Notice bibliographique
Résumé
The introduction of AI into the developer workflow has fundamentally changed the conversation around productivity, but merely adopting tools is not enough. Drawing on insights from the 2025 DORA State of AI-assisted Software Development report, this keynote argues that AI is an amplifier that magnifies an organization's pre-existing technical and cultural capabilities. It will show why the greatest returns on AI investment come not from the models themselves, but from the maturity of the underlying software delivery system. We will explore a real-world transformation, using the journey of Unico IDTech https://unico.io as a prime example. This story demonstrates how creating a robust and consistent engineering structure Dev Prime coupled with a radical shift to user-centric monitoring SLOs and reliability engineering created the necessary high-quality Platform foundation. When this foundation is present-characterized by clear governance, healthy data ecosystems, and foundational practices-AI's benefits such as throughput and organizational performance gains are dramatically amplified. This session provides technology leaders with a clear, data-driven mandate: to maximize the value of AI, you must first invest in and rationalize your foundational structure, treating your internal platform as the critical enabler for sustainable AI-driven excellence.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,011 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,012 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,329 | 0,203 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».