Billet du **Dropbox Tech blog** (rubrique *culture*), publié le **28 mai 2026** par **Kazuaki Okumura** (Dropbox, rôle non précisé dans l'article), reprenant une intervention à la conférence **DX Annual 2026** (productivité développeur). **Thèse-pivot** : la productivité d'ingénierie doit dépasser la *génération de code*. *« Accelerating code generation simply shifted some bottlenecks downstream »* — l'IA a massivement augmenté le débit de code, mais *« the faster code moves, the more pressure it puts on review queues, CI systems, validation workflows, release coordination, and production operations »*. Le vrai enjeu n'est plus d'écrire du code plus vite, mais de permettre à tout le SDLC d'**absorber, valider et livrer en sécurité** un volume bien plus grand. **De copilote à agent** : la première vague (explication de code, snippets, Q&A) opérait *« as copilots alongside the engineer »* ; l'agent, lui, *« can take a scoped task, inspect the codebase, edit files, run tests, iterate on failures, and return an artifact for human review »* — l'ingénieur restant *« accountable for intent, architecture, quality, and release decisions »* (plus de travail parallèle, plus d'options, délestage de l'exécution répétitive). **Nova** = plateforme d'agents de codage **interne** de Dropbox : décrire une tâche en langage naturel, exécution en environnement contrôlé avec le contexte du codebase. Datapoint canonique : ***« Nova's value comes less from the model itself than the systems surrounding it »*** (codebase context, internal practices, safe execution, workflow integration, human review) ; Nova représente **~1 PR sur 12 chez Dropbox** aujourd'hui (adoption en croissance), et s'étend au-delà des features : **migrations, remédiation de tests flaky, investigation de bugs, mises à jour de dépendances** (travail à forte pénibilité). **Mesurer la vélocité produit, pas l'output de code** : le *PR throughput*, signal utile quand la vélocité de codage était la contrainte, *« was no longer sufficient »*. Modèle de mesure en **4 étages** : ***Fuel*** (les outils IA sont-ils sollicités ?) → ***Adoption*** (comment les workflows changent à travers les équipes) → ***Output*** (l'IA contribue-t-elle au travail de production ?) → ***Impact*** (*« improving product velocity and reducing the time it takes to move from idea to customer value »*). Signaux qualité suivis : **code review turnaround time, first-run test pass rate, defect ratio, rework rate**. *« Quality and trust matter as much as speed »* — le cœur de la bascule : *« moving from local activity metrics toward broader system outcomes »*. **Les workflows doivent évoluer** : ce n'est *« not just a tooling shift »* mais un changement d'**operating model** — le rôle de l'ingénieur glisse vers *« defining intent, mapping problems, reviewing generated changes, and making higher-context architectural and quality decisions »*. L'**enablement** est aussi crucial que l'outil (hands-on learning, hackathons, workflow spotlights, bootcamps, peer-led examples) ; adoption à vitesses variables selon les équipes ; *« The goal is not to force every workflow through an agent »* — le rendre *« useful, safe, measurable, and repeatable where it creates meaningful leverage »*. **Ce qu'on a appris** : ***« AI doesn't eliminate bottlenecks in software development, but it does move them »*** (downstream : review, validation, testing, release, prod ops) → optimiser l'ancien goulot ne crée plus le même levier. *« The advantage will not come from access to the same foundation models everyone else can use. It will come from the systems built around those models : context, internal tooling, quality controls, and the workflows that connect them together. »* Pression aussi **en amont** (product & design) : specs structurées, design clarity, problem framing plus aiguisé. Clôture : ***« The future of engineering productivity will not be defined solely by who has the best models. It will be defined by who builds the best systems around them »*** ; *« The real challenge is no longer just generating more code, but building engineering systems that can reliably turn AI-assisted output into valuable experiences for our customers »*. Convergence directe avec **Salesforce/Tallapragada** (Effective Output : mesurer la valeur, pas le volume ; pas de tradeoff vitesse/qualité), **Gupta** (token-to-outcome attribution, cost of a completed outcome), **DORA** (au-delà du débit) et le déplacement du KPI vers le **system outcome** (idea→customer value).
#productivité d'ingénierie#engineering productivity#beyond code generation
**Kazuaki Okumura** — Dropbox (rôle non précisé dans l'article ; le billet reprend une intervention présentée à la conférence **DX Annual 2026** sur la productivité développeur, ce qui suggère un profil engineering leadership / platform, sans confirmation). Publié sur le **Dropbox Tech blog** (dropbox.tech) · rubrique *culture* · le **28 mai 2026**.
Thread X viral (**230,5K vues**, 28 mai 2026, 1h51) de **Jaya Gupta** (@JayaGup10, investisseuse — vraisemblablement Foundation Capital, auteure du cadre *Context Graphs*) intitulé ***« Token Budget Wars »***. **Thèse-pivot** : ***« Enterprise AI has moved from adoption to allocation »*** — la phase 1 de l'IA d'entreprise a prouvé que les modèles savent travailler ; la phase 2 décidera **combien de ce travail vaut la peine**. La nouvelle monnaie au sommet de l'entreprise est la **capacité à quantifier le ROI de l'IA** : *« show me the value »*. Concept canonique : ***marginal token utility*** = *« the business value created by each additional dollar of inference »* — le nombre qui compte à l'échelle, et que **la plupart des entreprises ne peuvent pas voir**. Chronologie : **Claude shippé novembre 2025**, après le lock des budgets annuels 2026 → dès le **Q1**, entreprises *« running multiples ahead of plan »* → l'inférence cesse d'être une ligne d'expérimentation pour devenir un **coût opérationnel récurrent**. Bascule **expérimentation (quelques 100K$) → infrastructure (7 chiffres, 1M$+)** : à l'échelle infra, **la variance technique produit des swings de P&L matériels — deux exécutions du même workflow sur le même input peuvent différer de 5-10× en coût de tokens** sans rien de visiblement cassé, *« a number the CFO has to explain to the CEO »*. **L'IA concurrence le travail** : 3 types de demandes budgétaires (remplacer du travail externalisé / interne / générer du revenu) → glissement vers le ***cost of a completed outcome*** (cost per resolved ticket, processed claim, reviewed contract, completed invoice, avoided hire, retained customer, dollar of revenue moved). **BPO = baseline le plus facile à benchmarker** (déjà tarifé en unités complétées) ; travail interne bien plus dur (employés polyvalents, gains diffus, résistance RH à réduire les effectifs). **Pourquoi c'est différent du SaaS** : le SaaS a appris à traiter l'usage comme proxy de valeur ; l'IA casse ce proxy — *« the signal and the noise share the same unit »* (le token), *« SaaS usage told you the software had been adopted. AI usage tells you the meter is running. It doesn't tell you whether your company is cooking »*. **Trois causes de l'invisibilité de la marginal token utility** : (1) ***retry tails*** — tokens par workflow résolu ≈ **T/p** ; passer de 90% à 70% de complétion augmente le coût effectif de ~**28%**, pas 20%, car les échecs composent ; (2) ***context inflation*** — coût d'inférence ≈ **O(n²)** en longueur de contexte (attention), doubler le contexte **quadruple** le coût de raisonnement (sur-récupération : 50 docs quand 5 suffisent) ; (3) ***routing*** — par défaut on prend le modèle le plus puissant (classification basique sur modèle de raisonnement complexe) ; sur des millions d'appels, la différence entre router les tâches faciles vers un petit modèle et tout envoyer au frontier = *« the difference between a manageable bill and a board-level problem »*. **Bifurcation sectorielle** : entreprises **software** = problème de **mesure de productivité** (déjà instrumenté : PRs, commits, deploys, incidents, cycle time, MTTR — tracke les *« AI layoffs »*) ; entreprises **non-software** = problème de **transformation** (travail opérationnel : claims, underwriting, support, compliance reviews, supply chain exceptions, payment disputes — *right under audit, not just right on average*). **La couche manquante = token-to-outcome attribution** : une couche de conversion reliant dépense d'inférence → travail effectué → outcome business, qui répond à 3 questions (coût réel incluant retries/corrections ; quelles parties du trace ont compté vs thrashing ; le travail a-t-il changé l'operating model). ***Measurement becomes memory*** : pour relier un token à un outcome il faut capturer les **decision traces** (ce que l'agent a vu, récupéré, appelé, ignoré, où il a retried, quand un humain a overridé) — *« decision rationale is one of the most perishable assets in a company »* (vit dans Slack, emails, escalation calls, têtes des gens). Les agents **créent** ces traces ; capturées d'abord pour justifier la dépense, elles deviennent *« more valuable than the cost report »* → un **context graph** (*« although I am so tired of that word these days »*). **The allocation layer is the prize** : qui possède le token-to-outcome attribution fait les **allocation calls** (quels workflows méritent plus de compute, lesquels cappés, lesquels en modèles cheaper, lesquels restent humains, lesquels remplacent le BPO). Les entreprises ne le feront pas seules — elles l'**achèteront comme une transformation** (playbook Fortune 500 : McKinsey + alumni Palantir + top-down CEO, à la manière ERP/BI/digital transformation, un *« program »* avec sponsor exécutif et une infra qui devient la **nouvelle source de vérité**). Cadre par **Charlie Munger** : *« show me the incentive and I will show you the outcome »*. Sous-thèse organisationnelle : instinct exécutif trentenaire *big teams = big jobs/scope/power* → quand l'intelligence devient la **ressource rare**, le nouveau marqueur est *« how much of it you're orchestrating »*. Pertinence directe pour le **positionnement Optimisation des coûts / FinOps agentique** : confirme empiriquement les leviers (routage modèles, prompt caching, hygiène contexte, sub-agents) et déplace le KPI vers le **coût par outcome complété**. Convergence forte avec Bain *cross-system labor* (execution data moat, Cursor), Ng *No AI jobpocalypse* (pricing ancré sur le salaire de l'employé remplacé), DORA ROI (coût par feature), Mensch/Mistral (electron→token), Ensarguet (économie de la computation), Foundation Capital *Context Graphs* (decision traces, même autrice), Wescale *Token Burning*, BFM/Girard (token = fuel de valeur).
#Token Budget Wars#marginal token utility#token-to-outcome attribution
**Jaya Gupta** (@JayaGup10) — investisseuse / VC. Très probablement **Foundation Capital** (le thread s'auto-réfère au cadre ***Context Graphs*** — *« ahem, context graph, although I am so tired of that word these days »* — concept porté par Foundation Capital, cf. fiche `bain-100b-saas-opportunity` qui cite *Foundation Capital — Context Graphs trillion-dollar opportunity, 2025-12-22*). Thread publié sur X le **28 mai 2026 à 1h51** · **230 · 5K vues** · format essai long en un seul post. Une réponse notable de **@tuning_engines** (*« DevSecFinOps for the Agentic Era »*) : *« Tokens will basically have to be managed like headcount […] model hierarchies too »*.
Billet de blog officiel **Salesforce News** (rubrique *Agentic Enterprise*, série *« Pioneering the Agentic Shift Within Salesforce Engineering »*), publié le **27 mai 2026** (6 min de lecture) par **Srinivas « Srini » Tallapragada**, *President and Chief Engineering and Customer Success Officer* de Salesforce. Suite directe d'un premier billet (*« How we got our engineers to use AI — without breaking everything »*) qui racontait le passage de **>90% d'adoption**. **Thèse-pivot** : Salesforce Engineering est passé d'un monde où l'IA était un *copilote* utile à un monde où des **outils agentiques pilotent le cycle de vie logiciel (SDLC) lui-même** — écriture de code, revue de PRs, génération de tests, mise à jour de doc, gestion des déploiements, coordination du travail jadis confié à des handoffs humains. **Décision-signal canonique** : standardisation org-wide sur **Claude Code** + ***« we removed all token limits »*** — *« remove every last piece of friction between our engineers and the tools that make them faster and more effective »*. **Résultat empirique majeur** (avril 2026 vs avril 2025) : work items complétés par développeur **+50,8%**, PRs mergées par développeur **+79%**, et surtout **Effective Output score** (mesure ML de la **valeur réelle du code livré**, pas le volume) **+151,3% en glissement annuel**. **Cas d'usage emblématique** : migration de **33 endpoints API** vers une architecture cloud-native, estimée **~231 person-days** (7 par API) en traditionnel, réalisée en **13 jours = 18× plus vite** — via un **framework rule-based en Claude** (fichiers markdown + reference implementations), feedback des PRs réinjecté en continu dans le rule set, **boucles LLM autonomes (build, fix, validate)** sans intervention manuelle, parallélisées sur environnements isolés → **5 PRs**, la plus grosse livrant **21 endpoints avec 100% de couverture de tests**. **Pas de tradeoff vitesse↔qualité** : via la plateforme **Engineering 360** (centralise les données d'ingénierie de centaines de systèmes), **les incidents totaux baissent de 5%** malgré la hausse des PRs (*« quality doesn't suffer from speed. It benefits from it »*), grâce à des **guardrails de sécurité et standards qualité encastrés structurellement** dans le workflow agentique (Trust = valeur n°1). **Refonte du SDLC** : une fois l'IA adoptée, les ingénieurs **détruisent et reconstruisent** les workflows (quels process supprimer ? quels handoffs inutiles ? où l'humain fait-il encore un travail qu'un agent peut posséder ?). **Nouveau craft d'ingénierie** : les **Claude Code skills** (capacités packagées/réutilisables encodant contexte d'équipe, conventions de nommage, patterns) deviennent un **artefact d'ingénierie** partagé et composable ; **AI Expert Suite** + **Salesforce Foundation Plugins** = bibliothèque curatée institutionnalisée de skills (benchmark interne : **précision et fiabilité en hausse, coût inutile réduit**) ; **subagents & agent teams** parallélisent les workstreams (*« They describe the outcome, and a set of coordinated agents figures out the steps »*). **Ce qui reste dur** : (1) **gestion du contexte** en sessions longues — la **qualité des fichiers CLAUDE.md** varie beaucoup et pèse fort sur la qualité de sortie ; (2) **sécurité agentique** = modèle fondamentalement différent (agents qui *agissent*, pas seulement *suggèrent* → blast radius accru) ; (3) **évolution des rôles** (comment les juniors deviennent seniors si l'IA absorbe le travail entry-level ? rôle du designer/PM ? l'unité d'exécution = scrum team → expérimentations d'unités à 1 ou 3 personnes). Conclusion : *« It changed what was economically possible »* ; ambition affichée = **« the most automated, agentic SDLC in the industry »**. Recoupe directement Gupta (*cost of a completed outcome*, marginal token utility), Greenwald/Sierra (outcome-based pricing), DORA (ROI / coût par feature) et le débat BFM/Girard (token = fuel de valeur, pas coût à couper).
#SDLC agentique#agentic SDLC#Claude Code
**Srinivas « Srini » Tallapragada** — *President and Chief Engineering and Customer Success Officer* de **Salesforce**. Plus d'une décennie chez Salesforce · dirige l'ingénierie mondiale de la plateforme unifiée. Auteur de la série *Agentic Enterprise* sur le blog Salesforce News ; ce billet (27 mai 2026) est la **suite** d'un premier opus consacré à l'adoption de l'IA par les milliers d'ingénieurs Salesforce (*« How we got our engineers to use AI — without breaking everything »*). Position d'autorité = **dirigeant exécutif** parlant en son nom et au nom d'une organisation d'ingénierie à grande échelle (donnée terrain à l'échelle d'un hyperscaler SaaS) · avec accès aux métriques internes (Engineering 360, Effective Output).
Essai-pivot **Dan Shipper** (CEO Every) publié le **21 mai 2026** sur every.to, *« After Automation »* — réponse argumentée à la thèse de l'effondrement du travail intellectuel par l'IA. **Thèse-pivot** : le progrès de l'IA crée **plus de travail pour les humains, pas moins**. Mécanique en boucle (***« the commodification cycle »***) : (1) l'IA banalise la compétence humaine d'hier ; (2) cette compétence bon marché est massivement adoptée → abondance ; (3) l'abondance produit la *sameness* (le *« slop »*) ; (4) les humains exigent de la différence → demande renouvelée d'experts ; (5) les experts utilisent l'IA pour adresser les problèmes d'aujourd'hui → boucle. **Citation canonique** : ***« There's more work to do than ever »*** ; ***« AI commoditizes the residue of human expertise, creating demand for what's different »***. **Cadre conceptuel central — Frame vs. Framer** : les benchmarks mesurent la performance ***« within frames »*** (cadrages de problèmes spécifiques) ; une fois saturés, *changer le cadre remet le compteur à zéro* — les modèles **escaladent les cadres mais ne remplacent pas les cadreurs**. Formule-pivot : ***« the frame is not the framer »***. Même à AGI, des humains doivent **spécifier les objectifs et interpréter les résultats** — *« the frame problem regenerates one level up »*. **Le « Human Sandwich »** : Human sets frame → AI executes → Human judges and extends. **Deux modes de travail avec les agents** : (a) ***agent employees*** — délégation asynchrone (coworker / embedded — Claudie, Andy, Viktor, Fin) ; (b) ***human-AI collaboration*** synchrone (Claude Code et équivalents). **Données Every** : 95 % des emails du CEO traités par l'IA ; **Fin (Intercom) résout 65 % des conversations support**. **Le paradoxe de Zénon de l'IA** : l'IA réduit l'écart en continu, mais les humains restent « la tortue d'avant » parce qu'ils sont ***« alive to a specific moment »*** — *« running wants, running concerns »* — alors que les modèles opèrent sur des données de training historiques. **Benchmarks détaillés** : **GPT-5.5 = 62/100 sur Senior Engineer codebase rewrite** (vs humain 80-90s) ; **GDPval** : 40-49 % du niveau expert humain, **mais avec extensive framing humain**. **OpenClaw 44 469 PRs** en mai 2026 (vs Kubernetes 5 200 sur 2022) — preuve que l'agentique fait *« plus de travail »*, pas *« moins de travail humain »*. **AGI implications** : même AGI, le **framer humain** reste structurellement en avance — il adresse les problèmes *« current, situated »* alors que le modèle opère sur du *« historical training data »*. **Conclusion-pivot anti-tipping-point** : ce n'est pas un événement de bascule, c'est ***un pattern persistant*** qui définit l'avenir du travail. **Pertinence majeure** : contre-récit explicite à *Amodei white-collar bloodbath* / *Sun permanent underclass* / *Anthropic Economic Index* — Shipper, **CEO d'une boîte qui vit avec des agents au quotidien**, propose le cadre théorique qui réconcilie les deux observations empiriques (l'IA fait plus + les humains restent indispensables). Convergence forte avec **Ng "No AI jobpocalypse"** (2026-05-08), **Mollick × roon ASI / FDE** (2026-05-10), **Tatsyi/Raiffeisen "AI made engineers different"** (2026-05-05), **Curran/Intercom 3× R&D** (2026-04-16) — tous racontent que les humains sont *redéployés vers le framing* plus que *remplacés*. Tension productive avec **Sun NYT permanent underclass** (2026-04-30), **Wallace-Wells AI populism** (2026-05-08), **Osmani Cognitive Surrender** (2026-05-05 — le framer humain doit rester actif). À mobiliser pour COMEX / DG / boards : vocabulaire stratégique 2026 — *« frame vs framer »* devient grille canonique de pilotage IA.
#Dan Shipper#Every#after automation
**Dan Shipper** — CEO et co-fondateur de **Every** (média / studio AI-native, créateur de la newsletter *Every*, propriétaire du framework et plugin *Compound Engineering* — cf. fiche `shipper-klaassen-compound-engineering-every-agents-2025-12-11.md`). Profil rare : **opérateur-théoricien** · dirige une organisation entièrement augmentée par l'IA (95 % emails CEO automatisés, agents Claudie/Andy/Viktor en production, Fin pour le support) tout en publiant régulièrement des essais conceptuels sur every.to. Voix éditoriale anglo-saxonne de référence dans le corpus 2025-2026 sur les **modes de travail humain-IA**. Article publié sur **every.to/p/after-automation** le **21 mai 2026**.
Article d'ingénierie publié sur le blog d'**Uber** par six ingénieurs (Matt Mathew, Prasad Borole, Meng Huang, Sergey Burykin, Gaurav Goel, Bayard Walsh) le **21 mai 2026**, exposant la **doctrine d'identité et de contrôle d'accès des agents IA** déployée en production chez Uber pour plusieurs milliers d'agents internes. **Thèse-pivot** : les modèles d'identité existants (humains + workloads) ne décrivent pas l'**agency** — *« an agent is best defined as an entity that is authorized to act for or in the place of another »* — et perdent la **provenance** à travers les hops d'un workflow agentique. **Deux problèmes opérationnels identifiés** : (1) ***« Current Identity Model Doesn't Describe Agency »*** — la délégation est le mode par défaut, les workflows sont compositionnels (agents qui appellent agents qui appellent tools), le comportement est dynamique (plans évoluent selon résultats intermédiaires) ; (2) ***« Original Provenance Isn't Effectively Carried Forward Across Agents to Systems »*** — *« Execution context (originating user, intermediate agents) is dropped across agent hops. »* **Architecture proposée** comme extension de la Zero Trust Architecture Uber : **Agent Registry** (source of truth des mappings agent↔workload) + **AI Agent Mesh** (data plane inter-agents) + **STS (Security Token Service)** (émission JWT scopés courts) + **MCP Gateway** (policy enforcement point pour invocation d'outils) + **AI Gateway** (médiation appels LLM externes avec guardrails) + **SPIRE** (provider de workload credentials). **Mécanique cryptographique** : workloads récupèrent des **SVID (SPIFFE Verifiable IDs)** signés cryptographiquement depuis SPIRE → SDK demande JWT au STS via identité workload → STS vérifie l'autorisation agent contre Agent Registry → token court (TTL en minutes) émis pour **destination single-hop spécifique** (claim `Audience` ciblé). **Doctrine pivot** : ***« Single-hop, short-lived tokens. Every JWT minted by the STS is intended for a single hop, with a specific Audience claim and a short time-to-live in the order of minutes. »*** **Préservation de la chaîne d'acteurs** : exemple multi-hop avec on-call engineer `user1` → Oncall Agent (Workload-1) → Investigation Agent (Workload-2) → MCP Gateway ; le JWT final transporte l'**actor chain `[user1, oncall-agent, investigation-agent]`** vérifiable, permettant des décisions d'accès tool-level basées sur l'**historique complet de la requête**. **Standardisation** : **Standardized A2A (Agent-to-Agent) Client** qui automatise les échanges STS et la propagation de l'actor chain — *« the secure path is also the easiest path for developers to implement A2A calls »* — migration phasée des agents legacy. **Métriques production** : ***« P99 latency for the STS Token Exchange API is consistently below 40 milliseconds »***, milliers d'agents internes adoptés, dashboard d'observabilité temps réel traçant les sessions multi-agents. **Vision long terme — three-layer framework** : (1) Identity & Trust Foundation (identité agent vérifiable + delegation chains), (2) Dynamic Access Control (permissions context-based + human-in-the-loop), (3) Unified Enforcement Plane (politique centralisée observable). **Alignement standards** : IETF **WIMSE** working group + draft `draft-klrc-aiagent-auth-01` *AI Agent Authentication and Authorization*, basé conceptuellement sur **OAuth 2.0 Token Exchange (RFC 8693)** et **SPIFFE/SPIRE** (graduated CNCF). Première publication de référence d'un hyperscaler non-AI-lab (logistique/mobilité) qui industrialise la sécurité des agents au niveau infrastructure, comblant le gap doctrinal entre les frameworks de skills/harness (Vincent, Lattice, PROJ-AI) et les questions d'identité enterprise grade.
#Uber Engineering#AI agent identity#agent identity crisis
**Matt Mathew** (Sr Staff Engineer) · **Prasad Borole** (Staff Software Engineer) · **Meng Huang** (Engineering Manager) · **Sergey Burykin** (Sr Software Engineer) · **Gaurav Goel** (Software Engineer II) · **Bayard Walsh** (Software Engineer I). Tous chez **Uber** · équipe Security/Identity infrastructure responsable du déploiement de l'architecture d'identité agentique en production. Composition d'équipe représentative : un Engineering Manager · un Staff senior cadre · un Staff IC architecte · deux SWE séniors/intermédiaires · un SWE I — pattern classique d'une équipe Uber qui livre une plateforme transverse mission-critical.
Article-pivot **Ivan Chepurin & Travis Turner** (Evil Martians Chronicles, **19 mai 2026**) — ***« AI-assisted engineers are burning out, is this fine? »*** — **diagnostic structuré du burnout des développeurs assistés par IA** et **boîte à outils d'intervention** en 5 axes. **Thèse-pivot** : la productivité accélérée par l'IA cache un **coût caché — l'épuisement développeur**. *« Higher productivity doesn't translate to sustainable work practices or job satisfaction. »* Epigraphe Shunryu Suzuki sur l'agitation mentale. **TL;DR — 3 remèdes essentiels** : (1) restaurer le plaisir du processus, (2) reconstruire l'accomplissement / ownership / fierté, (3) supprimer la pression de maximisation continue de la productivité. **Cadre narratif central — Ben vs Alice** : Ben (codage traditionnel) = 4 h de travail steady, charge cognitive distribuée, satisfaction à l'achèvement ; Alice (assistée IA) = 2 h de travail haute-intensité cognitive, task-switching continu, **aucune satisfaction** + remplit le temps libéré par plus de tâches → **escalade exponentielle de la charge** malgré la production accélérée. **Formule canonique** : ***« We compensate for a lack of satisfaction with work quantity. »*** **Disruption structurelle du cycle craft** : (planning → crafting → result) compressé en (planning → result), suppression de la phase méditative de craft remplacée par la **revue de code cognitivement exigeante**. Convergence directe avec **HBR study 2026** (cited) : *« cognitive exhaustion from intensive oversight of AI agents is both real and significant »* + **UC Berkeley research 2026** : workers remplissent les pauses naturelles par des tâches IA. **Quiet career change** — concept-pivot : les devs choisis pour coder font désormais un **travail différent sans transition de carrière consciente**. 4 voies possibles : (1) trouver du plaisir dans la nouvelle structure (priorisée), (2) ignorer l'IA, (3) travailler sans plaisir (insoutenable), (4) changer de métier. **5 facteurs de burnout quotidien identifiés** : (1) ***Losing context*** — l'agent porte la compréhension projet en externe, dette cognitive shift code→people, perte d'intuition système ; (2) ***No time for passive thinking*** — *« The model fills the silence before your own thinking has a chance to connect dots »* (douches, marches éliminées comme moments de problem-solving inconscient) ; (3) ***False expectations*** — vitesse initiale = baseline irréaliste, ralentissements vécus comme échec ; (4) ***Review bottlenecks*** — *« the more code is generated, the more code needs to be reviewed »*, charge cognitive disproportionnée sur les seniors, diffusion de responsabilité ; (5) ***Endless possibilities*** — faible friction du prompting encourage pivots constants, absence de scoping naturel. **Boîte à outils en 5 interventions** : (a) **Acknowledge your wins** (win-log, démos team, tracker heures) ; (b) **Rethink AI workflow** (planning > review, **3-4 iterations max**, pas de task-switching parallèle, séparer tâches IA-heavy par breaks, décomposer) ; (c) **Keep exercising your craft** (protected craft-hours AI-free, *« ask » mode > generation mode*, agents off sur passion projects) ; (d) **Discipline + work-life balance** (heures fixes, vraies pauses, intentions journalières, stop quand fini) ; (e) **Find new areas of interest** (user research, soft skills, analytics, agent fine-tuning + guardrails, perf optim). **Conclusion** : *« AI can be helpful. Problems appear only if you misuse it. »* L'évolution industrie = inévitable ; le bien-être individuel = contrôlable. Convergence majeure avec **Osmani Cognitive Surrender** (2026-05-05), **Frizzo "Year With Claude Code"** (2026-05-05 — *« writing muscle atrophy »*, *« deep flow rare »*), **Bedard BCG/HBR Brain Fry** (2026-03-05 — 1488 salariés, peak 3 outils, +39% errors, +39% intent to leave). Pertinence majeure pour **CTO / VP Engineering / DRH IT** confrontés à la rétention des ingénieurs IA-augmentés en 2026.
#Ivan Chepurin#Travis Turner#Evil Martians
**Ivan Chepurin** & **Travis Turner** — auteurs Evil Martians (cabinet de conseil ingénierie indépendant, Berkeley/global, ~150 ingénieurs, spécialiste Ruby on Rails / React / produits SaaS depuis 2010 ; éditeurs du blog *Evil Martians Chronicles* — référence dans la communauté Rails et JS). Article publié dans la catégorie **AI / Developer Community** sur evilmartians.com le **19 mai 2026**. Profil Evil Martians : voix éditoriale **opérateur-praticien** · articles longs ancrés dans le terrain produit · registre **soin du craft + lucidité business** · public habituellement développeurs / CTO / fondateurs early-stage.
Rapport interne de teardown du release open-source **`xai-org/x-algorithm`** (15 mai 2026) — l'algorithme **For You feed** de **X (ex-Twitter)** en 2026, avec quatre pistes de recommandations growth audience-tunées (personal/founder, brand/company, framework généralisé, livrable client/consulting). **Thèse-pivot** : ***« The famous 2023 weight table — replies count more than likes by a big multiplier — describes a system that no longer exists in this form. »*** L'algorithme 2026 est un **transformeur (Phoenix, dérivé Grok-1)** qui apprend les poids depuis ton historique d'engagement, scoré contre une **surface multi-actions à 19 dimensions**, gatée par un service offline de content understanding (**Grox**). **La forme du scoring importe désormais beaucoup plus que les nombres — et les nombres eux-mêmes ne sont pas dans le release public**. **Architecture en 4 composants** : (1) **Home Mixer** (Rust, orchestrateur request-time, hydrate → source → filter → score → select → filter) ; (2) **Thunder** (Rust, in-memory store Kafka-fed des posts récents, lookups sub-ms des candidats in-network) ; (3) **Phoenix** (JAX ML, retrieval two-tower + ranking transformeur, ~Grok-1 dérivé) ; (4) **Grox** (offline, classifieurs spam/safety/PTOS/banger + embedder multimodal v5). **Les 19 actions prédites par Phoenix** (changement-clé vs 2023) : favorite, reply, repost, photo_expand, click, profile_click, vqv (video quality view gated by min duration), share, share_via_dm, share_via_copy_link, dwell, quote, quoted_click, follow_author, not_interested, block_author, mute_author, report, dwell_time (continuous). **Score final** = `Σ (weight × P(action))` modifié par **3 multiplicateurs structurels** : (a) **OON_WEIGHT_FACTOR < 1** (pénalité out-of-network), (b) **author diversity decay** `(1-floor) × decay_factor^position + floor` (atténuation exponentielle des posts répétés du même auteur dans un même render), (c) **video duration gate** (vqv ne contribue que si `video_duration_ms > MIN_VIDEO_DURATION_MS`). **Caveat capital** : **aucune valeur numérique des poids** (`FAVORITE_WEIGHT`, `OON_WEIGHT_FACTOR`, `AUTHOR_DIVERSITY_DECAY`, `MIN_VIDEO_DURATION_MS`...) n'est dans le release — tout est `crate::params::*`, géré par un feature-switch service interne X pour A/B testing. ***« Anyone telling you 'replies are worth N.N× more than likes in 2026' is fabricating a number that is not derivable from the OSS release. »*** **Différences-clés vs 2023** : (1) suppression de toute feature hand-engineered (*« We have eliminated every single hand-engineered feature and most heuristics from the system »*) ; (2) un seul modèle prédisant 19 actions vs plusieurs modèles 1 action chacun ; (3) Grox sépare content understanding et ranking ; (4) nouveaux signaux first-class (dwell continu, vqv gated, follow_author, 3 variantes de share) ; (5) two-tower OON retrieval (vs SimClusters+heuristics) avec embeddings multimodaux text+image+ASR-video. **Three layers of reach** (framework généralisé) : Eligibility (binary, Grox+filtres) → Retrieval (probabilistic, two-tower ANN) → Ranking (continuous, weighted-sum + multipliers). **Two laws of mechanical growth** : (1) In-network is multiplicative, OON is additive ; (2) The model's job is to predict you, not reward you. **Boundary d'honnêteté assumée** : checkpoint Phoenix released = mini (2 layers, 4 heads, 256-dim, corpus 537K posts sports), pas le modèle prod ; intégrations Thrift stubbées (`panic!("Not implemented")` dans `candidate_features.rs`) ; brand-safety lists, topic ID mappings, language penalties, ad-blending rules absents du public.
#X algorithm 2026#xai-org/x-algorithm#For You feed
Rapport interne **non signé** (typique des deliverables d'analyse interne / brouillon de livrable client). Sources primaires citées : (a) le repo public **`xai-org/x-algorithm`** (release 15 mai 2026) · (b) les `README.md` du repo et de ses sous-modules (`home-mixer/`, `phoenix/`, `thunder/`, `grox/`) · (c) le code source Rust (Home Mixer, Thunder) et Python/JAX (Phoenix, Grox) inspecté directement avec citations file:line. Le rapport est explicitement écrit en posture *"what we observe in the public source release · and what it implies for measurable growth interventions"* — registre de teardown analytique avec discipline d'honnêteté épistémique (section A.3 *"Honesty boundary"* listant exhaustivement ce qui n'est pas dérivable de l'OSS).
Première encyclique sociale du **Pape Léon XIV** (Robert Francis Prevost), datée du **15 mai 2026** (Rome, près de Saint-Pierre, 2e année du Pontificat), publiée pour le **135e anniversaire de *Rerum Novarum*** (Léon XIII, 15 mai 1891) et explicitement présentée comme **prolongement de la Doctrine sociale de l'Église à l'ère de l'IA**. Sous-titre canonique : *« sur la protection de la personne humaine à l'ère de l'intelligence artificielle »*. **245 paragraphes**, structurés en **Introduction + 5 chapitres + Conclusion**. **Thèse-pivot** organisée autour de deux **icônes bibliques** : la **tour de Babel** (Gn 11) — l'uniformité technologique sans Dieu, *« absolutisation de l'humain »* — vs la **reconstruction des murs de Jérusalem par Néhémie** (Ne 2-6) — la responsabilité partagée pierre par pierre, l'écoute, la coordination des familles. *« Le premier choix ne se situe pas entre un "oui" ou un "non" à la technologie, mais entre bâtir Babel ou reconstruire Jérusalem »* (n. 9). **Concepts canoniques** : (1) **IA "cultivées" plutôt que "construites"** — *« les développeurs n'en conçoivent pas directement chaque détail, mais créent une architecture sur laquelle l'IA se développe »* (n. 98), formulation théologique remarquable qui reprend le vocabulaire ML-research récent ; (2) ***« Désarmer l'IA »*** (n. 110) — *« la soustraire à la logique de la compétition armée qui n'est plus aujourd'hui seulement militaire, mais aussi économique et cognitive »*, rendre l'IA *« habitable, en la restituant à la pluralité des cultures humaines »* ; (3) **Critique radicale de l'"alignement"** — *« Nous ne pouvons pas nous contenter d'invoquer la moralisation de la machine, ce qu'on appelle "l'alignement" de l'IA sur les valeurs humaines, sans avoir le courage de poser une condition supplémentaire : la possibilité de débattre du code éthique à utiliser »* (n. 107). ***« Une IA plus morale ne sert à rien si cette morale est décidée par une poignée de personnes. »*** (4) **Asymétrie épistémique** et **nouveaux monopoles de l'IA** (n. 109) — *« dans un monde où quelques sujets concentrent les données, les ressources informatiques et le pouvoir réglementaire »* ; (5) **Travail invisible** des étiqueteurs/modérateurs/extracteurs de terres rares (n. 109, 173) — *« des corps marqués, mutilés, utilisés pour que le flux de calcul ne s'interrompe jamais »* ; (6) **Colonialisme des données** (n. 178) — *« il ne domine pas seulement les corps, mais s'approprie les données »*, *« nouvelles terres rares du pouvoir »* ; (7) **IA et guerre** (n. 197-200) — *« Aucun algorithme capable de rendre la guerre moralement acceptable »* (n. 198), trois critères : responsabilité personnelle traçable, refus de raccourcir le délai du jugement moral, protection des civils ; (8) **Critique transhumanisme/posthumanisme** (n. 115-117) comme *« archipel d'îles conceptuelles reliées par le même océan de présupposés : la centralité de la technique et le rêve de dépasser les limites de la condition humaine »* ; (9) **Travail dans la transition** (n. 150-156) — *« contrairement aux avantages annoncés de l'IA, les approches actuelles de la technologie peuvent paradoxalement déqualifier les travailleurs, les soumettre à une surveillance automatisée »*, accès au travail comme priorité publique, anticipation de la transformation, fixation de critères sociaux pour l'innovation ; (10) **Question canonique reprise de Jean-Paul II** (Redemptor hominis 1979) : ***« l'IA rend-elle la vie humaine sur la terre "plus humaine" à tout point de vue ? La rend-[elle] plus "digne de l'homme" ? »*** (n. 129) ; (11) **Plus qu'humain authentique** : non le transhumanisme, mais la grâce — *« nous parvenons à être pleinement humains quand nous sommes plus qu'humains, quand nous permettons à Dieu de nous conduire au-delà de nous-mêmes »* (n. 128, citant François *Evangelii gaudium*) ; (12) **Désarmer les mots** (n. 214) — *« Désarmons les mots et nous contribuerons à désarmer la Terre »*. **Adressataires** : *« À tous les fidèles catholiques, à tous les chrétiens, à tous les hommes et à toutes les femmes de bonne volonté »* (n. 16) — registre **universel** dans la lignée de *Pacem in terris* (Jean XXIII 1963), *Laudato si'* (François 2015) et *Fratelli tutti* (François 2020). **Appel particulier aux développeurs IA** (n. 111) : *« chaque choix de conception exprime une vision de l'humanité »*. **Source magistrale**-clé citée : *Antiqua et nova* (Dicastères pour la Doctrine de la Foi + Culture et Éducation, 14 janvier 2025) + *Quo vadis, humanitas ?* (Commission théologique internationale, 9 février 2026). Document majeur du **Magistère social 2026**, à la jonction Doctrine sociale ↔ éthique de l'IA ↔ géopolitique des big tech ↔ critique du travail des microtravailleurs/extraction terres rares. Convergence implicite avec **Mensch / Mistral** (souveraineté énergétique IA), **Sun / NYT Permanent Underclass** (cf. mémoire travail→capital), **Wallace-Wells / NYT AI Populism** (cf. critique des oligarques tech), **Mollick × roon** (cf. ASI et politique interne). Première encyclique d'un Pape qui prend explicitement l'IA comme **objet central et structurant** plutôt que comme thème parmi d'autres.
#Léon XIV#Robert Francis Prevost#encyclique sociale
**Léon XIV** (de naissance Robert Francis Prevost) · 267e Pape de l'Église catholique · élu le **8 mai 2025** · premier pape américain de l'histoire (né à Chicago, USA, 1955 ; double nationalité américano-péruvienne). Augustinien (ancien Prieur général de l'Ordre de Saint-Augustin 2001-2013) · ancien évêque de Chiclayo (Pérou) puis Préfet du Dicastère pour les Évêques (2023-2025). *Magnifica Humanitas* est sa **première encyclique sociale** · signée *« Donné à Rome · près de Saint-Pierre · le 15 mai de l'année 2026 · la deuxième de mon Pontificat »* — date choisie pour **coïncider avec le 135e anniversaire de *Rerum Novarum*** (15 mai 1891) de Léon XIII · dont il a explicitement repris le nom de pontificat en référence à la tradition sociale lancée par son prédécesseur du XIXe siècle. La référence augustinienne est centrale dans le document (citations massives des *Confessions*, du *De civitate Dei* — *« deux amours ont fait deux cités »*, des *Enarrationes in Psalmos*, des *Sermones*). Trace de paternité collective : multiples références à *Antiqua et nova* (note conjointe DDF + DCE, 14 janvier 2025) et *Quo vadis · humanitas ?* (CTI, 9 février 2026) · suggérant un travail conjoint entre la Secrétairerie d'État · le Dicastère pour la Doctrine de la Foi · le Dicastère pour la Culture et l'Éducation · et le Dicastère pour le Service du Développement humain intégral.
Continuous Delivery comme socle non-négociable du développement assisté par IA — Dave Farley sur sa chaîne *Modern Software Engineering* défend que sans CD, l'IA n'est pas un accélérateur mais un piège (theory of constraints + paradoxe de Jevons appliqués au code généré, ATDD/BDD comme garde-fou, pipeline de déploiement comme arbitre de qualité).
#Continuous Delivery#IA générative dans le SDLC#ATDD (Acceptance Test-Driven Development)
Dave Farley (Modern Software Engineering — YouTube channel)
Audition d'**Arthur Mensch** (cofondateur et DG de **Mistral AI**) accompagné d'**Audry Herblin-Stoupe** (directrice affaires publiques) devant la **commission d'enquête de l'Assemblée nationale sur les vulnérabilités numériques** (présidée par Philippe Latombe, absent — séance présidée par la rapporteur). Témoignage sous serment, ~1h15, mai 2026. Thèse-pivot de Mensch : ***« le cloud, c'est l'intelligence artificielle »*** — pas de distinction entre services numériques et IA, l'IA est l'unité atomique de la chaîne de valeur cloud, du semi (ASML) au déploiement entreprise. **Mistral en 2026** : 1000 collaborateurs, valorisation 12 Md€, objectif **1 Md€ de revenus fin 2026**, 1 Md€ investi en R&D sur l'année, 30 % CA en France / 70 % hors France / ~75 % en Europe, clients : DINUM, Caisse des dépôts, France Travail, MACGM, Stellantis, TotalEnergies, BNP Paribas, ministère des Armées, Luxembourg (administration centrale). **Cadre conceptuel mensch-ien** : l'IA est une **ressource naturelle** — *« on transforme de l'électricité en intelligence, en génération de tokens »*. Économie : 1 GW de datacenter = **50 Md$ d'investissement sur 5 ans**, génère **20 Md$ de tokens/an** ≈ 50 % de marge brute. Sur la chaîne électron→token, **~10 % de la valeur est dans l'électron**, 90 % ailleurs (chips, logiciel, services). **Thèse macro alarmiste** : si l'Europe importe 10 % de sa masse salariale en IA non-européenne, c'est **1 trilliard € de déficit commercial supplémentaire** ; 20 trilliards d'investissement infrastructure à faire pour servir l'Europe (40 GW France / 400 GW Europe). **Stratégie de souveraineté** : ***« ne pas penser souveraineté comme isolationnisme mais comme levier »***. **Urgence temporelle** : *« on n'a pas le temps »* — fenêtre de **2 ans** avant monopolisation des ressources énergétiques européennes par les hyperscalers américains qui déploient **1 trilliard $/an**. **Cinq diagnostics opérationnels** : (1) Lourdeur réglementaire = 5 personnes compliance chez Mistral, 27 régulations désynchronisées, départ entrepreneurs vers US ; (2) Marché fragmenté = ~60 telcos européens vs 3 US ; (3) Commande publique sous-utilisée comme levier stratégique (50 % du PIB EU) ; (4) Énergie : 9 GW de surplus français risque d'être monopolisé par acteurs US dans les 2 ans ; (5) Distillation = technique de réduction de coûts, **pas** rattrapage technologique. **Doctrine défense** : Mistral travaille avec ministère des Armées, refuse explicitement le « droit de regard » sur l'usage final (« on n'a pas la légitimité démocratique »), positionnement *anti-Anthropic-Mythos*. **Cybersécurité** : reconnaît capacités offensives des modèles (« ça monte de manière linéaire, prédictible, chez tout le monde en même temps »), s'oppose au *marketing de la peur* d'un concurrent américain (Anthropic implicite). **Campus IA** : participation très minoritaire, fournisseur potentiel (Mistral + hyperscalers), 35 Md€ MGX/Abu Dhabi + Nvidia, 100 hectares Saint-Arnoult, 1,4-1,6 GW (= Flamanville), nucléaire français = empreinte carbone réduite. **Annotation** : équipes de thésards (plus de microtravailleurs), Madagascar pour robotique avec garanties salariales. **Modèle économique** : pas de bulle côté demande, **goulot d'offre** (chips, mémoire, hélium, électrons). **Conclusion-avertissement** : *« si on le fait pas suffisamment rapidement, on va devenir un État vassal »*.
#Arthur Mensch#Mistral AI#Audry Herblin-Stoupe
**Arthur Mensch** (cofondateur et directeur général de **Mistral AI**) accompagné d'**Audry Herblin-Stoupe** (directrice des affaires publiques et de la communication, Mistral AI). Mensch a cofondé Mistral AI le 28 avril 2023 avec **Guillaume Lample** et **Timothée Lacroix** — tous les trois précédemment dans les *« gros acteurs américains »* (Google DeepMind / Meta FAIR). Audition tenue devant la **commission d'enquête de l'Assemblée nationale sur les vulnérabilités numériques** · présidée par **Philippe Latombe** (député MoDem, Vendée — absent ce jour). Séance présidée par la **rapporteur** (non nommée dans le transcript) · avec interventions du président lui-même (revenu en cours) · du député **Arnaud Saint-Martin** (LFI/Saint-Arnoult — sa circonscription accueille Campus IA) · et de la rapporteur sur les questions économiques.
Lancement de **AI/works™**, **plateforme de développement agentique** revendiquée par **Thoughtworks** comme *"le nouveau standard pour construire et faire tourner des systèmes industriels à l'ère de l'IA"*. Le pitch fondamental est **économique** : *"le vieux modèle te faisait payer des millions pour construire, faire tourner, puis re-payer pour reconstruire — AI/works™ met fin à cette routine"*. La plateforme couvre **tout le SDLC** autour d'une notion centrale, la ***Super Spec*** (spécification dynamique unifiée couvrant architecture, workflows, sécurité, données, UX), avec **six capacités** : Reverse Engineering (legacy → specs as-is), Dynamic Spec Development (raw requirements → Super Spec), Spec to Code (agents coordonnés générant code testable), Developer Experience (golden paths gouvernés), Control Plane (orchestration agents avec cost transparency, guardrails actifs, end-to-end lineage), Runtime Ops (monitoring continu détectant les changements, mettant à jour la Super Spec, régénérant le code impacté). Méthodologie **3-3-3** : 3 jours pour aligner le concept produit, 3 semaines pour le prototype (desirability/viability/feasibility), 3 mois pour MVP en production. Reconnaissance **Constellation Research** : *"changing the economics of enterprise software delivery"* via une approche *"spec-driven, lifecycle"*. Slogan ouverture : ***"We are doing it again for the AI era"*** — invoquant l'héritage XP/CI-CD/microservices de Thoughtworks. Positionnement anti-hype : *"stands on an engineering foundation rather than enthusiasm"*, *"no consultant crowds"*, *"finance can open the bill without switching on emergency lighting"*. Partenaires affichés : AWS, GCP, Azure, Databricks, Snowflake + Claude, OpenAI, DeepSeek, Gemini, Grok + NVIDIA, Groq, Stripe, Spotify, CAST, Cyn DX, Mechanical Orchard.
#Thoughtworks#AI/works#AI works trademark
**Thoughtworks** (auteur collectif corporate, page produit/marketing). Aucun individu cité sur la page. Contexte des figures Thoughtworks pertinentes en arrière-plan : **Martin Fowler** (chief scientist emeritus, *Refactoring*, *Patterns of Enterprise Application Architecture*) · **Rebecca Parsons** (CTO emeritus) · **Birgitta Böckeler** (Distinguished Engineer, *Harness Engineering for Coding Agents*, fiche 2026-04-02) · **Matt Kamelman** (*Service-as-Software*, fiche 2025-12-03) · **Sam Newman** (*Building Microservices*).
Test de cohérence d'Ethan Mollick (Wharton) : on saura que les labos d'IA croient vraiment à l'ASI le jour où ils dissoudront leurs équipes *Forward Deployed Engineering* (FDE). Débat public avec roon (OpenAI) sur LinkedIn : roon objecte que c'est un **problème hayékien** (l'intelligence ne résout pas automatiquement le flux d'information organisationnel) et reprend le terme « **Gentle singularity** ». Consensus dans les commentaires : la technologie est la partie facile, la politique interne / les workflows legacy / la responsabilité contractuelle sont le vrai blocage. Formule-marqueur : *"Curing cancer might be easier than replacing Accenture"*. Opposition épistémique **East Coast vs West Coast** sur la trajectoire d'adoption de l'IA.
#ASI (Artificial Super Intelligence)#Forward Deployed Engineering (FDE)#consulting IA
Ethan Mollick (professeur Wharton, auteur *Co-Intelligence*) — auteur du post ; roon (employé OpenAI, identité publique anonyme, voix influente du cercle accel) — interlocuteur cité ; commentateurs anonymes (praticiens, consultants, chercheurs).
Article-manifeste de **Thariq Shihipar** (Engineer & serial entrepreneur, équipe Claude Code chez Anthropic) qui annonce un **changement de format de sortie par défaut pour les agents** : remplacer **Markdown par HTML**. Thèse : Markdown a été le format dominant entre humains et agents (simple, portable, éditable, lisible) mais est devenu **un goulot d'étranglement** à mesure que les agents produisent des artefacts plus longs et plus riches (specs, plans, rapports, code review). Au-delà de ~100 lignes, plus personne ne lit un fichier Markdown. HTML résout six limites simultanément : **densité d'information** (tableaux, CSS, SVG, scripts, canvas, images), **clarté visuelle** (mise en page navigable, responsive mobile), **facilité de partage** (lien S3 directement ouvrable dans un navigateur), **interactivité bidirectionnelle** (sliders, knobs, boutons "copy as JSON/prompt" pour reboucler vers Claude Code), **ingestion contextuelle native** (Claude Code lit codebase + MCP Slack/Linear + git history + Chrome) et **plaisir** (l'auteur revendique explicitement *"it's joyful"*). Cinq usages canoniques détaillés : (1) **specs/plans/exploration** en grille comparative, (2) **PR review** avec diff annoté inline, (3) **design & prototypes** avec sliders d'animation, (4) **rapports/recherche/learning** (l'auteur a fait générer un explainer prompt caching depuis l'historique git), (5) **éditeurs jetables custom** (drag-and-drop de tickets Linear, éditeurs de feature flags, prompt-tuner side-by-side) qui produisent un export "copy as markdown/diff/JSON" reréinjectable. Anti-pattern explicite : *"I'm a little bit afraid that people will read this article and turn it into a /html skill"* — l'auteur **refuse la skill-ification prématurée**, recommande de prompter from scratch ("make a HTML file"). FAQ pragmatique : coût tokens absorbé par les 1 MM context de **Opus 4.7**, génération 2-4× plus longue, diffs HTML bruyants (downside réel), style maîtrisé via design system HTML de référence.
#HTML#Markdown#format de sortie
Thariq Shihipar (Engineer & serial entrepreneur, équipe Claude Code chez Anthropic — site : thariqs.github.io/html-effectiveness ; X : @trq212)
Édito d'Andrew Ng dans The Batch n°352 du 8 mai 2026 — **"There Will Be No AI Jobpocalypse"** — qui démonte la narration de chômage de masse provoqué par l'IA en s'appuyant sur le taux de chômage US **sain à 4,3 %** et un hiring tech robuste. Ng identifie **trois moteurs** du narratif jobpocalypse : **(1) tech incentives** — les labs IA bénéficient à se présenter transformative-disruptive (lèves de fonds, valorisations, talent) ; **(2) pricing power** — les éditeurs facturent **10 000$+/an** à leurs clients enterprise en **ancrant leur tarif sur le salaire de l'employé remplacé**, plutôt que sur le pricing SaaS traditionnel (per seat / per usage) ; **(3) corporate messaging** — les boîtes recadrent leurs layoffs en *"efficience IA"* plutôt que de reconnaître l'**overhiring pandémique** 2020-2022. Reconnaissance honnête : *"AI disrupts work"*. Mais Ng renverse en **"AI jobapalooza"** (jeu de mots sur Lollapalooza) — création de jobs en AI engineering et fields adjacents avec compétences en évolution. Tension implicite avec **Amodei** (50 % white-collar jobs supprimés d'ici 2030) — Ng souligne sans nommer que **Anthropic gagne à promouvoir cette narration** (tech incentives). Publié **le même jour** que **Wallace-Wells "AI Populism" NYT Magazine** : lecture en miroir parfaite — Ng = analyse économique froide / Wallace-Wells = panique populaire. Convergence pricing power avec **Bain "100Md$ cross-system labor"** (même thèse : ancrage tarifaire sur salaires).
#Andrew Ng#The Batch#DeepLearning.AI
Andrew Ng (fondateur DeepLearning.AI, Stanford, ex-Google Brain, ex-Baidu, ex-Coursera)
**David Wallace-Wells** publie dans le **NYT Magazine** le **8 mai 2026** un article-pivot politique majeur (~16 min lecture audio) qui formalise et nomme le retour de bâton populiste contre l'industrie IA : ***"A.I. Populism Is Here. And No One Is Ready."*** Sous-titre cinglant : *"Silicon Valley oligarchs worried about the risks their technology posed to the world. They forgot about people."* **Thèse-pivot** : les fondateurs IA (Altman, Amodei, Musk, Zuckerberg, Hassabis) ont passé une décennie obsédés par les risques **existentiels** de leur technologie tout en **négligeant le risque politique** d'un backlash humain — qu'ils pensaient *"wouldn't materialize in time, would be quickly outmaneuvered by machine intelligence or could be bought off by talk of basic-income payments or thin promises of curing cancer"*. **Le backlash a frappé littéralement** : avril 2026, **cocktail Molotov** lancé sur la propriété Altman à San Francisco, puis quelques jours plus tard **attaque par armes à feu** sur sa maison. Wallace-Wells reprend la formule de **Jasmine Sun** (NYT Opinion 2026-04-30, déjà au dossier) : ***"A.I. populism's warning shots"*** — analogie avec l'assassinat du CEO UnitedHealthcare Brian Thompson par Luigi Mangione. **Cinq laboratoires comme nouveaux visages de l'oligarchie américaine** : *"a fearsome concentration of economic and social power producing a self-compounding pattern of extreme inequality"* — Sam (Altman), Dario (Amodei), Elon (Musk), Mark (Zuckerberg), Demis (Hassabis), tous milliardaires ou presque, *"several of whom are widely described as sociopaths"*. **Statistiques choc** : Pew Research 2025 — **50% Américains plus inquiets qu'enthousiastes**, **seulement 10% plus enthousiastes** ; Quinnipiac récent — **seul le bracket >200k$ revenus a une vue optimiste de l'IA pour la vie quotidienne** ; Heatmap polling — basculement support/opposition data centers de **+2 pts (sept 2025) à −24 pts (févr 2026)**, soit **swing 26 points en 4 mois** ; Northern Virginia 2023-2025 — **swing 69 points contre data centers** (+45 → −24). **Loudon County** : data centers généreront **1,3 Md$ sur 2,9 Md$** de revenus fiscaux en 2027 (~45%). **Asymétrie investissement-logement** : États-Unis ont **dépensé plus en infrastructure IA qu'en single-family homes** en 2025, **10× plus de data centers que l'Allemagne** (#2), **20× plus d'investissement IA que la Chine** (#2), pendant **crise du logement de 10 millions d'unités manquantes**. **Citation centrale Ted Chiang (BuzzFeed 2017)** mobilisée : *"When Silicon Valley tries to imagine superintelligence, what it comes up with is no-holds-barred capitalism."* **Citation Dario Amodei (Anthropic, 2024)** : *"People outside the field are often surprised and alarmed to learn that we do not understand how our own A.I. creations work. They are right to be concerned: this lack of understanding is essentially unprecedented in the history of technology."* **Pivot politique signalé** : la **Maison-Blanche** propose de forcer un **federal review de tous les nouveaux modèles propriétaires avant release** — virage majeur après position pro-industry. **Catalyseur** : refus public **Anthropic** d'**avril 2026** de release **Claude Mythos**, modèle capable de *"find and exploit security vulnerabilities in every tested piece of software, including those used in critical pieces of global I.T. infrastructure"* (déjà au dossier via fiche **AISI UK GPT-5.5 / Mythos** 2026-04-30). **Citation Dean Ball (architecte original AI policy Trump, conférence Palantir Foundation Yale)** : *"This giant acid vat which would dissolve the mediating institutions most Americans see as society. It will not be A.I. in government. It's going to be A.I. as governments."* **Concept Jeffrey Ding** : *"diffusion marathon"* (vs winner-take-all race) — l'IA comme *general-purpose technology* (steam, electricity, internet) où la **diffusion** compte plus que l'**état de l'art**. **Conclusion-pivot** : *"We still know the names of the robber barons, and live still somewhat in their shadows. But we are not their serfs. Are we sure A.I. will be different?"* Pertinence majeure pour le dossier 2026 : **formalisation conceptuelle du backlash politique** anticipé par Sun (avril) et signalé par Ng The Batch (cocktail Molotov Altman, ~64 Md$ data centers bloqués, moratoire Maine 20MW+). À mobiliser pour COMEX géopolitique IA, débats régulation, présentations stratégiques sur risques sociétaux et politiques de l'IA, articulation FR / Europe sur la rétro-action politique de l'IA.
#David Wallace-Wells#NYT Magazine#AI Populism Is Here
**David Wallace-Wells** — NYT Magazine staff writer · journaliste américain reconnu pour son travail sur le climat (livre *The Uninhabitable Earth* 2019, ancien deputy editor de *New York Magazine*). Connu pour des essais long-form combinant reportage · prospective et critique politique des technologies. **Article publié dans le NYT Magazine** le **8 mai 2026** (édition online, ~16 minutes audio) · section politique-tech.
Podcast Greg Isenberg × Meng To (designer, fondateur Design+Code, créateur des produits Aura / New Form / Dream Cut) sur **`design.md`** — la convention open-source de Google, équivalente à `agents.md` / `skills.md` / `soul.md` mais **pour la design system** (typographie, couleurs, spacing, WebGL/Three.js animations, règles de reveal). Idée centrale : porter "l'**âme du design**" dans un fichier markdown qui se transmet à un agent (Claude Code, Codex, OpenClaude, Gemini, Stitch, Aura, V0, Lovable, Cursor) pour préserver la **cohérence cross-medium** (web, mobile, slides Replit, motion design Hyperframes/Remotion). Triade enseignée : **HTML = plat fini, design.md = recette, skills = ingrédients** (skills typo, lasers, skeuomorphic, 3D — 63 dans New Form). Diagnostic majeur : **design drift** sur les workflows one-shot (`v0`, Lovable, Framer) qui démarrent forts puis dérivent en générique. Méta-message : la *taste* est le seul **moat** restant — *"si une chose ressemble à une autre, sa valeur baisse de 10× à 100×"*. Workflow : **Reference → Design.md → Generate → Inspect → Systemize → Iterate (jusqu'à 1000+ prompts) → Remix → Expand → Export**. Critique des **purple gradients** ("you just run") = baseline générique post-vibe-coding. Meng To revendique avoir dépensé ~500 000 $ en tokens, fait 1000–10 000 itérations par produit, gère 4 produits en parallèle en solo.
#design.md#Google#design system
Greg Isenberg (host — podcast Late Checkout / The Greg Isenberg Show, 12 mai 2026 livestream workshop ideabrowser.com) ; **Meng To** (guest — designer, fondateur Design+Code 2014, créateur Aura / New Form / Dream Cut, autodidacte parti à 18 ans, dropout, francophone d'origine canadienne)
Débat télévisé sur BFM Business (émission *Tech & Co Business*, segment "Le débat", 17 minutes) avec **Rémi Jacquet** (DG Cast Software France, fondateur en 2023 d'un think tank d'une centaine de DSI sur l'impact de l'IA générative sur le développement, partenariat Cigref / Epita) et **Didier Girard** (CTO et DG de **SFEIR**, ESN française d'environ 1 000 personnes). Thèses fortes : *"écrire du code est devenu un anti-pattern"* (Girard), l'IA produit du code de qualité supérieure à la plupart des ingénieurs et est *"2 à 10× plus efficace"* — c'est une réalité, mais le métier ne disparaît pas. Le développeur devient **chef d'orchestre / manager d'agents / juge de paix**, les sprints de 14 jours sont remplacés par des ***bolts*** d'une heure à une demi-journée, la **Pizza Team** (8-10 personnes) ne fonctionne plus à l'ère agentique, un nouveau métier émerge — le ***product engineer*** —, la durée de vie d'une compétence passe de **10 ans à 1 an**, et la consommation de **tokens** devient le *fuel* de la création de valeur (anecdote NVIDIA qui verserait des primes en tokens, métaphore du chauffeur de taxi qui ne consomme pas d'essence). SFEIR revendique *"1 000 personnes, capacité de production 10 000"*. Côté Cast : positionnement sur le ***harness engineering*** (déterministe vs IA probabiliste, contrôle et garde-fous), aligné sur la tribune Sylvain Duranton (BCG X) dans *Les Échos* selon laquelle *"un agent = un LLM + des harnesses"*. Pivot historique 2024 *prompt engineering* → 2025 *context engineering* → 2026 *harness engineering*. Avertissement clé : *"plus l'IA devient forte, plus on baisse la garde — plus il y a de risques"* (Jacquet). Rôle pivot des DRH dans la transformation, remise à plat complète du SDLC, recommandation aux juniors de bétonner les fondamentaux d'architecture logicielle (*"le code est la partition, il faut maîtriser la symphonie"*).
#BFM Business#Tech & Co Business#débat télévisé
**Invités** :
Interview Boris Cherny (créateur Claude Code, Anthropic) lors d'un événement Sequoia (animateurs : Asia, Lauren Reader). Cherny déclare ***"coding is solved"*** : il écrit lui-même **0 ligne de code** depuis fin 2025, le modèle écrit **100%**, *"a few dozen PRs/day, 150 PRs in a single day record"*. Récit de la genèse Claude Code (Anthropic Labs incubator fin 2024, Mike Krieger en charge du round 2, build pre-PMF *"for the next model"*, première release non-décollante, **exponential growth démarré avec Opus 4 en mai 2025**, accéléré à chaque nouveau modèle 4 → 4.5 → 4.6 → 4.7). Setup personnel actuel : **"most of my work I do from my phone"** (iOS), 5-10 sessions, **"a few hundred agents going, a few thousand at night"**, **`/loop` est l'avenir** (cron + repeat jobs, agents qui babysittent CI, rebasent les PRs, clusterisent les feedbacks Twitter). **Routines** = équivalent serveur, laptop fermé. Vision SaaS : pas d'apocalypse, mais **réordonnancement du framework 7 Powers de Helmer** (switching costs ↓, process power ↓, network effects/scale economies/cornered resources inchangés) et **10× plus de startups disruptives** dans les 10 prochaines années. Analogie pivot : la **presse de Gutenberg** (10% de littéracie en 1400 → 70% en quelques siècles, livre 100× moins cher en 50 ans), *"software will be similarly democratized, but faster than 50 years"* — *"the best person to write accounting software is not an engineer, it's a really good accountant."*
#Boris Cherny#Anthropic#Claude Code
Boris Cherny (créateur de Claude Code, Anthropic) interviewé par Lauren Reader (Sequoia) avec introduction d'Asia (Sequoia).
Tribune LinkedIn d'Alexandre Frizzo après un an d'utilisation quotidienne de Claude Code, qui pose un **bilan nuancé** rare dans le corpus 2026 — productivité **multipliée par 3-5×** dans son cas (cohérent Wescale, et conforme à la médiane des praticiens committés ; le tail élite va beaucoup plus haut, cf. Cherny *few dozen PRs/day + 150 PRs record* et Karpathy *"peaks much higher than 10×"*), mais **coûts cognitifs cachés** assumés. Thèse-pivot : ***"the new bottleneck is supervision"*** — le métier a changé de forme, on ne *écrit* plus du code, on *décide* à propos du code généré par les agents. Gains : 3-5× output, projets précédemment infaisables désormais réalisables (yak-shaving, boilerplate), coût quasi nul de l'expérimentation. Pertes assumées : ***"writing muscle"*** atrophié (le code manuel semble *effortful*), **flow state profond rare** (context-switching constant entre supervisions), **satisfaction d'ownership diminuée** (*"code is good, but isn't quite mine"*). Tensions non résolues : **FOMO** (*"every hour I'm not at the keyboard is an hour an agent could be earning for me"*), **review quality** à 3-5× volume, **skill atrophy**. Statistiques mobilisées : médiane 3-4h coding effective sur 8h jour, **23 min** récupération contexte par interruption (étude Gloria Mark), 15-25 min entrée en flow, 500% productivité en flow (McKinsey). Position épistémique exemplaire : refuse simultanément le narratif *"AI is bad"* et l'enthousiasme acritique. Contre-poids salutaire à Cherny *"coding is solved"* (2026-05).
#Alexandre Frizzo#LinkedIn Pulse#year with Claude Code
Alexandre Frizzo (auteur LinkedIn Pulse, identité tech non précisée par le post au-delà du nom — auteur d'une tribune one-year retrospective Claude Code).
Article méthode d'Antoine HABERT (WEnvision) qui formalise **PROJ-AI** : couche méthodologique légère pour que les projets collectifs deviennent transmissibles plutôt que de mourir avec leur livrable. Triade structurante : un **repo git versionné** (source unique), un **agent IA** (Claude Code, Cursor) qui lit la doctrine à chaque session, et une **doctrine en markdown** qui spécifie les protocoles de décision et les comportements d'agent. Six zones répertoires (DOCS/, IDEAS/, DR/, OUT/, DOCTRINE/, AGENT/), cycle opérationnel **DPEV** (Décider → Promettre → Exécuter → Vérifier), Decision Records scorés sur 7 dimensions, double interface (Studio métier + CLI/IDE tech), cinq directives agent, et bibliothèque partagée **proj-ai-commons** qui permet de bootstrap un projet en 30 minutes vs 1 semaine. Métriques sur 3 missions : onboarding **3 semaines → 2 jours**, décisions structurelles tracées **30% → 100%**, compilation archi **6 semaines → continu**. Aphorisme central : ***"Le projet n'est pas un sous-produit du livrable. Le projet EST le livrable."*** Posture explicite : technologie 20%, **discipline d'équipe 80%**.
#Antoine HABERT#WEnvision#PROJ-AI
Antoine HABERT (WEnvision — cabinet français de conseil en stratégie et IA agentique).