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
- Demandez : « Ouvre un Canvas et rédige un runbook Markdown… »
- 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 |
Retour parcours IA — hub Claude, Codex, ChatGPT et Skills.