/acreadiness-assess — Évaluation de la préparation à l'IA

Utilise cette skill chaque fois que l'utilisateur demande une évaluation de la préparation à l'IA, une vérification de préparation, un audit, ou veut voir le degré de préparation à l'IA de son repository.

Cette skill est l'étape Mesure dans la boucle Mesure → Génération → Maintenance d'AgentRC. Le résultat est un dashboard HTML autonome que l'utilisateur peut ouvrir avec file:// ou commiter dans le repo.

Étapes

1. Confirme les prérequis. Node 20+ doit être sur PATH. En cas de doute, exécute node --version.

2. Décide d'une politique (optionnel mais encouragé) :

   • Si l'utilisateur a fourni --policy <source>, capturez-la.
   • Sinon, vérifiez agentrc.config.json pour un tableau policies.
   • Si ni l'un ni l'autre, lancez sans politique (valeurs par défaut intégrées).
   • Pour une introduction aux politiques, suggère la skill acreadiness-policy.

3. Lance le scan de préparation à la racine du repo avec sortie structurée :

   npx -y github:microsoft/agentrc readiness --json [--policy <source>] [--per-area]

   L'enveloppe JSON CommandResult<T> est ton entrée pour l'étape suivante.

4. Confie le travail à l'agent personnalisé ai-readiness-reporter pour interpréter le JSON et produire reports/index.html. L'agent effectue le rendu via le template fourni report-template.html (livré avec cette skill) afin que chaque rapport ait un rendu et une apparence identiques. L'agent :

   • Lit le report-template.html fourni et remplace les placeholders par des données réelles.
   • Intègre tout le CSS, livre un fichier statique unique (fonctionne sous file://).
   • Affiche le niveau de maturité, le score global, la note, le taux de réussite par rapport au seuil.
   • Détaille les 9 piliers à travers Santé du Repo (8) et Configuration IA (1) avec ce qu'il mesure, pourquoi c'est important pour l'IA, état actuel, et une recommandation spécifique.
   • Marque chaque pilier avec un badge pertinence IA (Élevée / Moyenne / Basse).
   • Affiche les Extras séparément (ils n'affectent jamais le score).
   • Montre la Politique Active incluant tout critère désactivé/remplacé et les seuils.
   • Produit un Plan de Remédiation Priorisé (🔴 À Corriger en Premier / 🟡 À Corriger Ensuite / 🔵 À Planifier).
   • Intègre le JSON AgentRC brut pour réutilisation.

5. Dis à l'utilisateur où se trouve le rapport (reports/index.html) et comment l'ouvrir. Résume en chat : niveau de maturité, score global, trois piliers les plus bas, et l'action suivante avec le meilleur effet de levier (presque toujours : lancer la skill acreadiness-generate-instructions).

Notes

• AgentRC dispose aussi d'un renderer HTML intégré (--visual / --output report.html) mais sa sortie est intentionnellement générique. Cette skill produit un dashboard personnalisé et réfléchi via l'agent personnalisé — plus proche d'une revue de code qu'un dump de métriques.
• Pour le gating en CI, recommande agentrc readiness --fail-level <n> (1–5).
• La skill ne modifie jamais les fichiers du repository en dehors de la création de reports/index.html.