DataGen

Marie Millon de Villeroy est Directrice Data chez Bartle, le cabinet de conseil qui accompagne de nombreux leaders data & IA dans la définition et l'exécution de leur stratégie.

On vous propose un épisode un peu spécial aujourd'hui avec Marie. On a identifié 6 grands dilemmes auxquels sont confrontés les leaders data et IA. On les a pris un par un, on a confronté nos points de vues et on a essayé de trancher.

1. Valeur business immédiate ou fondation durable ?
2. Accélérer sur l'agentique ou mettre en place une gouvernance ?
3. Petits succès sûrs ou cibles ambitieuses mais incertaines ?
4. Simplifier la data et l'IA ou préserver les nuances ?
5. Geler les embauches ou recruter pour accélérer (à l’heure de l’IA) ?
6. Accélérer les cas d’usage ou la transformation culturelle ?

Participez et dites-nous si vous êtes confrontés à ces dilemmes en répondant à ce questionnaire (2 min).

🎁 On organise un tirage au sort parmi les répondants pour que deux d'entre vous viennent dîner dans un très bon resto à Paris avec nous (Marie et Robin) !

❤️ PARTENAIRE

Ce podcast est rendu possible par Bartle.

👉 Participer à l’étude en répondant au questionnaire sur les dilemmes des leaders data & IA (2 min)

👉 Contacter Marie sur LinkedIn ou par mail : [email protected]

📚 RESSOURCES

- Le LinkedIn de Marie

- Le questionnaire sur les dilemmes des dirigeants data & IA

🎬 CHAPITRES

00:00 #1 Valeur business immédiate ou fondations durables ?

06:14 #2 Accélérer sur l'agentique ou mettre en place une gouvernance ?

12:34 #3 Petits succès sûrs ou cibles ambitieuses mais incertaines ?

18:22 #4 Simplifier la data & l’IA ou préserver les nuances ?

27:25 #5 Geler les embauches ou recruter pour accélérer (à l’heure de l’IA) ?

33:34 #6 Accélérer les cas d’usage ou la transformation culturelle ?

🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER

#289 - Les stratégies agentiques d’Adeo et Decathlon

#284 - Comment le CDO de Decathlon structure sa stratégie data & IA

#228 -Comment l’ex-CDO de Carrefour structure la Data & l'IA chez FDJ United (ex-Française des Jeux)

👋 PLUS DE CONTENU DATA ?

1/ Suivez-moi sur LinkedIn ici 🤳

2/ Inscrivez-vous à la newsletter (synthèses, événements) ici 💌

3/ Découvrez le podcast en format vidéo sur YouTube ici 📹

🎙 SOUTENEZ LE PODCAST GRATUITEMENT

1/ Abonnez-vous 🔔

2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰

Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Dans ce nouveau format "Talk Show", je réunis 3 leaders data & IA pour débattre et échanger sur une tendance data & IA et sur l’actualité du marché.

Dans cet épisode, on échange sur ce que change l’IA pour l’analytics, quand les agents savent maintenant répondre à des questions complexes, avec :

- Juliette Duizabo, Head of Data chez Photoroom

- Édouard Flouriot, Directeur Data Analytics chez Sorare

- et Christelle Marfaing, ex-Head of Data chez Lydia puis chez May, aujourd'hui freelance Head of Data / Lead Data.

On aborde :

🔥 L’automatisation des analyses complexes : orchestration de sous-agents et évolution du rôle des Data Analysts

🔥 Construire un Context Layer : documenter les données, maintenir le contexte business et créer un Company Brain

🔥 Fiabilité vs flexibilité : peut-on supprimer la couche gold ? Semantic Layer, metric layer et fiabilité des agents

🔥 Le développement autonome : revue de PR par des agents, 40 % des MR validées sans humain chez Sorare

❤️ PARTENAIRE

Ce podcast est rendu possible par Bartle.

👉 Ecouter l'épisode avec Marie, leur Directrice Data, dans lequel on tranche sur les 6 dilemmes des leaders data & IA

👉 Participer à l’étude en répondant au questionnaire sur les dilemmes des leaders data & IA (2 min) pour GAGNER un diner dans un top resto à Paris avec Marie et moi

👉 Contacter Marie sur LinkedIn ou par mail : [email protected]

📚 RESSOURCES

- Le LinkedIn de Juliette

- Le LinkedIn d’Édouard

- Le LinkedIn de Christelle

- Le LLM Wiki d’Andrej Karpathy

🎬 CHAPITRES

00:00 Automatiser les analyses complexes avec des agents IA

06:31 A-t-on encore besoin de 10x Data Analysts ?

17:52 Context Layer : le construire et le faire passer à l’échelle

26:55 Semantic Layer vs Context Layer

33:03 Company Brain : rôle de la data ?

40:11 Faut-il supprimer la couche gold ?

46:49 Vers un développement autonome avec l’IA ?

🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER

#295 - Malt : Construire un agent AI Analytics fiable à 90%

#281 - Gorgias : Créer sa couche de contexte pour l'agent AI Analytics

#273 - Talk Show : Futur de l’Analytics | Dashboardless ? Analystless ? | Claude code vs Omni vs Hex

👋 PLUS DE CONTENU DATA ?

1/ Suivez-moi sur LinkedIn ici 🤳

2/ Inscrivez-vous à la newsletter (synthèses, événements) ici 💌

3/ Découvrez le podcast en format vidéo sur YouTube ici 📹

🎙 SOUTENEZ LE PODCAST GRATUITEMENT

1/ Abonnez-vous 🔔

2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰

Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Michel Moriniaux travaille dans la Silicon Valley depuis dix ans. Il a été lead de l’équipe Infrastructure chez Criteo aux États-Unis, puis manager de plusieurs équipes techniques chez LinkedIn. Plus récemment, il est devenu Head of Observability chez GEICO, l’un des plus gros assureurs américains.

On aborde :

🔥 Comment Michel est arrivé aux États-Unis (Epita, Criteo…) et ses premières impressions

🔥 Son expérience chez LinkedIn et ce qu'on apprend dans une big tech américaine

🔥 Les différences entre les équipes tech françaises et américaines : recrutement, culture, niveau technique…

🔥 Pourquoi il a rejoint récemment une grosse entreprise (GEICO) plutôt qu’une autre big tech

💪 SE FORMER A L'AGENTIQUE AVEC DATABIRD ET DATAGEN

On a lancé avec DataBird 3 bootcamps IA :

👉 DataGen apporte sa vision du marché pour co-construire et faire évoluer les programmes

👉 DataBird apporte son expertise dans la formation avec 4000+ profils Data & IA formés

Découvrez toutes les formations et bénéficiez de 5% de réduction (uniquement en réservant via ce lien) : ici

Dans le cadre de ce partenariat, DataGen touche une commission sur les inscriptions. 🙂

📚 RESSOURCES

- Le LinkedIn de Michel

- Pour recevoir la liste des 10 outils data & IA à suivre en 2025, inscrivez-vous à la newsletter DataGen ici

🎬 CHAPITRES

00:00 Son parcours en 2 mots

03:01 Son expérience chez Criteo

09:05 Son expérience chez Linkedin

13:18 Les différences entre équipes tech FR et US

15:24 Son arrivée chez GEICO

18:06 Pourquoi GEICO plutôt qu’une big tech US ?

22:59 Big Tech US : encore la voie royale ?

24:19 Retravailler en France ?

25:04 Ou partir en Chine ?

🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER

#301 - YouTube, Snapchat : Lancer une équipe data dédiée à la croissance

#290 - Facebook, Slack & Patreon : Culture Data, Rôle du Data Scientist et Importance de l’influence

#292 - Doordash : Monter une équipe Data Science & Analytics (aux US)

👋 PLUS DE CONTENU DATA ?

1/ Suivez-moi sur LinkedIn ici 🤳

2/ Inscrivez-vous à la newsletter (synthèses, événements) ici 💌

3/ Découvrez le podcast en format vidéo sur YouTube ici 📹

🎙 SOUTENEZ LE PODCAST GRATUITEMENT

1/ Abonnez-vous 🔔

2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰

Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Jordan Gomes a lancé des équipes data dédiées à la croissance chez YouTube puis Snapchat. Il est aujourd'hui VP Analytics chez Chess.com.

On aborde :

🔥 Sa transition du business à la data et les différences entre YouTube et Snapchat (maturité, vitesse, prise de risque)

🔥 La création de l'équipe Growth Science et Analytics chez YouTube (missions, profils, difficultés)

🔥 L’adoption de l’IA pour la data chez Snapchat (automatisation des analyses, animation de la communauté)

🔥 Son nouveau rôle de VP Analytics chez Chess.com (licorne US) et ses premières initiatives

❤️ PARTENAIRE

Ce podcast est rendu possible par Actian.

👉 Ecouter l’épisode avec Ole Olesen-Bagneux ici

👉 Recevoir l'early release de la 2ème édition de The Enterprise Data Catalog, le livre d'Ole

👉 Contacter Ole sur LinkedIn ou par mail : [email protected]

📚 RESSOURCES

- Le LinkedIn de Jordan

- Le livre Startup Communities: Building an Entrepreneurial Ecosystem in Your City de Brad Feld autour de la Boulder Thesis

- L’ Article sur le recrutement comme problème de prédiction

- Les offres d’emplois chez Chess.com

- Pour recevoir les 100+ ressources préférées des Head of Data invités sur DataGen, s'inscrire à la newsletter ici

🎬 CHAPITRES

00:00 Le parcours de Jordan : YouTube, Snapchat…

04:36 YouTube vs Snapchat

06:56 Lancer une équipe data chez YouTube

12:32 L’impact de l’équipe sur le produit

16:36 Ses plus grosses difficultés

17:59 Le déploiement de l’IA pour la data chez Snap

22:52 VP Analytics : 1ères initiatives 26:32 Ses ressources préférées

27:57 Ce qui l’a fait progresser

🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER

#292 - DoorDash : Comment monter une équipe Data Science & Analytics (aux US)

#290 - Meta & Slack : Culture Data, rôle du Data Scientist et importance de l'Influence

#286 - Meta : Comment fonctionne l’équipe Research Science (organisation & culture)

👋 PLUS DE CONTENU DATA ?

1/ Suivez-moi sur LinkedIn ici 🤳

2/ Inscrivez-vous à la newsletter (synthèses, événements) ici 💌

3/ Découvrez le podcast en format vidéo sur YouTube ici 📹

🎙 SOUTENEZ LE PODCAST GRATUITEMENT

1/ Abonnez-vous 🔔

2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰

Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Gio Granato est Head of Data & AI chez Checkr, la licorne américaine spécialisée dans la vérification des antécédents.

Gio est dans la Silicon Valley depuis plus de 10 ans. Il a notamment passé 3 ans chez Google en tant que Data Scientist puis a managé une équipe de 10 Data Scientists chez Meta.

Il va nous parler des plus gros enseignements qu’il a tirés de ses expériences chez Google et Meta puis nous expliquer comment il a structuré la stratégie agentique chez Checkr.

On aborde :

🔥 Le parcours de Gio et ses learnings chez Google et Meta

🔥 Chantier #1 : Mettre en place des agents pour la data et l’analytics (Omni, Claude…)

🔥 Chantier #2 : Mettre en place des agents pour l’engineering et le développement (”Constitution”, Claude Code)

🔥 Ses plus grosses difficultés et sa vision du futur de la Data & de l’IA

❤️ PARTENAIRE

Ce podcast est rendu possible par Actian.

👉 Ecouter l’épisode avec Ole Olesen-Bagneux ici

👉 Recevoir l'early release de la 2ème édition de The Enterprise Data Catalog, le livre d'Ole

👉 Contacter Ole sur LinkedIn ou par mail : [email protected]

📚 RESSOURCES

- Le LinkedIn de Gio

- Le livre Politics and the English Language de George Orwell

- Pour recevoir le dossier sur les parcours des Head of Data & IA des plus belles boites, s'inscrire à la newsletter ici

🎬 CHAPITRES

00:00 Le parcours de Gio

03:00 Ses learnings chez Google et Meta

05:02 Présentation de Checkr

07:01 Le contexte data chez Checkr

11:31 Chantier #1 : La stratégie agentique & AI analytics

21:49 Chantier #2 : L’agentique pour l’engineering

26:39 Ses plus grosses difficultés sur l’agentique

28:31 Leur stack

30:25 Leurs prochaines étapes

32:21 Ses recommandations de contenu

33:17 Ce qui le fait progresser

🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER

#295 - Malt : Construire un agent AI Analytics fiable à 90%

#281 - Gorgias : Créer sa couche de contexte pour l'agent AI Analytics

#236 - Photoroom : Déployer une stratégie GenAI pour l’analytics et x15 sa vitesse de delivery

👋 PLUS DE CONTENU DATA ?

1/ Suivez-moi sur LinkedIn ici 🤳

2/ Inscrivez-vous à la newsletter (synthèses, événements) ici 💌

3/ Découvrez le podcast en format vidéo sur YouTube ici 📹

🎙 SOUTENEZ LE PODCAST GRATUITEMENT

1/ Abonnez-vous 🔔

2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰

Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Ole Olesen-Bagneux est Chief Evangelist chez Actian, le groupe qui propose une Data Intelligence Platform et qui a notamment racheté le Data Catalog Zeenea en 2024. Avant ça, Ole a été Enterprise and Data Architect dans plusieurs grands groupes et a écrit deux livres sur le data management qui sont devenus des références.

On aborde :

🔥 Le Federated Knowledge Graph : la technologie qui permet à un Data Catalog d'être performant

🔥 L'IA au service de la gouvernance : descriptions automatiques, tagging et recherche avancée

🔥 Le changement global de paradigme : de la barre de recherche vers le conversationnel

🔥 Les trois briques d'Actian : base de données, data & AI management et business intelligence

❤️ PARTENAIRE

Ce podcast est rendu possible par Actian.

👉 Recevez l'early release de la 2ème édition de The Enterprise Data Catalog, le livre d'Ole

👉 Contacter Ole sur LinkedIn ou par mail : [email protected]

📚 RESSOURCES

•⁠ ⁠Le LinkedIn d'Ole

•⁠ La nouvelle édition de son livre ⁠The Enterprise Data Catalog

•⁠ ⁠Le livre The C4 Model: Visualizing Software Architecture de Simon Brown

🎬 CHAPITRES

00:00 Le parcours d'Ole

02:53 Brique #1 : Base de données

05:23 Brique #2 : Data & AI Management

07:04 Brique #3 : Business Intelligence

08:49 Federated Knowledge Graph

15:25 L'IA au service de la gouvernance

18:08 Data Contrats & Data Products

21:22 Le changement de paradigme

26:10 Sa recommandation de contenu

27:10 Son meilleur conseil

🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER

#270 - Les outils de la Data Gouvernance avec Charlotte Ledoux

#185 - Masterclass | Mettre en place un Data Catalog avec Rachid Tighremt

#101 - Kering : Lancer un programme de Data Gouvernance avec une approche Data Mesh

👋 PLUS DE CONTENU DATA ?

1/ Suivez-moi sur LinkedIn ici 🤳

2/ Inscrivez-vous à la newsletter (synthèses, événements) ici 💌

3/ Découvrez le podcast en format vidéo sur YouTube ici 📹

🎙 SOUTENEZ LE PODCAST GRATUITEMENT

1/ Abonnez-vous 🔔

2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰

Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Alexandre Robicquet a monté une startup dans l’IA qu’il a vendue à OpenAI en 2025. Il a ensuite choisi de rester chez OpenAI comme Research Scientist pendant un peu plus d’un an avant de finalement rejoindre Google.

On aborde :

🔥 Son parcours de CEO à Research Scientist chez OpenAI, et son rôle dans le développement des modèles

🔥 Le cycle de développement des modèles : entraînement, évaluation et gestion des biais

🔥 La course aux modèles entre OpenAI, Anthropic et Google, et les choix stratégiques de chacun

🔥 Les grands risques de l’IA : sécurité, manipulation et impacts sur la société

💪 SE FORMER A L'AGENTIQUE AVEC DATABIRD ET DATAGEN

On a lancé avec DataBird 3 bootcamps IA :

👉 DataGen apporte sa vision du marché pour co-construire et faire évoluer les programmes

👉 DataBird apporte son expertise dans la formation avec 4000+ profils Data & IA formés

Découvrez toutes les formations et bénéficiez de 5% de réduction, uniquement en réservant via ce lien

Dans le cadre de ce partenariat, DataGen touche une commission sur les inscriptions. 🙂

📚 RESSOURCES

- Le LinkedIn de Alexandre

- Le compte X d’Andrej Karpathy

🎬 CHAPITRES

00:00 De CEO à Research Scientist

04:56 Research Scientist chez OpenAI

17:04 Cycles de développement des modèles

21:57 Course OpenAI / Anthropic / Google

27:22 Gestion des biais

32:10 Risques de l'IA

39:55 Reco de contenu d’Alexandre

41:08 Le meilleur conseil qu’on lui ait donné

🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER

#297 - Palantir, Google, Expedia : Les clés pour réussir ses produits IA

#292 - DoorDash : Monter une équipe Data Science & Analytics (aux US)

#286 - Meta : Comment fonctionne l’équipe Research Science (organisation & culture)

💪 VOUS AVEZ UN PROJET DATA ?

DataGen a lancé un collectif de freelances data issus des plus belles boîtes (BlaBlaCar, Aircall, Critéo, Artefact, 55, Sunday...).

Vous avez un projet data ? On a l'équipe qu'il vous faut : Head of Data, Data Analyst, Data Engineer, Data Scientist, etc.

👉 Nous rencontrer ici

👋 PLUS DE CONTENU DATA ?

1/ Suivez-moi sur LinkedIn ici 🤳

2/ Inscrivez-vous à la newsletter (synthèses, événements) ici 💌

3/ Découvrez le podcast en format vidéo sur YouTube ici 📹

🎙 SOUTENEZ LE PODCAST GRATUITEMENT

1/ Abonnez-vous 🔔

2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰

Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Boris Valensi a lancé des produits IA chez Palantir, Google et Expedia en tant que PM, Lead PM puis Director of PM.

Il va nous raconter son parcours et nous partager ses plus gros enseignements.

On aborde :

🔥 Comment Palantir a réussi à mettre en place le fameux modèle Forward Deployed Engineers

🔥 Comment Google a réussi à déployer des produits IA qui génèrent des milliards (rigueur produit, PRD, tech review, A/B testing)

🔥 L’accélération IA chez Expedia et la mise en place d’une approche produit à la Google

🔥 Les risques liés à l’IA et à l’arrivée des LLM pour les marketplaces comme Expedia

💪 SE FORMER A L'AGENTIQUE AVEC DATABIRD ET DATAGEN

On a lancé avec DataBird 3 bootcamps IA :

👉 DataGen apporte sa vision du marché pour co-construire et faire évoluer les programmes

👉 DataBird apporte son expertise dans la formation avec 4000+ profils Data & IA formés

Découvrez toutes les formations et bénéficiez de 5% de réduction (uniquement en réservant via ce lien) : ici

Dans le cadre de ce partenariat, DataGen touche une commission sur les inscriptions. 🙂

📚 RESSOURCES

- Le LinkedIn de Boris

- Les ressources d’Andrew Ng

- Les contenus de Marty Cagan

- Pour recevoir la liste des 10 outils data & IA à suivre en 2025, inscrivez-vous à la newsletter DataGen ici

🎬 CHAPITRES

00:00 Le parcours de Boris

03:40 Clés du succès de Palantir

17:04 Son arrivée chez Google

19:10 Excellence produit chez YouTube

28:31 Enjeu tech ou humain ?

36:11 Son expérience chez Expedia

41:47 Impact de l’IA sur le secteur du Travel

52:25 Son projet entrepreneurial

54:06 Ses ressources préférées

54:49 Ce qui l’a fait progresser

🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER

#187 - Palantir : La plateforme Data & IA pour les cas d’usage opérationnels

🇺🇸 #290 - Facebook, Slack & Patreon : Culture Data, Rôle du Data Scientist et Importance de l’influence

🇺🇸 #292 - Doordash : Monter une équipe Data Science & Analytics (aux US)

👋 PLUS DE CONTENU DATA ?

1/ Suivez-moi sur LinkedIn ici 🤳

2/ Inscrivez-vous à la newsletter (synthèses, événements) ici 💌

3/ Découvrez le podcast en format vidéo sur YouTube ici 📹

🎙 SOUTENEZ LE PODCAST GRATUITEMENT

1/ Abonnez-vous 🔔

2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰

Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Melvyn Peignon est Product Management Director chez ClickHouse, la base de données en temps réel utilisée par Deliveroo, Uber, Qonto ou Accor, mais aussi par de nouveaux géants comme OpenAI, Anthropic et Tesla.

Avec l'accélération de l'IA et l'explosion des besoins temps réel, l'entreprise a connu une croissance exceptionnelle ces dernières années.

Ils ont atteint une valorisation de 15 milliards de dollars après une levée de fonds de 400 millions de dollars en 2026, comptent 4 000+ clients et réalisent 250+ millions de dollars d'ARR.

On aborde :

🔥 Comment l'arrivée des agents IA impacte ClickHouse, la base de données et l’observabilité

🔥 La création d’une Agentic Data Stack avec le rachat de Langfuse, leader dans l’observabilité et l’industrialisation des agents IA

🔥 Les nouvelles fonctionnalités d’observabilité “sur étagère” inspirées de ce que propose Datadog, Elastic…

🔥 L'extension vers une plateforme data & IA complète (PostgreSQL, CDC, streaming queries)

❤️ PARTENAIRE

Ce podcast est rendu possible par ClickHouse.

👉 Contacter ClickHouse ici

👉 Contacter Melvyn sur LinkedIn ou par mail : [email protected]

📚 RESSOURCES

- Le LinkedIn de Melvyn

- Le blog de ClickHouse

- Le livre Thinking Backwards: The Art of Problem Solving in Business

- Pour recevoir le dossier sur les parcours des Head of Data & IA des plus belles boites, s'inscrire à la newsletter ici.

🎬 CHAPITRES

00:00 L’impact de l’agentique sur ClickHouse

05:04 Zoom sur le cas d’usage d’observabilité

10:56 News #1 : L'observabilité

17:27 News #2 : L’Agentic Data Stack

23:35 News #3 : L'analyse en temps réel

29:06 Ses ressources préférées

30:20 Ce qui l'a fait progresser

🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER

#153 - ClickHouse : Le Real-Time Data Warehouse qui Concurrence les Géants (BigQuery, Snowflake…)

#231 - On décrypte avec Blef : Sommets Snowflake et Databricks, ClickHouse, DuckDB, BigQuery

#279 - Stellantis : Leur stratégie agentique

👋 PLUS DE CONTENU DATA ?

1/ Suivez-moi sur LinkedIn ici 🤳

2/ Inscrivez-vous à la newsletter (synthèses, événements) ici 💌

3/ Découvrez le podcast en format vidéo sur YouTube ici 📹

🎙 SOUTENEZ LE PODCAST GRATUITEMENT

1/ Abonnez-vous 🔔

2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰

Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Gautier Chenard est Data Analytics Director chez Malt, la plateforme leader du freelancing en Europe qui met en relation des freelances avec des entreprises.

On aborde :

🔥 Pourquoi une partie des Data Analysts va devenir obsolète et comment l'IA transforme leur métier en vrai builder

🔥 Chantier #1 : La construction de MaltyAI, de l'échec des premiers LLM à un agent analytics avec 90% de bonnes réponses

🔥 Chantier #2 : Comment l'équipe Data a construit une app de réponse aux RFP en quelques jours avec Claude Code, sans Software Engineer

🔥 Pourquoi ils ont volontairement réduit le scope de l'agent et les pièges de la gouvernance LLM à éviter.

💪 DEVENIR ANALYTICS ENGINEER AVEC DATABIRD ET DATAGEN

On a lancé un bootcamp spécialisé sur l’Analytics Engineering en collaboration avec DataBird.

📚 Découvrir le programme du bootcamp ici

🎙 Ecouter l’épisode 151 “Devenir Analytics Engineer en 6 semaines” avec DataBird ici

DataGen opère ce bootcamp Analytics Engineering en collaboration avec DataBird et touche une commission sur les inscriptions. 🙂

📚 RESSOURCES

- Le LinkedIn de Gautier

- Les essais de Paul Graham

- Pour recevoir les 100+ ressources préférées des Head of Data invités sur DataGen, s'inscrire à la newsletter ici

🎬 CHAPITRES

00:00 Le parcours de Gauthier

02:35 Les Data Analysts, obsolètes ?

05:56 MaltyAI, leur agent analytics

11:10 Construire des data products avec l'IA

14:01 Leurs difficultés : gouvernance et évaluation

18:43 Leurs prochaines étapes

21:00 Sa ressource préférée

22:38 Ce qu’il aime dans la data

🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER

#281 - Créer la couche de contexte pour l'agent AI Analytics de Gorgias

#273 - Futur de l’Analytics | Dashboardless ? Analystless ? | Claude code vs Omni vs Hex (Talk Show)

#236 - Photoroom : Déployer une stratégie GenAI pour l’analytics et x15 sa vitesse de delivery

👋 PLUS DE CONTENU DATA ?

1/ Suivez-moi sur LinkedIn ici 🤳

2/ Inscrivez-vous à la newsletter (synthèses, événements) ici 💌

3/ Découvrez le podcast en format vidéo sur YouTube ici 📹

🎙 SOUTENEZ LE PODCAST GRATUITEMENT

1/ Abonnez-vous 🔔

2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰

Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.