# keli-ia-generative-code-100-percent-approche-2025-11-05

## Veille

Approccio funzionale all'IA generativa nello sviluppo software, codice generato al 100%, onboarding LLM, task atomici, spec-driven, capitalizzazione continua - Soufiane Keli - OCTO Technology - LinkedIn

## Titre Article

Approche fonctionnelle pour l'IA générative en développement : 100% de code généré

## Date

2025-11-05

## URL

https://www.linkedin.com/feed/update/urn:li:activity:7391722941790527489/

## Keywords

IA generativa, generazione di codice, sviluppo software, task atomici, sviluppo spec-driven, onboarding LLM, iterazione rapida, capitalizzazione continua, brownfield, standard di codice, prompt strutturati, DoD, OCTO Technology, velocità, qualità del codice, sviluppatore junior, contesto globale, user story, LLM

## Authors

Soufiane Keli (OCTO Technology)

## Ton

**Profilo:** Colloquiale-Professionale | Praticante in prima persona | Educativo-Promozionale | Tecnico-Intermedio

Keli, consulente OCTO, condivide una metodologia concreta con il tono di un praticante esperto. Un approccio strutturato in quattro fasi ("Onboarding dell'IA", "task atomici", "spec-driven", "capitalizzazione continua") rivela una postura didattica che combina buone pratiche ed esperienza sul campo in contesto brownfield. Il linguaggio alterna prescrizioni metodologiche e ammissioni pragmatiche ("Non chiedere all'IA di fare tutto in una volta"). Tipico dei consulenti tech su LinkedIn che condividono competenza sul campo con una promozione soft della propria azienda.

## Pense-betes

- **L'IA genera quasi il 100% del codice** attraverso un approccio strutturato
- **Fase 0: Onboarding dell'IA** - trattare l'LLM come un "junior ogni giorno", riformulare il contesto globale
- **Fase 1: Esplorazione e pianificazione** - scomporre le user story in task atomici precisi
- **Usare l'LLM per la scomposizione** - raggiungere il giusto livello di dettaglio
- **Fase 2: Sviluppo iterativo spec-driven** - prompt strutturati + esempi di codice + standard + checklist DoD
- **Aggiustamento dinamico** - modificare il prompt/contesto in caso di insoddisfazione
- **Fase 3: Capitalizzazione continua** - arricchire la base di buone pratiche dopo ogni ciclo
- **Principio chiave**: task atomici + standard chiari + iterazione rapida = velocità E qualità
- **Non chiedere all'IA di fare tutto in una volta** - approccio incrementale
- **Dimostrazione brownfield** - Loïc Lefloch e Simon Belbeoch (OCTO)
- **Approccio pragmatico** che combina buone pratiche esistenti

## RésuméDe400mots

Soufiane Keli, consulente presso OCTO Technology, propone un approccio metodico che consente all'IA generativa di produrre quasi il 100% del codice in un progetto software reale. Lungi dall'essere magica, questa strategia combina rigorosamente pratiche consolidate all'interno di un processo strutturato in quattro fasi.

**Fase 0: Onboarding quotidiano dell'LLM**

A differenza di uno sviluppatore umano, che mantiene il contesto tra una sessione e l'altra, l'LLM deve essere "riassunto" ogni giorno. Questa fase cruciale consiste nel riformulare sistematicamente il contesto globale del progetto, i suoi obiettivi funzionali e architetturali. Trattare il modello come un "junior che ricomincia ogni mattina" impone una disciplina documentale vantaggiosa: il contesto esplicito diventa un patrimonio condiviso da tutto il team, non più una semplice conoscenza tacita detenuta da pochi.

**Fase 1: Esplorazione e pianificazione atomica**

Prima di ogni generazione, ogni user story viene sottoposta a una scomposizione meticolosa in task atomici con descrizioni precise. Paradossalmente, questa stessa pianificazione utilizza un LLM per individuare il livello di granularità ottimale. Questa fase trasforma obiettivi funzionali vaghi in specifiche tecniche azionabili, riducendo drasticamente l'ambiguità che i modelli gestiscono male.

**Fase 2: Sviluppo iterativo spec-driven**

Lo sviluppo vero e proprio si basa su prompt altamente strutturati composti da quattro elementi: una specifica tecnica dettagliata, esempi di codice illustrativi, standard e convenzioni del progetto, e una checklist esplicita di Definition of Done (DoD). Se il risultato non è soddisfacente, l'approccio prescrive un aggiustamento metodico del prompt o del contesto, evitando iterazioni casuali. Questo rigore trasforma l'interazione con l'LLM da una conversazione improvvisata a un processo ingegneristico riproducibile.

**Fase 3: Capitalizzazione continua**

Dopo ogni ciclo, gli insegnamenti appresi arricchiscono progressivamente una base di conoscenza organizzativa: pattern di successo, formulazioni di prompt efficaci, insidie identificate, esempi documentati. Questo ciclo di miglioramento continuo trasforma l'esperienza individuale in capitale intellettuale collettivo, accelerando i progetti futuri.

**Principio fondamentale e validazione sul campo**

Il principio guida rifiuta esplicitamente la generazione monolitica: "Non chiedere all'IA di fare tutto in una volta". Al contrario, task atomici + standard chiari + iterazione rapida producono simultaneamente velocità E qualità — obiettivi tradizionalmente considerati antagonisti.

Elemento cruciale, questo approccio è stato dimostrato in un contesto brownfield da Loïc Lefloch e Simon Belbeoch presso OCTO Technology, comprovandone l'applicabilità oltre i progetti greenfield idealizzati. Il contesto brownfield — con codice legacy, vincoli architetturali esistenti, debito tecnico — rappresenta il reale terreno di lavoro per la maggioranza degli sviluppatori.

**Posizionamento pragmatico**

Keli posiziona esplicitamente questo metodo come una combinazione pragmatica di buone pratiche pubblicamente disponibili, non come un'innovazione radicale. Questa modestia strategica ne rafforza la credibilità: l'approccio non richiede una rivoluzione culturale, ma solo un'orchestrazione disciplinata di tecniche note adattate al contesto dell'IA generativa.

## GrapheDeConnaissance

- Soufiane Keli —travaille_chez→ OCTO Technology (ORGANISATION, 0.98)
- Soufiane Keli —publie→ approche spec-driven IA (METHODOLOGIE, 0.98)
- approche spec-driven IA —permet→ 100% code généré par IA (CONCEPT, 0.92)
- approche spec-driven IA —utilise→ onboarding quotidien LLM (CONCEPT, 0.95)
- approche spec-driven IA —utilise→ tâches atomiques (CONCEPT, 0.97)
- approche spec-driven IA —utilise→ capitalisation continue (CONCEPT, 0.93)
- Loïc Lefloch —soutient→ approche spec-driven IA (METHODOLOGIE, 0.95)
- Simon Belbeoch —soutient→ approche spec-driven IA (METHODOLOGIE, 0.95)
- approche spec-driven IA —s_applique_à→ environnement brownfield (CONCEPT, 0.93)
- tâches atomiques —améliore→ vélocité et qualité (CONCEPT, 0.9)
- Definition of Done —fait_partie_de→ prompt structuré (CONCEPT, 0.92)
- Yves Caseau —soutient→ approche spec-driven IA (METHODOLOGIE, 0.85)
- Yves Caseau —travaille_chez→ Michelin (ORGANISATION, 0.97)

---
Canonical: https://www.thekb.eu/it/fiches/keli-ia-generative-code-100-percent-approche-2025-11-05/