Ici, on ne publie pas des articles de fond.
On pose les outils sur l’établi : définitions, repères, distinctions utiles, mini-guides et patterns techniques.
Ces fiches servent de support aux grands articles - notamment Golden Thread, Morpheus, la délégation IA et la mémoire collective.
Clarifier quand un sujet peut démarrer, qui décide, et comment garder une trace des choix.
Savoir si un sujet est assez clair pour être démarré sans partir dans le brouillard.
Savoir si un travail est réellement terminé : résultats observables, preuves utiles, et reprise possible par quelqu’un d’autre dans l’équipe.
Garder une trace courte et utile des décisions d’architecture importantes.
Clarifier qui fait quoi, qui décide, qui doit être consulté et qui doit être informé.
Cadrer ce que l'on confie à l'IA, les preuves attendues et les garde-fous à poser.
Décrire clairement ce qu’on confie à l’IA - objectif, contexte, limites et preuves attendues - en quelques lignes, sans dossier administratif.
Un système qui utilise un modèle pour réaliser une tâche avec un certain degré d’autonomie.
Donner au modèle des documents ou des données utiles avant qu’il réponde.
Les concepts qui structurent la mémoire, la continuité et la délégation dans l'atelier.
Avant de confier une tâche à un agent IA, vérifier intention, périmètre, contraintes et critères d’acceptation - la readiness dans Golden Thread.
Une manière de faire habituellement attendue dans un projet, transmise aux humains comme aux agents IA.
Le cadre qui précise ce qu’un agent IA doit accomplir, les moyens dont il dispose et les limites de son autonomie.
Un mécanisme qui empêche, bloque ou signale une action qu’un agent IA ne doit pas pouvoir accomplir librement.
Le harnais d’exécution qui encadre un agent IA : scripts, hooks, permissions, guardrails et contrôles vérifiables.
Une manière de fournir à un agent IA les informations utiles au moment où la tâche en a besoin.
L’artisanat logiciel : jugement, pratiques d’équipe et outils qui permettent de produire du code durable, avec ou sans agent IA.
Élément vérifiable qui accompagne une proposition d’agent IA : tests, comparaisons, traces - pour juger le résultat sans fouiller au hasard.
Métrique Change Risk Analysis and Predictions : repérer les fonctions à la fois complexes et insuffisamment testées.
Pile de validations automatisées — tests, couverture, mutation, linters, architecture — qui encadrent le code produit par des agents IA.
Préserver la connaissance utile au-delà des personnes, des tickets et des conversations privées.
Un fil conducteur pour déléguer du travail à l’IA sans perdre la maîtrise collective.
Une piste de mémoire vivante pour préserver le raisonnement, les décisions et l’apprentissage collectif.
Les outils pour livrer, transmettre, mesurer et exploiter sans casser le collectif.
Un chemin recommandé pour aller vite sans réinventer toute la plomberie.
Transmettre assez de contexte pour qu’un autre castor puisse reprendre le travail.
Observer la performance du delivery sans se limiter au volume produit.
Comprendre où le travail circule, bloque ou s’accumule.
Proposer un changement de code pour discussion, revue et intégration.
Faire tenir les services en production avec des pratiques d’ingénierie.
Les repères utiles quand la complexité, l'usage réel ou l'acceptation humaine deviennent le vrai sujet.
Vérifier que le résultat reste aligné avec l’intention initiale.
La difficulté qui s’accumule quand l’équipe ne comprend plus vraiment ce qu’elle maintient.
Concevoir des garde-fous que les gens acceptent vraiment d’utiliser.