Mon expérience GitHub Copilot

Comment exploiter GitHub Copilot pour améliorer sa pratique du code et élargir ses compétences, même sans être un expert ? Voir peut-on utiliser GitHub Copilot même si on n’est pas développeur du tout ? Pour ma part en tant que néophyte du dev, j’ai découvert qu’en posant les bonnes questions et en affinant peu à peu mes demandes, GitHub Copilot devient un véritable partenaire de réflexion dans le développement.

Ces dernières années nous ont appris que le dialogue constant avec l’IA permet de résoudre des problèmes concrets plus rapidement, tout en apprenant de nouvelles notions. Le potentiel est immense : c’est un formidable tremplin pour repousser ses limites et explorer de nouveaux horizons.

Pour ma part, je ne suis pas développeur de métier, et pour autant, j’ai toujours eu envie d’optimiser le rendement de mon installation photovoltaïque. Ayant des panneaux solaires depuis déjà plusieurs années, il était plus que temps pour moi de revoir mon taux très bas d’indépendance énergétique :

Qu’est-ce que le taux indépendance énergétique ?

Le taux d’indépendance énergétique est un indicateur qui mesure la part de votre consommation électrique totale couverte par votre propre production photovoltaïque, sans recours au réseau .

Concrètement, on le calcule ainsi :

Autoconsommation = part de votre production solaire que vous consommez directement
Indépendance énergétique = part de votre consommation qui vient de votre propre production

Exemple : si vous consommez 30 kWh sur une journée et que vous avez utilisé 20 kWh de votre production solaire, alors votre taux d’indépendance est de 66,7%.

Comment améliorer son taux d’indépendance énergétique ?

Voici plusieurs leviers pour augmenter un taux d’indépendance énergétique :

Stocker l’énergie

Installer une batterie domestique pour conserver le surplus de production et l’utiliser en soirée ou la nuit.
Piloter la recharge de votre véhicule électrique.
Utiliser un chauffe-eau ou un chauffe-eau thermodynamique asservi au surplus photovoltaïque.

Réduire et optimiser votre consommation

Améliorer l’isolation (toit, murs, fenêtres) pour limiter le besoin de chauffage et de climatisation.
Remplacer les équipements par des modèles à haute efficacité (LED, électroménager classé A+++).
Débrancher les veilleuses et appareils en veille qui continuent de consommer.

Déplacer les usages vers les heures de production

Programmer les gros consommateurs (lave-linge, lave-vaisselle, machine à café) en pleine journée.
Piloter intelligemment les consommateurs.

Qu’est-ce que EnergyBoard ?

EnergyBoard est une application web open-source développée à l’origine par Zzzzz avec le soutien de Mathieu3878 pour le code et de SolarFan pour la documentation et la traduction.

Elle a pour but de compléter et d’améliorer l’application officielle d’Enphase, Enlighten. Cette application :

Affiche en temps réel la production photovoltaïque, la consommation du foyer, ainsi que l’énergie importée ou exportée ,
Propose des animations de flux, des courbes d’historique (2 s, 1 min, jour, mois, année) et un calendrier annuel,
Fournit des analyses avancées (météo annuelle de production, taux d’indépendance énergétique, taux d’autoconsommation) ,
Permet de piloter la charge d’une Tesla selon le surplus solaire ou des modes programmables.

En résumé, EnergyBoard transforme votre installation PV en dashboard intelligent, pour maximiser l’autoconsommation, visualiser vos données en live et automatiser vos recharges électriques. Voici quelques liens :

Tout fonctionnait parfaitement… jusqu’à ce que Tesla modifie son API…

Quel est le rapport avec GitHub Copilot ?

Comme Tesla avait modifié en 2024 le fonctionnement de ses API, EnergyBoard n’était plus en mesure de communiquer directement la voiture, et donc piloter la recharge dynamique.

Souhaitant réinstaurer le lien entre EnergyBoard et la voiture Tesla, et plutôt que de repartir de zéro, je me suis tourné vers l’intelligence artificielle : GitHub Copilot pour suggérer des bouts de code, et ChatGPT pour m’expliquer certaines notions, comme par exemple la gestion des tokens, la mise en place de proxys, l’orchestration de conteneurs et la sécurisation des secrets…

Grâce à à ces deux IAs, j’ai pu :

Interfacer la nouvelle Fleet API de Tesla et gérer les différents tokens.
Ajouter une couche de communication directe en Bluetooth entre l’application EnergyBoard et la voiture Tesla.
Gérer les retours de données de la Tesla provenant de 3 sources distinctes :
- API (Serveurs Tesla + Voiture)
- MQTT (Push Serveurs Tesla)
- Bluetooth (Voiture)
Ajouter un journal événements précis concernant les actions Tesla déclenchées par l’application.
Ajouter d’autres interfaces avec des applications tierces :
- (Teslamate, Tesla Proxy) en mode conteneur grâce à Docker.
- Tesla Control en Go.
Correctement configurer le Raspberry Pi.

L’intelligence artificielle m’a donc servi de copilote technique, accélérant ma montée en compétences sur l’authentification, la gestion des secrets et les patterns d’architecture, tout en me permettant de rester productif même sans être développeur expert.

Et maintenant ?

Suite aux retours et aux tests, dans la version 0.9.37, est introduit la prise en charge native des appels Bluetooth pour piloter la Tesla en local.

Cette approche est non seulement plus simple à configurer (plus besoin de relayer systématiquement toutes les requêtes via l’API Tesla cloud), mais elle permet aussi une mise en place et des temps de réponse beaucoup plus rapides dans un environnement réseau 100% local.

👉 Téléchargez la V 0.9.37 ici : http://didier.paradis.free.fr/energyboard

Et si l’on souhaite quand même communiquer par API ?

Si l’on souhaite aussi communiquer via l’API cloud, j’ai créé une version alternative d’EnergyBoard, capable de gérer à la fois les appels Bluetooth et les requêtes API. Le processus d’installation et d’enrôlement API est un peu complexe et nécessite du matériel adapté (clé Bluetooth, token Tesla, configuration réseau, etc.), mais tout est détaillé dans les articles ci-dessous, organisés en sections :

Chacun de ces articles vous guide pas à pas, du déploiement sur Raspberry Pi, ou sur une machine virtuelle Azure, ou jusqu’à la mise en service des connexions Bluetooth et API Tesla.

👉 Voici le lien pour télécharger cette version alternative.

Conclusion

J’ai pris un immense plaisir à explorer cette passerelle entre intelligence artificielle et code : passer de simples idées à une application à nouveau fonctionnelle m’a non seulement permis d’élargir mes compétences bien au-delà de mon profil « IT généraliste ».

Que vous soyez néophyte ou développeur aguerri, je vous encourage vivement à vous lancer : GitHub Copilot et ChatGPT sont des alliés formidables pour vous guider, vous faire gagner un temps précieux et vous aider à comprendre des concepts qui paraissent souvent abstraits.

Au-delà du projet EnergyBoard, ces outils nous offrent une véritable boîte à outils cognitive, capable de nous accompagner dans tous nos domaines de prédilection. Alors, pourquoi ne pas embarquer votre prochain challenge sous le bras et laisser l’IA vous copiloter vers l’innovation ?

Bon codage !

Publié par Jean-Loup Orgitello

Laisser un commentaire Annuler la réponse