Cursor AI – Développement assisté par IA

- Historique et évolution de l'intelligence artificielle.
- Les différentes approches de l'IA : symbolique, connexionniste, apprentissage automatique.
- Impact de l'IA sur le développement logiciel : génération de code, refactoring, debugging assisté.
- Transformation du métier de développeur : nouveaux rôles (Prompt Engineer, AI Developer).
- Éthique et responsabilité : biais, transparence, impact social.

- Fonctionnement des grands modèles de langage (LLMs) : pré-entraînement, fine-tuning, alignement.
- Les tokens : unité de base, impact sur les coûts et la performance des APIs.
- Problèmes courants : hallucinations, biais, incohérence, manque de contexte.
- Prompt Engineering avancé : clarté, spécificité, structuration (rôle, contexte, tâche, contraintes).
- RAG (Retrieval-Augmented Generation) : principe, indexation de documents, avantages.
- La "créativité" de l'IA : recombinaison statistique vs invention réelle.
- Collecte et utilisation des données par les LLMs : confidentialité des échanges.

- Qu'est-ce que la Computer Vision ?
- Applications grand public et professionnelles.
- Processus de reconnaissance d'image par les modèles IA.
- Utilisation pratique dans le cadre du développement.

- Qu'est-ce que le Model Context Protocol (MCP) ?
- Comment MCP améliore les capacités de l'IA.
- Architecture et fonctionnement des serveurs MCP.
- Intégration d'un serveur MCP (ex : Playwright) directement dans Cursor AI.
- Cas d'usage : debug graphique, interaction navigateur, récupération des erreurs console.

- IA conversationnelle vs IA agentique : différences fondamentales.
- Caractéristiques d'un agent intelligent : planification, mémoire, action.
- Cycle de vie d'un agent IA.
- Risques et bonnes pratiques de supervision des agents.

- Installation et configuration initiale : migration depuis VS Code, connexion compte, choix du modèle IA (GPT-4, Claude, modèles locaux).
- Confidentialité – Privacy Mode : garantir qu'aucun fichier ne soit conservé sur les serveurs de Cursor.
- Confidentialité – Workspace Trust : contrôle de confiance sur les projets ouverts.
- Confidentialité – Indexation (embeddings) : comprendre ce qui est indexé, configurer .cursorignore et .cursorindexignore.
- Choix du modèle IA : manuel ou automatique selon la tâche.
- Contextes : @folder, @code, @Docs, @Git, @Web, @Cursor Rules.
- Les Rules : règles de projet (.mdc) et règles utilisateur – types Always, Auto Attached, Agent Requested, Manual.
- Context7 : documentation à jour directement injectée dans le contexte de l'IA.
- Auto-complétion (TAB), sélection de code (CMD+K), mode Chat (SHIFT+CMD+L).
- Auto-Run mode : risques et paramétrage de l'exécution automatique des commandes terminal.
- Validation du code généré : diff Git-like, validation locale et globale.
- Exercice fil rouge : création d'un module Drupal custom de A à Z avec Cursor AI.

- Infrastructure et besoins des IA grand public.
- Où et comment sont stockées les données des conversations et du code soumis.
- Durée de rétention, anonymisation, et droits des utilisateurs.
- Bonnes pratiques pour limiter l'exposition des données sensibles.

- Panorama des principales IA grand public et leurs éditeurs.
- Implications géopolitiques et enjeux de souveraineté numérique.
- Impact environnemental et consommation énergétique des modèles IA.
- Questions de propriété intellectuelle sur le code généré par l'IA.