez des collaborateurs en début de carrière. Il ne remplace pas les formations de base, notamment sur la sécurité, le développement logiciel ou la protection des données.
Il les prolonge par des situations dans lesquelles les participants doivent prendre des décisions. C’est cette répétition, accompagnée par un senior, qui transforme une fonctionnalité d’outil en compétence professionnelle.
Organiser le mentorat sans bloquer les équipes seniors
Le principal risque opérationnel est de demander aux mentors d’ajouter une mission permanente à un agenda déjà chargé. Le dispositif doit donc prévoir un investissement limité, planifié et reconnu par le management.
Quelques règles peuvent faciliter son déploiement :
- limiter le nombre de participants par mentor ;
- réserver un créneau fixe chaque semaine ;
- utiliser un projet dont le périmètre est défini à l’avance ;
- fournir une grille de revue commune ;
- documenter les questions récurrentes ;
- organiser une session collective pour les difficultés partagées ;
- reconnaître le mentorat dans les objectifs de l’équipe.
Le senior n’a pas besoin de répondre immédiatement à chaque question. Il peut demander au junior de produire une hypothèse, un test ou une comparaison avant la séance suivante. Cette méthode protège le temps du mentor tout en renforçant l’autonomie du participant.
La taille du groupe compte également. Un dispositif avec plusieurs juniors peut fonctionner si les exercices communs sont mutualisés et si chaque participant conserve un problème individuel à résoudre. La revue collective expose les différentes manières de contrôler une réponse générée.
À retenir : Le mentorat ne doit pas devenir un service de correction express. Sa valeur vient du raisonnement partagé, de la répétition et de la responsabilisation progressive du junior.
Mesurer les résultats au-delà du volume de code produit
Le nombre de lignes générées est un indicateur trompeur. Une équipe peut produire davantage de code tout en augmentant les défauts, la dette technique ou le temps consacré à la maintenance.
L’évaluation doit combiner plusieurs dimensions :
- délai entre la définition du besoin et une première version testable ;
- taux de tests réussis après revue ;
- nombre de défauts détectés avant mise en production ;
- part des modifications accompagnées d’une explication ;
- capacité du junior à identifier une réponse incorrecte ;
- temps nécessaire pour reprendre une tâche sans assistance directe ;
- satisfaction du mentor et du participant ;
- réutilisation des pratiques dans d’autres projets.
Ces indicateurs doivent être comparés sur des tâches de complexité comparable. Une mesure isolée peut donner une image fausse : une fonctionnalité très simple sera naturellement plus rapide qu’une modification touchant plusieurs services.
La sécurité doit également faire partie de l’évaluation. Une équipe formée à l’IA doit savoir repérer les secrets dans les invites, les accès trop larges, les dépendances non vérifiées et les données sensibles exposées dans des journaux.
Enfin, l’entreprise peut mesurer la progression de l’autonomie. Au début du programme, le mentor valide presque chaque étape. À la fin, le junior présente un plan, explique ses choix et sollicite une revue ciblée plutôt qu’une assistance générale.
Notre avis : PRAISE doit devenir un parcours de terrain, pas un catalogue de prompts
Le programme PRAISE de Microsoft est intéressant parce qu’il traite le problème le plus concret de l’IA dans le développement logiciel : la qualité du jugement humain autour du code généré. Son association avec l’Université Carnegie Mellon et son principe de binôme entre débutants et mentors seniors en font un modèle pertinent pour les entreprises qui veulent éviter une formation réduite à la découverte d’un assistant.
L’approche recommandée est claire : commencer par un projet limité, former des binômes, imposer une revue systématique et mesurer la capacité à vérifier les résultats. Les entreprises qui se contentent d’acheter un outil sans organiser cet accompagnement risquent de créer une dépendance aux réponses automatiques plutôt qu’une véritable montée en compétence.
Au cours des six prochains mois, les équipes qui auront intégré l’IA dans leurs parcours d’apprentissage pourront mieux distinguer trois niveaux de maturité : savoir lancer une génération, savoir contrôler une génération et savoir décider quand ne pas en utiliser. C’est sur ce dernier niveau que se jouera la valeur durable du mentorat.
La question n’est donc plus de savoir si les juniors doivent apprendre à coder avec l’IA, mais quelles responsabilités ils seront capables d’assumer après six semaines de pratique encadrée.