Journal
Essais et notes pratiques sur la provenance, la mémoire SDLC et la gouvernance de delivery à l’ère de l’IA.
✓ expand_more
TL;DR
Suite à la publication de la première version du Provenance Manifesto, j’ai commencé à examiner si les solutions existantes sur le marché s’alignent avec les principes qui y sont décrits.
✓ Le jour où le Provenance Manifesto est né. March 8, 2026
expand_more
March 8, 2026
TL;DR
!Le jour où le Provenance Manifesto est né
✓ expand_more
TL;DR
Dans « Part 1 - From RAG to Provenance: How We Realized Vector Alone Is Not Memory », nous sommes passés de RAG à la provenance, de la similarité à la filiation. Mais si les agents d’IA génèrent bientôt 50 à 80 % du travail futur, la vraie question devient : comment la mémoire se met-elle à jour en toute sécurité ? Comment les nouvelles décisions sont-elles validées, reliées et gouvernées, au lieu d’être simplement intégrées comme des embeddings ? Cet article montre pas à pas le processus incrémental de mise à jour du graphe derrière la mémoire des décisions, avec un exemple réel. Car à l’ère de l’IA, la mémoire doit évoluer, pas seulement récupérer des informations.
✓ expand_more
TL;DR
Et si votre SDLC ne se souvenait en réalité de rien et ne faisait que récupérer des fragments ? Nous avons construit des systèmes RAG puissants capables de faire remonter du texte « pertinent » en quelques millisecondes. Mais la pertinence n’est pas la causalité. Et lorsqu’un incident survient en production, la similarité ne vous dira pas pourquoi il s’est produit ni quelle décision, quel risque ou quelle dépendance y a conduit. Dans cet article, j’explique pourquoi la recherche vectorielle seule n’est pas une mémoire, comment la structure en graphe change la donne et comment la combinaison des vecteurs avec un modèle strict de provenance transforme une documentation dispersée en quelque chose qui ressemble davantage à une cognition organisationnelle. Si l’explicabilité, la filiation des décisions et une véritable intelligence de delivery vous intéressent, cet article est pour vous.
✓ expand_more
TL;DR
Chapitre suivant : SDLC Memory & Provenance. Dans les chapitres précédents, nous avons exploré pourquoi le SDLC ne possède pas de véritable mémoire et pourquoi la provenance doit devenir structurelle, et non optionnelle. Dans cette étape suivante, nous abordons une question encore plus inconfortable. Et si le véritable goulot d’étranglement du delivery n’était ni la vitesse, ni les outils, ni même les capacités de l’IA… mais les limites biologiques du contexte humain ? Les humains peuvent maintenir activement environ quatre contraintes significatives à la fois. Les agents modernes peuvent traiter des centaines de milliers de tokens. Et pourtant, aucun des deux ne peut se souvenir d’un produit vivant dans le temps sans structure. Ce chapitre relie la science cognitive, les fenêtres de contexte de l’IA et une architecture pratique de mémoire Hot/Warm/Cold pour montrer pourquoi une mémoire durable du SDLC n’est pas un simple surcoût documentaire : c’est un avantage concurrentiel. Si l’exécution devient moins coûteuse, la mémoire devient le véritable facteur différenciant. Parlons de la manière de la construire.
expand_more
TL;DR
Dans les chapitres précédents, nous avons parlé de SDLC Memory et de Provenance comme d’un moyen de réduire le chaos, de protéger l’intégrité du delivery et de rendre les décisions traçables au sein des organisations d’ingénierie. Je voudrais maintenant élargir la perspective. Car si l’IA change la manière dont les logiciels sont construits, elle transforme aussi quelque chose de bien plus vaste : la façon dont le capital intellectuel lui-même est évalué. Cet article n’est pas une digression par rapport à la discussion sur la provenance. Il en est la prochaine étape logique. Si l’exécution devient abondante, alors la mémoire, la gouvernance et l’architecture des décisions deviennent les véritables actifs. Parlons de ce qui arrive au capital intellectuel lorsque l’IA remplace matériellement des postes humains, et de ce que cela signifie pour les entreprises qui veulent survivre.
expand_more
TL;DR
!AI will take the “What”, but Humans must own the “Why”
expand_more
TL;DR
!We are teaching AI to decide. But we are forgetting how to remember.
✓ expand_more
TL;DR
!Why SDLC has no memory (and why delivery teams keep paying for it)