ChatGPT Canvas : rédiger et itérer runbooks DevOps (2026)

À la fin de ce tutoriel ChatGPT Canvas, vous saurez ouvrir un Canvas (ou writing/code block 2026), itérer un runbook Markdown, utiliser les raccourcis, exporter vers Git, et choisir Canvas vs chat / Custom GPT / Artifacts / IDE — sans remplacer la revue humaine.

Niveau : Débutant / Intermédiaire · Temps : 35–45 min · Vérifié : 2026-09-11

Prérequis

• [ ] Compte ChatGPT avec Canvas (plans payants 2026)
• [ ] Navigateur récent ; éditeur local pour export Git
• [ ] Notions Markdown ; cas ops fictif (CrashLoop, pre-deploy, post-mortem)
• [ ] Voisins : Custom GPTs, Data Analysis, slash commands
• [ ] Hub : IA pour DevOps 2026 · IA

Coût : abonnement éligible ; lab 0 €. Aucun secret dans le Canvas. Angle DevOps Elastic Hayway : documents ops itérables.

Ce que nous allons construire

ChatGPT Canvas (lab 2026)
  ├── Ouverture Canvas (« ouvre un Canvas »)
  ├── Runbook Markdown CrashLoopBackOff (lab)
  ├── Édition ciblée + raccourcis écriture / code
  ├── Export → Git (source of truth)
  └── Comparaison · sécurité · erreurs · quiz · FAQ · maillage

Leçon #20 du plan IA Outils 2026 : espace document pour runbooks, RFC et snippets.

Étape 1 — Qu’est-ce que Canvas ?

Le panneau (ou le block inline) devient utile dès que le livrable dépasse une réponse de chat jetable.

Canvas = espace document côte-à-côte dans ChatGPT (texte ou code). Pas un fil linéaire seul : sélection de passages, edits ciblés, raccourcis (longueur, polish, revue de code…). Le panneau legacy ou le writing/code block 2026 servent le même besoin DevOps : figer un livrable pendant que le chat itère à côté.

OpenAI a lancé Canvas en octobre 2024. Depuis mai 2026 (GPT-5.5+), l’UI privilégie writing/code blocks inline — même logique d’artefact itérable. Ce tuto enseigne le pattern document itérable (sélection, edits locaux, raccourcis), valable legacy et blocks 2026.

Élément	Rôle
Document Canvas	Source de vérité session (Markdown / code)
Chat adjacent	Instructions et itérations
Sélection	Édition locale d’un passage
Raccourcis UI	Transformations écriture/code
Export	Export Git (≠ historique Git)

Canvas brille quand le livrable est le document. CSV → Data Analysis ; procédure équipe → Custom GPT. Document pour survivre à la session ; chat pour une Q/R ; export Git + revue avant l’ops.

Étape 2 — Ouvrir Canvas et poser le cadre

1. Demandez : « Ouvre un Canvas et rédige un runbook Markdown… »
2. Ou activez l’outil Canvas / writing block (libellés UI variables).

Prompt d’ouverture (à coller) :

Ouvre un Canvas en Markdown.
Titre : Runbook — Pod CrashLoopBackOff (lab fictif).
Contexte : cluster Kubernetes staging, déploiement api-gateway.
Règles : français clair ; pas de secrets ; commandes génériques (kubectl) ;
n’invente pas de namespaces clients ; marque les hypothèses.
Structure : Symptômes → Diagnostic → Mitigation → Rollback → Escalade → Checklist.

Si Canvas ne s’ouvre pas : reformulez / vérifiez le plan (GPT-5.5+ : writing block). Bornez le lab (staging) avant le prompt.

Étape 3 — Lab : runbook CrashLoopBackOff

Astuce DEH : bornez staging/lab dans le prompt d’ouverture avant toute commande kubectl, et placez une bannière « lab fictif » en tête du document.

Trois passes : « régénérer tout » vs « éditer localement » — le geste Canvas vs chat nu. En incident, éditez sur sélection pour densifier Diagnostic sans écraser Mitigation ni Rollback.

3.1 Première passe — squelette

Complète le Canvas avec :
1) Symptômes (CrashLoopBackOff, restarts, ExitCode).
2) 5 checks kubectl (describe, logs --previous, events, get pod résumé, image/tag).
3) Mitigation courte (rollback deploy, scale, probe).
4) Rollback explicite.
5) Escalade (astreinte app vs plateforme).
6) Checklist pre-close (5 cases).
Pas de secrets ; lab fictif uniquement.

3.2 Deuxième passe — édition ciblée

Sélectionnez Diagnostic, puis :

Sur la sélection uniquement : sous-section « Causes fréquentes »
(OOM, mauvais secret monté, probe trop agressive, image pull, entrypoint).
Une ligne par cause + 1 check. Ne touche pas aux autres sections.

Cœur de Canvas : édits locaux sans tout régénérer (ne pas écraser une checklist déjà validée).

3.3 Troisième passe — raccourcis écriture

Raccourci écriture	Usage DevOps
Longueur	Condenser pour Slack ; développer une checklist
Niveau de lecture	Junior vs astreinte senior
Polish final	Orthographe, ton pro, titres cohérents
Commentaires inline	TODO / questions ouvertes dans le doc
Émojis (selon UI)	Parcimonie dans un runbook ops

Polish final sur tout le Canvas : titres H2 stables, listes actionnables,
verbes à l’impératif, zéro marketing.
Encadré en tête : « Lab fictif — ne pas coller en prod tel quel ».

Markdown stable → export runbooks/ via PR (Canvas = brouillon ; Git = vérité).

Étape 4 — Canvas code : snippet Bash

Après le runbook, un code block pour un script lab commenté (garde-fou) — premier jet à versionner, pas un remplacement de CI.

Prompt lab :

Ouvre un Canvas code (bash).
Script lab `check-crashloop.sh` :
- arguments NAMESPACE et DEPLOYMENT
- liste pods CrashLoopBackOff
- describe + logs --previous (50 lignes)
- refuse si NAMESPACE contient "prod" (garde-fou lab)
Commentaires FR ; set -euo pipefail ; aucun secret hardcodé.

Raccourci code	Effet
Revue	Style, bugs, edge cases
Ajouter logs	Logging pédagogique
Corriger bugs	set -u, quotes, codes retour
Portage langage	Bash → Python / HCL
Commentaires	Expliquer le pourquoi

Limite : pas d’IDE multi-fichiers ni VPC/CI ; gros Terraform → IDE + Git. Revue humaine hors lab.

Étape 5 — Autres livrables DevOps

Livrable	Angle Canvas	Export
Runbook Markdown	Structure + itération locale	PR runbooks/
Checklist pre-deploy	Cases à cocher, polish court	Wiki / Git
Post-mortem	Timeline, 5 whys, actions	Doc incident
RFC / ADR court	Contexte → options → décision	docs/adr/
Snippet Terraform / Python	Revue + commentaires	Module versionné

Ouvre un Canvas Markdown : ADR-014 « Timeouts ingress api-gateway ».
Sections : Statut (Proposé) · Contexte · Options (A/B/C) · Décision · Conséquences.
Lab : staging only, pas de chiffres clients, hypothèses explicites.

Chat nu pour explorer ; Canvas dès que structure + export Git sont nécessaires.

Étape 6 — Comparaison Canvas vs alternatives

Besoin	Chat nu	Canvas	Claude Artifacts	Custom GPT	IDE (Cursor)
Q/R courte	Excellent	Lourd	Moyen	Moyen	Lourd
Document long itéré	Faible	Excellent	Excellent	Faible	Excellent
Procédure équipe	Non	Non	Non	Oui	Skills
CSV / charts	Non	Non	Variable	Non	Local
Gros repo + tests	Non	Non	Non	Non	Oui
VPC / secrets	Non	Non	Non	Actions	Machine locale
Versioning	Session	Export Git	Export Git	Builder	Git

Règle DEH : explorer → chat ; rédiger → Canvas ; industrialiser → Custom GPT ; repo → IDE ; CSV → Data Analysis.

En incident, préférez les edits sur sélection et exportez tôt : une session fermée coûte plus cher qu’une PR « WIP lab ».

Étape 7 — Sécurité et hygiène

Risque	Mitigation
Secrets dans le Canvas	Jamais PAT, .env, kubeconfig, dumps
PII / tickets nominatifs	Anonymiser ; lab fictif
Confiance aveugle	Review humaine avant exécution
Canvas ≠ Git	Exporter dès que stable ; PR
Copier-coller en prod	Bannière lab ; refuse prod

Jamais PAT, .env, kubeconfig ou dumps nominatifs — une session ChatGPT n’est pas un coffre. Gardez un lab fictif, puis review humaine et Git/PR avant astreinte. Voir prompt injection et runbooks.

Erreurs fréquentes

Symptôme	Cause	Correctif
Pas de panneau Canvas	Plan / outil off	« Ouvre un Canvas » ; vérifier le plan
Tout le doc réécrit	Pas de sélection	Sélectionner puis éditer
Commandes inventées	Prompt vague	« Commandes génériques + hypothèses »
Perte du travail	Session fermée	Export Markdown → Git immédiat
Confusion GPT vs Canvas	Attente procédure packagée	GPT = assistant ; Canvas = document session
Script en prod	Aucun garde-fou	Bannière lab + refuse prod

Quiz (4 questions)

1. À quoi sert principalement ChatGPT Canvas ?
– A. Remplacer Git et la CI sur un monorepo
– B. Rédiger et itérer un document (texte/code) côte-à-côte
– C. Exécuter pandas sur un CSV comme Data Analysis

2. Pourquoi sélectionner un passage avant d’éditer ?
– A. Pour facturer moins de tokens uniquement
– B. Pour un changement local sans tout régénérer
– C. Parce que Canvas refuse les prompts globaux

3. Canvas vs Custom GPT : quelle affirmation est juste ?
– A. Canvas package une procédure workspace comme un GPT
– B. Canvas = document de session ; Custom GPT = instructions + knowledge
– C. Les deux donnent un accès VPC natif

4. Après un runbook stable dans Canvas, bonne pratique DEH ?
– A. Laisser le Canvas comme seule source de vérité
– B. Exporter vers Git (PR) + review humaine avant usage ops
– C. Coller le script en prod sans garde-fou

Réponses : 1‑B · 2‑B · 3‑B · 4‑B

FAQ

1. Canvas remplace-t-il mon IDE ?
Non. Document ou snippet unique (runbook, ADR, script lab) oui ; gros repo, tests, CI → IDE + PR. Canvas accélère le premier jet, pas Git ni la revue d’équipe.

2. Canvas ou Claude Artifacts ?
Même famille (artefact itérable). Choix selon l’écosystème équipe ; geste DevOps identique : edits locaux, export Git, review. Voir Claude Projects & Artifacts.

3. Versionner un Canvas comme une branche Git ?
L’historique UI = session produit, pas un dépôt. Dès que le texte compte pour l’astreinte, exportez vers Git et ouvrez une PR.

4. Faut-il un Custom GPT pour Canvas ?
Non. Canvas / blocks s’ouvrent sans GPT. Un Custom GPT standardise ensuite ton et règles « pas de secrets ». Canvas = document de session ; GPT = procédure packagée.

5. Canvas peut-il lire mon cluster Kubernetes ?
Non. Pas de VPC ni kubeconfig : les kubectl du doc sont du texte à exécuter après review. Extraits scrubbés ou Actions — jamais un kubeconfig.

Points clés à retenir

• Canvas = document côte-à-côte (texte + code) ; legacy et blocks 2026.
• Ouverture + sélection ; raccourcis écriture/code.
• Cas DEH : CrashLoop, pre-deploy, post-mortem, ADR, snippets.
• Limites : pas d’IDE multi-fichiers / VPC ; session ≠ Git — export + review.
• Diff : Custom GPT packagé ; Data Analysis CSV ; Artifacts ; IDE = repo.

Conclusion

Document itérable (Canvas ou blocks 2026), runbook CrashLoop, raccourcis, secrets / review / export Git. Pattern : chat pour explorer, document pour figer, Git pour partager. Publish HOLD — draft hors WordPress jusqu’au feu vert éditorial.

Pour aller plus loin

• Aide OpenAI Canvas / document editing · Claude Projects & Artifacts · Prompt injection · Code review PR

Maillage série IA

← Précédent	ChatGPT Custom GPTs
→ Suite	ChatGPT Advanced Voice
Hub	IA pour DevOps 2026 · IA
Aussi	Slash · Data Analysis · Runbooks