Formation · Windsurf · Data engineering

Windsurf pour les data engineers

Développer avec l’IDE IA Windsurf et son agent Cascade : flows, memories, rules, workflows et usage sécurisé en équipe.

Durée
2 jours (14 h)
Format
En ligne ou en présentiel
Langue
Allemand ou anglais
Participants
sessions ouvertes ou intra-entreprise
Attestation
Attestation de participation

Présentation

« Windsurf pour les data engineers » est une formation pratique destinée notamment aux profils suivants : Data engineers et analytics engineers, Développeurs BI responsables de l’ETL et de l’entrepôt de données et Équipes plateforme lakehouse et streaming. Vous découvrez Windsurf non pas de façon abstraite, mais à travers des tâches de votre quotidien – avec des exemples, des exercices et des modèles issus du domaine Data engineering.

Windsurf est un environnement de développement dopé à l’IA, articulé autour de son agent Cascade. Cascade comprend la structure de votre projet, suit vos actions dans l’éditeur et le terminal, et collabore avec vous selon le principe des flows : vous et l’agent avancez à tour de rôle sur la même tâche, sans devoir réexpliquer sans cesse le contexte. En deux jours, vous apprenez à exploiter Cascade pour développer des fonctionnalités, corriger des bugs et refactorer, et à tirer parti de la complétion intelligente au quotidien.

Pour garantir des résultats cohérents en équipe, vous pilotez Cascade avec des rules globales et propres à l’espace de travail, capitalisez la connaissance du projet grâce aux memories et automatisez les tâches récurrentes avec des workflows lancés par commande slash. Vous connectez des outils externes via MCP, encadrez l’exécution des commandes du terminal et décidez des données accessibles à Cascade. Enfin, vous définissez des règles de revue, de sécurité et de protection des données pour un usage responsable de Windsurf en entreprise.

Les data engineers construisent et exploitent les pipelines sur lesquels reposent reporting, analytique et applications d’IA : ingestion depuis les systèmes sources, transformations avec dbt ou Spark, orchestration avec Airflow ou Dagster, qualité et gouvernance des données dans l’entrepôt ou le lakehouse. Le travail mêle SQL, Python, YAML et une connaissance fine des schémas et des dépendances. Les assistants et agents de codage IA l’accélèrent nettement : ils écrivent des modèles dbt avec tests et documentation, optimisent les requêtes lentes, créent des DAG Airflow, migrent des chaînes ETL historiques et expliquent un lignage complexe. Les données étant souvent sensibles, la gestion responsable des schémas, des jeux d’exemple et des identifiants est au cœur de cette formation.

La formation se déroule en direct – en ligne dans une classe virtuelle ou en présentiel dans nos salles à Munich, Salzbourg, Berlin, Augsbourg, Hanovre, Brême, Stuttgart et Kaiserslautern. Nous pouvons également l’organiser en intra pour votre équipe.

À qui s’adresse cette formation ?

  • Data engineers et analytics engineers
  • Développeurs BI responsables de l’ETL et de l’entrepôt de données
  • Équipes plateforme lakehouse et streaming
  • Développeurs chargés de moderniser des processus ETL historiques

Les défis concrets que nous traitons

  • Des chaînes ETL anciennes en procédures stockées ou outils propriétaires, sans tests
  • Des requêtes lentes et coûteuses et des jobs Spark peu efficaces
  • L’absence de contrôles de qualité et des responsabilités floues sur les jeux de données
  • Une documentation lacunaire des modèles de données, du lignage et des règles métier

Objectifs pédagogiques

  • Vous travaillez efficacement avec Cascade en mode flow pour développer, déboguer et refactorer.
  • Vous pilotez précisément le contexte de Windsurf tout en protégeant les contenus sensibles.
  • Vous entretenez des memories et des rules qui font respecter vos conventions de projet.
  • Vous automatisez les procédures récurrentes avec des workflows et connectez des outils externes via MCP.
  • Mobiliser efficacement des agents IA pour les modèles dbt, les pipelines et l’optimisation SQL.
  • Moderniser l’ETL historique avec l’IA et sécuriser les résultats par des tests de rapprochement.
  • Protéger les données sensibles en travaillant avec des schémas, des jeux d’exemple synthétiques et des droits d’accès minimaux.

Programme

Jour 1

Module 1 Découvrir Windsurf et Cascade
  • Installation, import des réglages d’éditeur existants et configuration de base
  • Cascade en mode code et en mode chat : quand l’agent modifie, quand il conseille
  • Le principe des flows : comment Cascade intègre vos actions dans l’éditeur et le terminal
  • Complétion intelligente et commandes en ligne au quotidien
Module 2 Piloter le contexte
  • Comprendre l’indexation du code et référencer fichiers ou répertoires pertinents
  • Intégrer documentation, sources web et sorties du terminal au contexte
  • Exclure les contenus sensibles grâce aux fichiers d’exclusion
  • Structurer les sessions et repartir de zéro lors d’un changement de sujet
Module 3 Memories et rules pour des résultats cohérents
  • Vérifier et entretenir les memories générées automatiquement ou créées manuellement
  • Créer et versionner des rules globales et d’espace de travail
  • Traduire consignes d’architecture, de style et de tests en rules efficaces
  • Activer les rules de façon ciblée selon les fichiers ou le contexte
Module 4 Workflows et automatisation
  • Définir les procédures récurrentes en workflows lancés par commande slash
  • Construire des workflows pour la préparation des releases, les tests ou la maintenance
  • Connecter des serveurs MCP pour les tickets, les bases de données ou les services internes
  • Encadrer l’exécution des commandes du terminal avec des listes d’autorisation et d’interdiction

Jour 2

Module 5 Qualité, revue et gouvernance
  • Suivre les modifications de Cascade, les accepter en partie ou les annuler
  • S’appuyer sur une approche pilotée par les tests et sur les aperçus pour vérifier
  • Paramètres d’équipe, options de confidentialité et gestion des secrets
  • Définir processus de revue et responsabilités pour le code généré par IA
Module 6 Atelier pratique : Data engineering
  • Modèles dbt avec tests
  • Optimiser les requêtes SQL
  • Pipelines Airflow et Dagster
  • Migrer l’ETL historique
  • Automatiser la qualité des données
  • Analyser les jobs Spark
Module 7 Protection des données, qualité & mise en pratique
  • Les prompts doivent contenir des schémas et des données synthétiques plutôt que des enregistrements personnels réels, et les identifiants ou chaînes de connexion aux bases doivent rester hors du contexte. Appliquez les principes du RGPD comme la limitation des finalités et la minimisation des données, documentez les flux de manière traçable et vérifiez licences et risques de chaîne d’approvisionnement des nouveaux paquets et connecteurs.
  • Règles du jeu pour un usage sûr de l’IA en équipe
  • Vérifier les résultats : faits, sources, tests et principe des quatre yeux
  • Plan d’action personnel pour les 30 prochains jours
  • Questions ouvertes, perspectives et ressources pour aller plus loin

Cas pratiques de votre domaine

Modèles dbt avec tests

L’agent écrit les modèles staging, intermediate et mart dans dbt, ajoute tests de schéma, définitions de sources et descriptions, puis exécute dbt build en boucle jusqu’à la réussite des modèles et des tests.

Optimiser les requêtes SQL

L’IA analyse les plans d’exécution, repère les jointures coûteuses et l’absence de partitionnement ou de clustering, puis réécrit les requêtes pour qu’elles parcourent moins de données et s’exécutent plus vite.

Pipelines Airflow et Dagster

Les besoins deviennent des DAG ou des assets à la structure de dépendances claire, avec relances, capteurs, alertes et prise en charge des backfills, ainsi que des tests de la logique de transformation.

Migrer l’ETL historique

Procédures stockées ou jobs ETL graphiques sont analysés, la logique métier documentée puis transposée progressivement en dbt ou PySpark, avec des requêtes de rapprochement entre ancien et nouveau traitement.

Automatiser la qualité des données

L’assistant définit des contrôles de complétude, d’unicité, de plages de valeurs et de fraîcheur, les implémente avec des tests dbt ou Great Expectations et configure des alertes en cas d’écart.

Analyser les jobs Spark

Informations de la Spark UI et logs sont interprétés, déséquilibres de partitions, shuffles et problèmes mémoire identifiés, et des optimisations proposées : broadcast joins, repartitionnement ou mise en cache.

Projets pratiques possibles

Tableau de bord qualité des données

Une petite application web qui lit les résultats des tests dbt ou des contrôles qualité et affiche clairement tendances, anomalies et tables concernées.

Pipeline d’ingestion d’une API REST

Un pipeline Python qui charge les données d’une API de façon incrémentale, détecte les évolutions de schéma et écrit les résultats partitionnés dans le lakehouse.

Explorateur de lignage

Un outil qui lit le manifeste dbt et représente les dépendances entre sources, modèles et tableaux de bord sous forme de graphe interactif.

Prérequis

Vous programmez régulièrement dans au moins un langage et connaissez Git ainsi qu’un IDE moderne. Une bonne maîtrise de SQL et de Python et une expérience pratique d’un entrepôt de données, de dbt, de Spark ou d’un orchestrateur.

Prérequis techniques

Ordinateur portable personnel avec l’éditeur Windsurf, Git et votre chaîne d’outils habituelle ; un compte Windsurf donnant accès à Cascade est nécessaire.

Protection des données & conformité

Les prompts doivent contenir des schémas et des données synthétiques plutôt que des enregistrements personnels réels, et les identifiants ou chaînes de connexion aux bases doivent rester hors du contexte. Appliquez les principes du RGPD comme la limitation des finalités et la minimisation des données, documentez les flux de manière traçable et vérifiez licences et risques de chaîne d’approvisionnement des nouveaux paquets et connecteurs.

Dates proposées

Toutes les dates sont indicatives – votre date souhaitée est toujours possible.

  • jeu. 26 novembre 2026 – ven. 27 novembre 2026 En ligne Demander
  • jeu. 10 décembre 2026 – ven. 11 décembre 2026 Stuttgart Demander
  • lun. 11 janvier 2027 – mar. 12 janvier 2027 En ligne Demander
  • mar. 26 janvier 2027 – mer. 27 janvier 2027 Berlin Demander
  • lun. 8 février 2027 – mar. 9 février 2027 En ligne Demander
  • jeu. 25 février 2027 – ven. 26 février 2027 Munich Demander

Questions fréquentes

Que désigne la notion de flows dans Windsurf ?

Les flows désignent la collaboration étroite entre vous et Cascade. L’agent observe ce que vous faites dans l’éditeur et le terminal et en tient compte pour ses étapes suivantes. Vous n’avez donc pas à rappeler sans cesse où vous en êtes, et vous passez naturellement du travail en propre à la délégation à l’agent.

Quelle différence entre memories, rules et workflows ?

Les memories conservent les connaissances que Cascade a accumulées en travaillant ou que vous avez enregistrées explicitement. Les rules sont des consignes que vous rédigez et qui orientent durablement le comportement de l’agent. Les workflows sont des enchaînements d’étapes réutilisables pour les tâches récurrentes, lancés par commande slash. Ensemble, ils assurent la cohérence des résultats en équipe.

Windsurf fonctionne-t-il avec mes projets et langages actuels ?

Oui. Windsurf est indépendant du langage et s’appuie sur votre chaîne d’outils existante : outils de build, gestionnaires de paquets, frameworks de test. Back-end, front-end, traitement de données ou infrastructure as code : l’essentiel est de fournir à Cascade de bonnes rules et un contexte clair. Chaque déclinaison de la formation apporte l’ancrage propre à votre domaine.

L’IA doit-elle accéder à nos données de production ?

Non, et ce n’est généralement pas pertinent. Pour la grande majorité des tâches, schémas, métadonnées, plans d’exécution et jeux de données synthétiques suffisent. Vous apprendrez à fournir précisément ce contexte à l’agent, à limiter les accès en lecture aux environnements de développement et à obtenir malgré tout des résultats fiables.

Cela fonctionne-t-il avec notre entrepôt de données ?

Les méthodes sont indépendantes de la plateforme et s’appliquent aussi bien à Snowflake, BigQuery, Databricks, Redshift, Synapse qu’à PostgreSQL. L’essentiel est d’indiquer à l’assistant le dialecte SQL et les spécificités de la plateforme, comme le partitionnement ou le clustering. Nous montrons comment les consigner dans des fichiers d’instructions.

Combien coûte la formation « Windsurf pour les data engineers » ?

La formation coûte 949 € HT forfaitaires par participant – en ligne comme en présentiel. Sont inclus 2 jour(s) de formation avec un formateur en direct, les supports de cours, un environnement d’exercice et une attestation de participation.

Puis-je proposer ma propre date ?

Oui. Nos dates sont indicatives. Dans le formulaire, vous pouvez à tout moment indiquer librement la date ou la période souhaitée – nous vérifions les disponibilités et confirmons sous un jour ouvré.

La formation a-t-elle lieu en ligne ou en présentiel ?

Les deux sont possibles : en direct dans une classe virtuelle ou en présentiel à Munich, Salzbourg, Berlin, Augsbourg, Hanovre, Brême, Stuttgart ou Kaiserslautern. Nous pouvons aussi l’organiser en intra pour votre équipe.

Autres formations pour les data engineers

Autres formations Windsurf

Les 32 formations Windsurf

Windsurf · MunichWindsurf · SalzbourgWindsurf · BerlinWindsurf · AugsbourgWindsurf · HanovreWindsurf · BrêmeWindsurf · StuttgartWindsurf · KaiserslauternWindsurf · En ligne