Article long format publié sur **X** le **11 août 2026** par **Jesse Zhang**, CEO de **Decagon** (agents IA de service client), sous un titre en forme de dilemme — *« To FDE, or not to FDE? »* — consacré au **Forward Deployed Engineer**, devenu *« la réponse à presque toutes les questions difficiles du go-to-market IA »*. Constat de départ : Anthropic et OpenAI ont monté des bras de déploiement entreprise explicitement calqués sur Palantir, *« chaque boîte en seed »* affiche une offre FDE, et les annonces pour ce titre seraient en hausse de plusieurs centaines de pour cent en un an. **(A) La généalogie Palantir** fournit l'armature : la formule de **Shyam Sankar** (CTO), *« FDEs eat pain and excrete product »*, et le rappel de **Joe Lonsdale** que Palantir a passé près de deux décennies traitée de *« cabinet de conseil déguisé »* sur la base d'une observation exacte. Les déploiements bespoke de **Gotham** (CIA, NSA, renseignement militaire) ont été encodés en primitives de plateforme — ontologie, modèles d'objets, permissions, moteurs de workflow, traçabilité de provenance — devenues **Foundry**, puis Apollo et AIP ; la standardisation a fait monter la marge brute dans les 80 % et Palantir est passée d'un motion FDE à une vente par comptes, beaucoup de FDE migrant vers l'ingénierie cœur. *« La douleur était l'intrant du produit, pas un coût de vente. »* **(B) Le critère proposé** n'est pas de renoncer au FDE mais de savoir quand s'arrêter : y aller tôt, puis se demander si l'on est encore en train de **découvrir** — *« Le piège, ce n'est pas de commencer. C'est de ne pas s'arrêter. »* **(C) Une distinction que peu font : FDE ≠ implémentation.** *« Construire cette intégration dans leur système de ticketing »* est un travail réel mais d'exécution contre une spec connue, non de découverte d'une spec inconnue ; confondre les deux *« est la façon dont une entreprise se convainc qu'une org de services qui grossit est un investissement produit »*. Chute : *« Si vos FDE digèrent de la douleur et excrètent encore de la douleur, vous n'avez pas une équipe FDE. Vous avez une entreprise de services. »* Deux chiffres sont avancés sur Decagon — *« deux tiers du travail de déploiement se fait désormais de façon autonome via Duet »* et *« quelques jours en moyenne pour lancer le premier AOP, même pour de grandes banques, compagnies aériennes, télécos »* — sans que le dénominateur « travail de déploiement » soit défini ni le sigle AOP développé.
#Forward Deployed Engineer#FDE#ingénieur déployé chez le client
**Jesse Zhang** — cofondateur et **CEO de Decagon** (agents IA de service client, San Francisco) · 85 000 abonnés sur X · site personnel `jessezhang.org`. Il cite son cofondateur **Ashwin Sreenivas** · **ex-Palantir** · d'où la profondeur du récit Palantir. Publié le **11 août 2026**.
Essai-thread polémique d'Ahmad Osman (@TheAhmadOsman) sur X, *« Anthropic's War on Opensource AI »* (1,7 M vues). Thèse à charge : Anthropic convertirait systématiquement la « sécurité » en **mécanisme de contrôle** (permission regime, capture réglementaire, restrictions d'accès anti-concurrentielles, opacité comportementale) pour maintenir builders, startups et communautés open source **en aval** de quelques labs frontière. Point d'appui central : l'**incident Fable** (dégradation silencieuse des requêtes de dev IA concurrent). Plaidoyer pour l'IA open source / locale comme seule « économie politique de l'intelligence » viable. Domaine : politique de l'IA, open source vs labs fermés, souveraineté, gouvernance.
#Anthropic#IA open source#IA locale
Ahmad Osman (@TheAhmadOsman)
Tribune d'**Olivier Rafal** (Consulting Director Strategy chez **WeNvision**) publiée le **23 février 2024** sur **CIO-Online** (rubrique *Tribune*), qui pose une thèse encore contre-intuitive à l'époque : **l'IA générative relève davantage du produit technologique que du projet d'IA / data science**. **Argument 1 — la data science n'est pas le cœur du sujet** : créer un *foundation model* de toute pièce demande *« plusieurs mois, des millions d'euros et l'accès à d'énormes quantités de données »* — réservé à des acteurs aux datasets spécifiques et monétisables (ex. **Bloomberg** et son **BloombergGPT** pour la finance). Pour la quasi-totalité des entreprises, le bon réflexe n'est donc pas de recruter des data scientists. **Argument 2 — décalage de compétences** : il faut surtout des **ingénieurs de développement et d'intégration** (back/front), de **fortes compétences cloud** et du **DevOps**. Citation client : *« On n'a pas forcément besoin d'être data scientist, mais il faut comprendre les concepts de base, avoir des compétences de développement back office et de fortes compétences cloud. »* **Argument 3 — architecture de plateforme (orchestrateurs + API)** : construire une **plateforme d'IA générative** d'entreprise via orchestrateurs et API permet *« de travailler avec les meilleurs LLM du marché et d'en changer au fur et à mesure de leurs évolutions respectives, sans retoucher aux applications »* (anti vendor lock-in). **Argument 4 — du projet au produit** : *« La plate-forme […] il faut la considérer elle-même comme un produit »* ; au lieu d'un investissement ponctuel, prévoir un **flux de financement mensuel** (itérations continues, innovation permanente). **Argument 5 — gouvernance & shadow AI** : la démocratisation inédite de la GenAI engendre *« tant du shadow AI que de fortes attentes vis-à-vis de la DSI »* → gouvernance pour capter les besoins métiers, **prioriser les produits par la valeur**, superviser le bon fonctionnement. **Changement de paradigme** annoncé : *« on passe d'une programmation algorithmique classique à des agents Langchain qui gèrent une partie des décisions »*. **Intérêt pour la veille** : texte **fondateur (J-2 ans)** de la doctrine WeNvision (produit > projet, plateforme/API, financement en flux, gouvernance, shadow AI) que prolongeront les fiches [[wenvision-ai-agents-enterprise-deployment-2025-10-01]], [[habert-ia-agentique-production-2025-10-29]] et rafal-wenvision-tokenomics-foundation-finops-ia-2026-06-04 (FinOps/token, financement en flux → gouvernance financière). Préfigure aussi le *harness/plateforme autour du modèle* (Dropbox/Okumura : *systems around the model*) et l'**indépendance modèle** par couche d'orchestration.
#IA générative#produit technologique#produit vs projet
**Olivier Rafal** · *Consulting Director Strategy* chez **WeNvision** (cabinet de conseil FR). Tribune publiée dans la rubrique *Tribune* de **CIO-Online**. Auteur déjà présent dans la veille (cf. fiches WeNvision/Atlas/Tokenomics). Publié le **23 février 2024**.