Article éditorial **SFEIR AI** publié sur sfeir.com le **6 septembre 2026** (~9 000 signes, sept sections, deux sources notées). Il restitue un épisode du podcast **DataGen** animé par **Robin Conquet**, enregistré au **Dev Summit** co-organisé par **Adeo** et **Decathlon** (Lille, **26-28 mai 2026**, plus de **2 000** collaborateurs), avec **Matthieu Grymonprez**, qui dirige le digital, la tech et la data d'Adeo (Leroy Merlin, Weldom, Obramat), et **Romain Taillade**, Global CTO de Decathlon. Trois apports. **(A)** La plateformisation menée depuis cinq ans pour absorber la marketplace de Leroy Merlin (**60 000** références en magasin, plusieurs millions en ligne) et l'expansion de Decathlon (**plus de 50** pays) n'avait pas l'agentique pour but, mais en constitue le socle : *« la plateforme a construit les muscles, l'ère de l'intelligence construit le système nerveux »*. **(B)** Trois chantiers nommés — le **harnais** de développement, la **sécurité par zones** du SI (zéro agentique sur le paiement, le tunnel de commande et la supply chain), la **sémantique data**, attaquée par verticales et où Adeo se dit en dette. **(C)** Un précédent que le groupe a payé : le self-service BI a produit plus de **150 000 dashboards** avant le retour aux data products certifiés. La phrase-cadre de Grymonprez tient l'ensemble — *« un agent n'a pas de bon sens »* : il applique la définition telle quelle et accélère le désordre là où elle manque. Prolonge, avec le même dirigeant, [[alafrench-grymonprez-adeo-ia-agentique-grands-groupes-2026-06-18]].
#IA agentique#plateformisation#domaines métier exposés par API
SFEIR AI (voix éditoriale du cabinet) · article non signé individuellement. Restitue un entretien de Matthieu Grymonprez (Adeo) et Romain Taillade (Decathlon).
Article de **Chase Covington**, **Tomer Slaney** (partners, New York) et **David Pralong** (senior partner, Charlotte), publié par la *McKinsey Transformation Practice* en **septembre 2026** (jour non précisé, daté du 1ᵉʳ par convention) ; 8 pages, 2 exhibits dont le contenu n'est pas repris dans le texte. **(1)** Constat : le bureau de transformation (TO) tarde à moderniser ses propres outils ; dans un redressement de **3 000** salariés, **plus de 15** personnes produisaient un rapport de **300 pages** toutes les quatre semaines. **(2)** Trois piliers confiés à des agents : *performance intelligence*, *single source of truth*, *conversation facilitation*. **(3)** Gains déclarés : **35 à 40 %** du temps sur les tâches cœur, parfois **70 %** ; une équipe centrale ramenée de **dix à trois** personnes. **(4)** Garde-fous : erreurs en cascade entre agents, fausses alertes, traçabilité de chaque étape. **(5)** Séquence : reporting d'abord, automatisation d'actions ensuite, conduite du changement au sein du TO. Les auteurs présentent le texte comme *« a first look at the opportunity for TOs »*. Les cas ne sont pas nommés, aucune méthode de mesure n'est décrite, et deux des outils cités (**Wave**, **Lilli**) appartiennent à McKinsey. Le texte prolonge [[sternfels-mckinsey-60000-people-20000-agents-officechai-2026-01-14]], où McKinsey compte déjà ses agents dans ses effectifs.
#bureau de transformation#transformation office#IA agentique
Chase Covington et Tomer Slaney (partners, McKinsey, New York) · David Pralong (senior partner, McKinsey, Charlotte).
Capgemini (Aiman Ezzat, DG) — entretien Investir « spécial patrons » : l'IA agentique comme rupture opérationnelle, pas comme techno de plus ; 2 Md€ investis, +30 % sur le dev applicatif et −20 % d'incidents, >11 % des prises de commandes T1, TAM de +400 Md$/an en 2030 — mais « très loin du plug and play » (Investir / Les Echos)
#Aiman Ezzat#Capgemini#IA agentique
Aiman Ezzat (directeur général de Capgemini) · propos recueillis par La Rédaction d'Investir
**Boris Cherny** (Creator & Head of Claude Code @Anthropic) publie sur LinkedIn un tableau-framework, **« Steps of AI Adoption »**, qui cartographie l'adoption de l'IA agentique par une équipe d'ingénierie en **5 étapes (0→4)**, chacune caractérisée par un **ordre de grandeur d'agents pilotés** et une **transformation du rôle de l'ingénieur** : **0 Gated** (0 agent, accès verrouillé), **1 Assisted** (~1 agent — « vous + un agent », pair programming supervisé), **2 Parallel** (~10 agents — **orchestrateur**), **3 Supervised autonomy** (~100 agents — **manager de managers**, un arbre org), **4 AI-native** (~1 000+ agents — **VP qui pilote par l'intention**). Le tableau croise cinq colonnes : nombre d'agents, *à quoi ça ressemble*, *le goulet d'étranglement*, *les produits qui aident*, *les garde-fous*. **Thèse centrale** : consommer plus de tokens ne fait pas monter d'un cran — pour passer à l'étape suivante il faut **identifier et casser le prochain goulet d'étranglement** ET **bâtir le prochain jeu de garde-fous**. Concrètement : donner à Claude une **boucle d'auto-vérification** de confiance (tests + build + lint + e2e sur un vrai environnement), activer l'**Auto mode** (éviter les prompts de permission bloquants), passer **code review et security review par défaut**, adopter des interfaces multi-agents (Agent view CLI, Desktop, apps iOS/Android, Tag), puis `/loop`, `/batch`, `/goal`, **dynamic workflows** et **worktree isolation** pour subagents. Sur le pilotage : l'usage (dashboard) mesure l'**activité, pas le retour** ; la bonne question est *« aurait-on de toute façon dépensé de l'effort d'ingénierie là-dessus ? si oui, combien d'heures-ingénieur manuelles cela aurait-il coûté ? »* — voilà le ROI. Le vrai gain arrive quand **corriger et maintenir se fait en arrière-plan** et que les équipes se concentrent sur *construire*. Anthropic se situe à l'**étape 3, en route vers 4** ; Boris Cherny déclare avoir personnellement atteint le **niveau 4**.
#Boris Cherny#Claude Code#Anthropic
Boris Cherny (Creator & Head of Claude Code @Anthropic)
Troisième volet de la série « New Engineering Disciplines for the AI Era » d'Ashish Singh, consacré au **KDLC — Knowledge Development Life Cycle** : un cycle de vie en **8 étapes** pour transformer la connaissance d'entreprise en **actif ingénieré**, au même titre que le code ou la donnée. Thèse : les initiatives IA échouent parce qu'elles se focalisent sur le choix du LLM ou le déploiement d'un RAG, **sans traiter la structure sous-jacente de la connaissance** — « AI is only as effective as the knowledge it can discover, understand, retrieve, and trust ». Le KDLC enchaîne Discovery → Extraction → Structuring → Knowledge Graph → Embedding → Index Optimization → Retrieval Evaluation → Refresh. Il oppose le **RAG traditionnel** (documents isolés, mots-clés) à l'**Enterprise Knowledge Fabric** (Knowledge Graphs + Semantic Search + Vector DB + Hybrid Search) où les agents comprennent « relationships, context, and business meaning ». Formule-signal : « Models provide reasoning. Memory provides continuity. Knowledge provides understanding. » Trois exemples (finance/conformité, ingénierie logicielle, santé) illustrent l'impact.
#KDLC#knowledge development life cycle#cycle de vie de la connaissance
Entretien podcast « À la French » (chaîne tech francophone, enregistré au DevSummit) avec Mathieu Grymonprez, Global CDO du groupe Adeo (Leroy Merlin, Obramat, Weldom). Comment un groupe de retail familial centenaire embrasse la vague de l'IA agentique : culture vs structure, accountability, coût des tokens et FinOps, lock-in de l'intelligence d'entreprise, mémoire d'entreprise et orchestration d'agents. Domaine : transformation digitale, IA agentique, retail, stratégie SI.
#IA agentique#transformation digitale#CDO
Mathieu Grymonprez (Global CDO, groupe Adeo) — invité ; Jean-Baptiste Kempf · Steeve Morin · Mehdi Medjaoui (hôtes du podcast « À la French »)
Interview vidéo enregistrée sur **VivaTech** (stand **Scaleway**), diffusée par le média **République**, réunissant **Damien Lucas** (CEO de Scaleway) et **Franck Le Moal** (Global Technical Officer du groupe **LVMH**). **Thèse centrale** : l'émergence d'une **« géopolitique de la tech »** force les multinationales à abandonner la solution mondiale unique au profit d'un **système d'information régionalisé en trois plaques** (États-Unis, Europe, Chine). LVMH (80 Md€ de CA, 75 maisons, 100+ pays) officialise un partenariat **cloud avec Scaleway** pour bâtir une **brique européenne autonome**, en complément de Google Cloud (data, depuis 2021), SAP, Salesforce côté occidental et Alibaba Cloud / Huawei / Tencent côté chinois. Le groupe se dit **« hybride »** et **autonome** plutôt que **« souverain »** (mot qu'il refuse, jugé ambigu). Scaleway se positionne en **cloud provider européen** immune aux lois extraterritoriales et protégé contre un **kill switch** (« pas de la science-fiction », au vu de l'actualité du week-end). Argument économique de Damien Lucas : **1 € dépensé chez Scaleway = 68 centimes qui restent dans l'économie européenne** (vs < 20 centimes chez un hyperscaler US, même hébergé en France). Calendrier : PoC terminés, démarrage chez **Sephora et Louis Vuitton**, empreinte significative visée à **12-18 mois**. Mission Scaleway assumée : se concentrer sur **IaaS / PaaS** (pas de verticalisation type bureautique), s'appuyer sur un écosystème de partenaires (applicatif souverain, chipsets et serveurs européens). Le recours aux **GPU Nvidia / IA** de Scaleway n'est **pas prévu à court terme** mais reste ouvert (modèles open source pour l'autonomie + performance économique).
**Bertrand** — journaliste / présentateur du média **République** (partenaire de VivaTech) · conduit l'entretien. **Damien Lucas** — CEO de **Scaleway**. **Franck Le Moal** — Global Technical Officer du groupe **LVMH**.
Philippe Ensarguet (Orange) soutient que cinquante ans de design patterns forment une lignée continue : à l'heure où l'IA banalise le code et casse l'apprentissage traditionnel des architectes, la « pattern literacy » (lire un système par ses forces invariantes) devient la compétence durable à enseigner — comme une grammaire, pas comme des catalogues.
#design patterns#lignée des patterns#architecte logiciel