Comment utiliser l'IA quand on est ingénieure performance ?
Prompts et workflows 2026

Tu es ingenieure performance experimentée, specialiste de l'analyse cause racine en environnement de production. Tu dois investiguer une degradation de performance observee le [DATE] entre [HEURE_DEBUT] et [HEURE_FIN] sur l'application [NOM_APPLICATION]. 

Contexte technique: Architecture microservices avec [NOMBRE] services, base de donnees [TYPE_BDD], infrastructure [CLOUD/ONPREMISE].

Metriques observees: Temps de reponse moyen passe de [VALEUR_INITIALE]ms a [VALEUR_FINALE]ms, taux d'erreur augmente a [TAUX_ERREUR]%, utilisation CPU a [CPU]%.

Trace applicative disponible: [LIEN_TRACES ou DECRIRE FORMAT]

Instructions:
1. Analysez les 10 premieres transactions les plus lentes identifiees dans les traces
2. Identifiez les operations qui ont change entre la periode stable et la periode degradee
3. Evaluez si la cause est: applicative (code/requete BDD), infrastructure (reseau/disque/memoire), ou externe (API tierces)
4. Proposez 3 hypotheses classees par probabilite avec arguments factuels
5. Pour chaque hypothese, specifiez les donnees supplementaires necessaires pour confirmer ou infirmer

Format de sortie: Tableau comparatif des hypotheses avec score de confiance et next steps concrets.

Tu es ingenieure performance specialiste des tests de charge avec k6. Genere un script complet pour tester la performance de l'API [URL_API] avec le scenario suivant.

Scenario fonctionnel:
- Etape 1: Authentification avec credentials [USERNAME]/[PASSWORD] via endpoint [AUTH_ENDPOINT]
- Etape 2: Recuperation liste de [RESSOURCE] avec pagination (10 items par page)
- Etape 3: Consultation du detail d'un element via [DETAIL_ENDPOINT] avec ID [SAMPLE_ID]
- Etape 4: Creation d'une nouvelle ressource via [CREATE_ENDPOINT] avec payload [SAMPLE_JSON]
- Etape 5: Deconnexion

Parametres de charge a simuler:
- Duration: [DUREE_TEST] minutes
- VUS: [NOMBRE_VUS] utilisateurs virtuels simultanes
- Rampe: [TYPE_RAMPE] (ex: lineaire, staged)
- Seuil acceptability: p95 < [SEUIL_P95]ms, taux erreur < [SEUIL_ERREUR]%

Le script doit:
1. Utiliser les checks pour valider les codes HTTP attendus
2. Implementer le threshold-based analysis
3. Generer des tags par etape pour analyse Grafana
4. Inclure une extraction de tokens de session
5. Handle les erreurs gracieusement avec retry logic (max 2 retries)

Exporte le script au format JavaScript ES6 compatible k6 version [VERSION_K6].

Tu es ingenieure performance experte en supervision Grafana et Loki. Configure un dashboard complet pour le service [NOM_SERVICE] deploye sur [INFRASTRUCTURE].

Composants a superviser:
1. Metriques systeme: CPU, memoire, disque, reseau
2. Metriques applicatives: Latence (p50, p95, p99), throughput (requetes/seconde), taux erreur
3. Logs: Agregation Loki avec labels [LISTE_LABELS]
4. Traces: Integrees via [OTEL/JAEGER] si disponible

Requetes PromQL a implementer:
- [PROMETHEUS_URL]: URL de l'instance Prometheus
- Intervalle de scrape: [INTERVALLE]

Le dashboard doit inclure:
1. Vue overview avec 4 KPIs cles en temps reel
2. Graphe temporel latence par endpoint
3. Graphe taux erreur avec alertes
4. Heatmap des latences Distribuees
5. Tableau logs erreurs avec drill-down vers traces
6. Panels de correlation CPU/latence et memoire/latence

Pour chaque panneau, specifie: titre, requete PromQL complete, type de visualisation, seuils d'alerte.

Alertes a configurer: [LISTE_CONDITIONS_ALERTE] avec channel [SLACK_CHANNEL/EMAIL].

Tu es ingenieure performance experte en automatisation et reporting. Cree un modele de rapport hebdomadaire de performance pour le service [NOM_APPLICATION] avec les specifications suivantes.

Sources de donnees a integrer:
- Datadog: metrics, monitors, dashboards [LINKS_DASHBOARDS]
- Grafana: panels personnalises [LISTE_PANELS]
- Logs: requetes pre-definies [LOGS_REQUETES]
- JIRA: tickets lies performance [FILTRE_JIRA]

Structure du rapport:

1. RESUME EXECUTIF (1 paragraphe pour sponsors business)
- SLO actuels vs cibles
- Evolution vs semaine precedente
- Points d'attention prioritaires

2. METRIQUES CLES (tableaux + mini-graphes)
- Disponibilite: [SLO_CIBLE]% vs realite
- Latence: p50/p95/p99 avec trend
- Throughput: moyenne et pic
- Taux erreur: par type d'erreur

3. INCIDENTS ET DEGRADATIONS
- Liste incidents avec SLA impact, duree, cause racine
- Actions correctives implementees ou planifiees

4. OPTIMISATIONS REALISEES OU PLANIFIEES
- Changements deployes cette semaine
- Impact mesure sur les metriques
- Prochaines optimisations prevues

5. CAPACITE ET SCalability
- Taux d'utilisation ressources
- Projections de croissance charge
- Recommandations capacitaires

6. RECOMMANDATIONS PRIORITAIRES
- Top 3 actions pour semaine suivante
- ROI estime de chaque optimisation

Genere le template en Markdown avec placeholder [VARIABLES] et instructions d'automatisation possible via [OUTIL_AUTOMATISATION].