Articolo editoriale **SFEIR AI** pubblicato su sfeir.com il **6 settembre 2026** (~9.000 caratteri, sette sezioni, due fonti indicate). Riprende un episodio del podcast **DataGen** condotto da **Robin Conquet**, registrato al **Dev Summit** co-organizzato da **Adeo** e **Decathlon** (Lille, **26-28 maggio 2026**, più di **2.000** partecipanti), con **Matthieu Grymonprez**, a capo del digitale, della tecnologia e dei dati di Adeo (Leroy Merlin, Weldom, Obramat), e **Romain Taillade**, Global CTO di Decathlon. Tre spunti principali. **(A)** La piattaformizzazione condotta in cinque anni per assorbire il marketplace di Leroy Merlin (**60.000** referenze in negozio, diversi milioni online) e l'espansione di Decathlon (**più di 50** paesi) non era destinata all'IA agentica, ma ne costituisce il fondamento: *"la piattaforma ha costruito i muscoli, l'era dell'intelligenza costruisce il sistema nervoso."* **(B)** Tre cantieri nominati — l'**harness** di sviluppo, la **sicurezza** per zone nel sistema informativo (nessuna attività agentica su pagamento, checkout e supply chain), e la **semantica dei dati**, affrontata per verticale e su cui Adeo ammette un debito. **(C)** Un precedente pagato a caro prezzo: la BI self-service ha prodotto più di **150.000 dashboard** prima del ritorno ai data product certificati. La frase di sintesi di Grymonprez tiene insieme tutto — *"un agente non ha senso comune"*: applica la definizione così com'è data e accelera il disordine ovunque questo manchi. Continua, con lo stesso dirigente, [[alafrench-grymonprez-adeo-ia-agentique-grands-groupes-2026-06-18]].
#Agentic AI#piattaformizzazione#domini di business esposti via API
SFEIR AI (voix éditoriale du cabinet) · article non signé individuellement. Restitue un entretien de Matthieu Grymonprez (Adeo) et Romain Taillade (Decathlon).
Articolo di **Chase Covington**, **Tomer Slaney** (partner, New York) e **David Pralong** (senior partner, Charlotte), pubblicato dalla *McKinsey Transformation Practice* nel **settembre 2026** (giorno esatto non specificato, datato per convenzione al 1°); 8 pagine, 2 figure il cui contenuto non è riprodotto nel testo. **(1)** Riscontro: il transformation office (TO) è lento a modernizzare i propri strumenti; in un turnaround che coinvolgeva **3.000** dipendenti, **più di 15** persone producevano un report di **300 pagine** ogni quattro settimane. **(2)** Tre pilastri affidati agli agenti: *performance intelligence*, *single source of truth*, *conversation facilitation*. **(3)** Guadagni riportati: dal **35 al 40%** del tempo sui compiti principali, talvolta il **70%**; un team centrale ridotto da **dieci a tre** persone. **(4)** Guardrail: errori a cascata tra agenti, falsi allarmi, tracciabilità di ogni fase. **(5)** Sequenza: prima il reporting, poi l'automazione delle azioni, infine la gestione del cambiamento all'interno del TO. Gli autori presentano il testo come "a first look at the opportunity for TOs". I casi non sono nominati, nessun metodo di misurazione è descritto, e due degli strumenti citati (**Wave**, **Lilli**) appartengono a McKinsey. Il testo fa seguito a [[sternfels-mckinsey-60000-people-20000-agents-officechai-2026-01-14]], dove McKinsey conta già i propri agenti tra la propria forza lavoro.
Capgemini (Aiman Ezzat, CEO) — intervista a Investir, "numero speciale boss": IA agentique come svolta operativa, non solo un'ennesima tecnologia; 2 miliardi di euro investiti, +30% sullo sviluppo applicativo e −20% sugli incidenti, oltre l'11% dei bookings del Q1, TAM di oltre 400 miliardi di dollari all'anno entro il 2030 — ma "molto lontano dal 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) pubblica su LinkedIn una tabella-framework, **« Steps of AI Adoption »**, che mappa l'adozione dell'IA agentica da parte di un team di ingegneria lungo **5 stadi (0→4)**, ciascuno caratterizzato da un **ordine di grandezza di agenti guidati** e da una **trasformazione del ruolo dell'ingegnere**: **0 Gated** (0 agenti, accesso bloccato), **1 Assisted** (~1 agente — "tu + un agente", pair programming supervisionato), **2 Parallel** (~10 agenti — **orchestrator**), **3 Supervised autonomy** (~100 agenti — **manager of managers**, un albero organizzativo), **4 AI-native** (~1.000+ agenti — **VP steering by intent**). La tabella incrocia cinque colonne: numero di agenti, *a cosa assomiglia*, *il collo di bottiglia*, *i prodotti che aiutano*, *i guardrail*. **Tesi centrale**: consumare più token non fa salire di livello — avanzare allo stadio successivo richiede **identificare e rompere il prossimo collo di bottiglia** E **costruire il prossimo set di guardrail**. Concretamente: dare a Claude un **loop di auto-verifica** affidabile (test + build + lint + e2e su un ambiente reale), attivare **Auto mode** (evitando prompt di permesso bloccanti), rendere **il code review e il security review predefiniti**, adottare interfacce multi-agente (Agent view CLI, Desktop, app iOS/Android, Tag), poi `/loop`, `/batch`, `/goal`, **dynamic workflows** e **worktree isolation** per i subagenti. Sullo steering: l'utilizzo (dashboard) misura **l'attività, non il ritorno**; la domanda giusta è *"avremmo comunque speso sforzo ingegneristico su questo? se sì, quante ore-ingegnere manuali sarebbero costate?"* — questo è il ROI. Il vero guadagno arriva quando **la correzione e la manutenzione avvengono in background** e i team si concentrano sul *costruire*. Anthropic si colloca allo **stadio 3, diretta verso il 4**; Boris Cherny dichiara di aver raggiunto personalmente il **livello 4**.
#Boris Cherny#Claude Code#Anthropic
Boris Cherny (Creator & Head of Claude Code @Anthropic)
Terzo capitolo della serie di Ashish Singh « New Engineering Disciplines for the AI Era », dedicato al **KDLC — Knowledge Development Life Cycle**: un ciclo di vita in **8 fasi** per trasformare la conoscenza aziendale in un **asset ingegnerizzato**, al pari del codice o dei dati. Tesi: le iniziative di IA falliscono non per la scelta sbagliata dell'LLM o per un sistema RAG mal distribuito, ma perché **non affrontano la struttura sottostante della conoscenza** — « AI is only as effective as the knowledge it can discover, understand, retrieve, and trust ». Il KDLC concatena Discovery → Extraction → Structuring → Knowledge Graph → Embedding → Index Optimization → Retrieval Evaluation → Refresh. Contrappone il **RAG tradizionale** (documenti isolati, parole chiave) all'**Enterprise Knowledge Fabric** (Knowledge Graph + Semantic Search + Vector DB + Hybrid Search), in cui gli agenti comprendono « relationships, context, and business meaning ». Frase distintiva: « Models provide reasoning. Memory provides continuity. Knowledge provides understanding. » Tre esempi (finanza/compliance, ingegneria del software, sanità) illustrano l'impatto.
#KDLC#knowledge development life cycle#knowledge life cycle
Intervista podcast su « À la French » (canale tecnologico francofono, registrata al DevSummit) con Mathieu Grymonprez, Global CDO del gruppo Adeo (Leroy Merlin, Obramat, Weldom). Come un gruppo retail familiare secolare abbraccia l'ondata dell'IA agentica: cultura vs struttura, accountability, costi dei token e FinOps, lock-in dell'intelligenza aziendale, memoria aziendale e orchestrazione degli agenti. Ambito: trasformazione digitale, IA agentica, retail, strategia IT.
#IA agentica#trasformazione digitale#CDO
Mathieu Grymonprez (Global CDO, groupe Adeo) — invité ; Jean-Baptiste Kempf · Steeve Morin · Mehdi Medjaoui (hôtes du podcast « À la French »)
Video-intervista registrata al **VivaTech** (stand **Scaleway**), diffusa dal media **République**, che riunisce **Damien Lucas** (CEO di Scaleway) e **Franck Le Moal** (Global Technical Officer del gruppo **LVMH**). **Tesi centrale**: l'emergere di una **"geopolitica tech"** costringe le multinazionali ad abbandonare la soluzione globale unica a favore di un **sistema informativo regionalizzato in tre blocchi** (Stati Uniti, Europa, Cina). LVMH (80 miliardi di euro di fatturato, 75 maison, oltre 100 paesi) formalizza una **partnership cloud con Scaleway** per costruire un **blocco europeo autonomo**, accanto a Google Cloud (dati, dal 2021), SAP, Salesforce sul versante occidentale e Alibaba Cloud / Huawei / Tencent sul versante cinese. Il gruppo si definisce **"ibrido"** e **autonomo** piuttosto che **"sovrano"** (termine che rifiuta, giudicato ambiguo). Scaleway si posiziona come **fornitore cloud europeo** immune dalle leggi extraterritoriali e protetto da un **kill switch** ("non è fantascienza", vista l'attualità del fine settimana). L'argomento economico di Damien Lucas: **1 euro speso con Scaleway = 68 centesimi che restano nell'economia europea** (contro meno di 20 centesimi con un hyperscaler americano, anche se ospitato in Francia). Tempistiche: PoC completati, dispiegamento a partire da **Sephora e Louis Vuitton**, presenza significativa prevista entro **12-18 mesi**. Missione dichiarata di Scaleway: concentrarsi su **IaaS/PaaS** (nessuna verticalizzazione come il software di produttività d'ufficio), appoggiandosi a un ecosistema di partner (applicazioni sovrane, chipset e server europei). L'offerta **GPU Nvidia / IA** di Scaleway **non è prevista a breve termine** ma resta aperta (modelli open source per autonomia + performance economica).
**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) sostiene che cinquant'anni di design pattern formano una filiazione continua: in un momento in cui l'IA commoditizza il codice e rompe il modo tradizionale in cui gli architetti vengono formati, la "pattern literacy" (leggere un sistema attraverso le sue forze invarianti) diventa la competenza durevole da insegnare — come una grammatica, non come cataloghi.
#design pattern#filiazione dei pattern#architetto software