Partager

cover art for đŸ‡ȘđŸ‡ș #251 - N26: Building and scaling the Data team for Marketing

DataGen

đŸ‡ȘđŸ‡ș #251 - N26: Building and scaling the Data team for Marketing

‱

Mathias is Head of Data for Marketing at N26, the Berlin-based neobank valued at over $9 billion. He joined as a Senior Data Analyst in May 2020 and has since scaled the team to 12 people.


We cover :


đŸ”„ His journey to becoming Head of Data for Marketing at N26

đŸ”„ His main projects: Marketing Mix Modeling, User Value Modeling, Data Governance & Data Quality

đŸ”„ The data stack at N26: AWS, Snowplow, dbt, Redshift, Metabase


đŸ”„ His main challenges: scale-up volatility and the classic imposter syndrome


📚 RESOURCES


- Mathias’s LinkedIn profile

- The book of Zhamak Dehghani Data Mesh : Delivering Data-Driven Value at Scale

- The book of Joe Reis & Matt Housley Fundamentals of Data Engineering: Plan and Build Robust Data

- The book of Gene Kim, Kevin Behr and George Spafford The Phoenix Project

- The book of Gene Kim The DevOps Handbook

- The book of Gene Kim The Unicorn Project

- The book of Gene Kim, Jez Humble and Nicole Forsgren PhD Accelerate


🎬 CHAPTERS


00:00 Introduction to N26

03:25 How he became Head of Data for Marketing at N26

10:49 1st project: implementing a Marketing Mix Model

17:36 2nd project: building a User Value Model

20:57 3rd project: Data Governance & Quality

23:37 The data stack at N26

25:16 The biggest challenges

29:29 What’s next: decision automation

31:11 Mathias’s favorite resources

32:14 Why he loves working in data


đŸ€© OTHER EPISODES YOU SHOULD LOVE


đŸ‡ș🇾 #114 - BlaBlaCar : Managing 50 Data People with Manu, VP Data

đŸ‡ș🇾 #106 - Aircall: Adapting the Data Strategy to the slowing economic environment

đŸ‡ș🇾 #96 - Deezer : How I restructured the Business Analytics team and made it more Business-Focused 


👋 MORE DATA CONTENT?


1/ Follow me on LinkedIn hereÂ đŸ€ł

2/ Sign up for the newsletter (summaries, events) here 💌

3/ Check out the podcast in video format on YouTube here đŸ“č


🎙 SUPPORT THE PODCAST FOR FREE


1/ Subscribe 🔔

2/ Leave a 5 stars review on Apple Podcasts here đŸ„°

More episodes

View all episodes

  • #306 - Nao : Comment construire un agent analytics fiable ?

    18:28|
    Claire Gouze est co-fondatrice de Nao, un agent analytics open source qui permet aux Ă©quipes Data de construire et de garder la main sur leur couche de contexte. IncubĂ© par Y Combinator, Nao compte aujourd’hui 1 700 stars sur GitHub et est utilisĂ© en production par plus de 200 entreprises.GrĂące Ă  son expĂ©rience, Claire a formalisĂ© un playbook qui est dĂ©jĂ  une rĂ©fĂ©rence pour les Ă©quipes Data.On aborde :đŸ”„ Pourquoi Nao est passĂ© d’un IDE Data Ă  un agent analytics open source ?đŸ”„ Comment lancer un premier agent fiable : bien choisir son pĂ©rimĂštre, le tester et l’amĂ©liorerđŸ”„ Faut-il une semantic layer pour lancer son agent analytics ?đŸ”„ Les questions Ă  se poser pour choisir ses outils d’agentic analytics📚 RESSOURCES- Le LinkedIn de Claire- Son Agentic Analytics Playbook- Le livre Play Bigger🎬 CHAPITRES00:00 Le parcours de Claire01:40 La genĂšse de Nao03:54 Les 3 briques de Nao05:22 Comment crĂ©er son premier agent analytics ?09:31 Faut-il vraiment une semantic layer ?12:28 Comment choisir ses outils data ?14:49 Les prochaines Ă©tapes pour Nao16:20 Ses recommandations de contenu17:05 Ce qu’elle aime dans la data et l’IAđŸ€© AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER#295 - Malt : Construire un agent AI Analytics fiable Ă  90%#281 - Gorgias : CrĂ©er sa couche de contexte pour l'agent AI Analytics#224 - Blef a passĂ© 3 mois chez Y Combinator aux US : le futur des Ă©quipes Data, France vs US👋 PLUS DE CONTENU DATA ?1/ Suivez-moi sur LinkedIn ici đŸ€ł2/ Inscrivez-vous Ă  la newsletter (synthĂšses, Ă©vĂ©nements) ici 💌3/ DĂ©couvrez le podcast en format vidĂ©o sur YouTube ici đŸ“č🎙 SOUTENEZ LE PODCAST GRATUITEMENT1/ Abonnez-vous 🔔2/ Laissez 5 Ă©toiles et un avis sur Apple Podcasts ici đŸ„°
  • #305 - Qonto : DĂ©ployer l’IA dans le produit (ML & LLM)

    36:25|
    Marianne Ducournau est Head of AI Engines chez Qonto, la solution financiĂšre destinĂ©e aux entreprises. AprĂšs une formation d’ingĂ©nieur Ă  Polytechnique et l’ENSAE, elle a travaillĂ© six ans chez Uber Ă  San Francisco, puis chez Amazon avant de rejoindre Qonto.On aborde :đŸ”„ Les cas d’usage IA dans le produit : extraction de documents, catĂ©gorisation, agent Analystâ€ŠđŸ”„ Ses 3 chantiers clĂ©s : Internalisation, Ă©valuation des performances des modĂšles et expĂ©rimentationđŸ”„ L’organisation, l’usage de l’IA en interne et la stack IA mise en place chez QontođŸ”„ Comment l’IA change le mĂ©tier de l’équipe, et ses prochaines Ă©tapes❀ PARTENAIRE Ce podcast est rendu possible par Actian.👉 Regarder l’épisode avec Ole Olesen-Bagneux👉 Recevoir l'early release de la 2Ăšme Ă©dition de "The Enterprise Data Catalog", le livre d'Ole👉 Contacter Ole sur LinkedIn ou par mail : ole.olesenbagneux@hcl-software.com📚 RESSOURCES - Le LinkedIn de Marianne- Le podcast Tronche de Tech de Mathieu Sanchez- Le livre CuriositĂ©s philosophiques : De Platon Ă  Russell, de Thibaut GiraudPour recevoir la liste des 10 outils data & IA Ă  suivre en 2025, inscrivez-vous Ă  la newsletter DataGen ici🎬 CHAPITRES 00:00 Le parcours de Marianne04:32 Ce que fait l’équipe AI Engines10:48 Chantier #1 : internaliser ses modĂšles IA13:09 Chantier #2 : Ă©valuer les performances de ses modĂšles20:14 Chantier #3 : expĂ©rimenter et lancer rapidement de nouvelles fonctionnalitĂ©s29:08 Du code Ă©crit par l’IA, mais une Ă©quipe qui grandit32:03 La stack IA de Qonto32:55 Les prochaines Ă©tapes chez Qonto34:55 Ses recommandations de contenuđŸ€© AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER #264 - Gorgias : DĂ©ployer un agent IA au coeur du produit (15 ML Engineers & ML Analysts)#226 - Brevo : Monter l'Ă©quipe GenAI appliquĂ©e au Produit (Centaure, +100 millions ARR)#196 - Pigment : Monter l’équipe GenAI appliquĂ©e au Produit (Licorne, +230 millions levĂ©s)👋 PLUS DE CONTENU DATA ?1/ Suivez-moi sur LinkedIn ici đŸ€ł2/ Inscrivez-vous Ă  la newsletter (synthĂšses, Ă©vĂ©nements) ici 💌3/ DĂ©couvrez le podcast en format vidĂ©o sur YouTube ici đŸ“č🎙 SOUTENEZ LE PODCAST GRATUITEMENT1/ Abonnez-vous 🔔2/ Laissez 5 Ă©toiles et un avis sur Apple Podcasts ici đŸ„°
  • #304 - Les 6 dilemmes des leaders Data & AI (on tranche)

    39:15|
    Marie Millon de Villeroy est Directrice Data chez Bartle, le cabinet de conseil qui accompagne de nombreux leaders data & IA dans la dĂ©finition et l'exĂ©cution de leur stratĂ©gie.On vous propose un Ă©pisode un peu spĂ©cial aujourd'hui avec Marie. On a identifiĂ© 6 grands dilemmes auxquels sont confrontĂ©s les leaders data et IA. On les a pris un par un, on a confrontĂ© nos points de vues et on a essayĂ© de trancher.Valeur business immĂ©diate ou fondation durable ?AccĂ©lĂ©rer sur l'agentique ou mettre en place une gouvernance ?Petits succĂšs sĂ»rs ou cibles ambitieuses mais incertaines ?Simplifier la data et l'IA ou prĂ©server les nuances ?Geler les embauches ou recruter pour accĂ©lĂ©rer (Ă  l’heure de l’IA) ?AccĂ©lĂ©rer les cas d’usage ou la transformation culturelle ?Participez et dites-nous si vous ĂȘtes confrontĂ©s Ă  ces dilemmes en rĂ©pondant Ă  ce questionnaire (2 min).🎁 On organise un tirage au sort parmi les rĂ©pondants pour que deux d'entre vous viennent dĂźner dans un trĂšs bon resto Ă  Paris avec nous (Marie et Robin) !❀ PARTENAIRE Ce podcast est rendu possible par Bartle.👉 Participer Ă  l’étude en rĂ©pondant au questionnaire sur les dilemmes des leaders data & IA (2 min)👉 Contacter Marie sur LinkedIn ou par mail : mmillondevilleroy@bartle.fr📚 RESSOURCES - Le LinkedIn de Marie- Le questionnaire sur les dilemmes des dirigeants data & IA🎬 CHAPITRES 00:00 #1 Valeur business immĂ©diate ou fondations durables ?06:14 #2 AccĂ©lĂ©rer sur l'agentique ou mettre en place une gouvernance ?12:34 #3 Petits succĂšs sĂ»rs ou cibles ambitieuses mais incertaines ?18:22 #4 Simplifier la data & l’IA ou prĂ©server les nuances ?27:25 #5 Geler les embauches ou recruter pour accĂ©lĂ©rer (Ă  l’heure de l’IA) ?33:34 #6 AccĂ©lĂ©rer les cas d’usage ou la transformation culturelle ?đŸ€© AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER #289 - Les stratĂ©gies agentiques d’Adeo et Decathlon #284 - Comment le CDO de Decathlon structure sa stratĂ©gie 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 đŸ€ł2/ Inscrivez-vous Ă  la newsletter (synthĂšses, Ă©vĂ©nements) ici 💌3/ DĂ©couvrez le podcast en format vidĂ©o sur YouTube ici đŸ“č🎙 SOUTENEZ LE PODCAST GRATUITEMENT1/ Abonnez-vous 🔔2/ Laissez 5 Ă©toiles et un avis sur Apple Podcasts ici đŸ„°
  • #303 - AI Analytics : ce que les early adopters prĂ©parent pour 2027

    54:47|
    Dans ce nouveau format "Talk Show", je rĂ©unis 3 leaders data & IA pour dĂ©battre et Ă©changer sur une tendance data & IA et sur l’actualitĂ© du marchĂ©.Dans cet Ă©pisode, on Ă©change sur ce que change l’IA pour l’analytics, quand les agents savent maintenant rĂ©pondre Ă  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 :đŸ”„ L’automatisation des analyses complexes : orchestration de sous-agents et Ă©volution du rĂŽle des Data AnalystsđŸ”„ Construire un Context Layer : documenter les donnĂ©es, maintenir le contexte business et crĂ©er un Company BrainđŸ”„ FiabilitĂ© vs flexibilitĂ© : peut-on supprimer la couche gold ? Semantic Layer, metric layer et fiabilitĂ© des agentsđŸ”„ Le dĂ©veloppement autonome : revue de PR par des agents, 40 % des MR validĂ©es sans humain chez Sorare❀ PARTENAIRE Ce podcast est rendu possible par Bartle.👉 Ecouter l'Ă©pisode avec Marie, leur Directrice Data, dans lequel on tranche sur les 6 dilemmes des leaders data & IA👉 Participer Ă  l’étude en rĂ©pondant au questionnaire sur les dilemmes des leaders data & IA (2 min) pour GAGNER un diner dans un top resto Ă  Paris avec Marie et moi👉 Contacter Marie sur LinkedIn ou par mail : mmillondevilleroy@bartle.fr📚 RESSOURCES - Le LinkedIn de Juliette- Le LinkedIn d’Édouard- Le LinkedIn de Christelle- Le LLM Wiki d’Andrej Karpathy 🎬 CHAPITRES00:00 Automatiser les analyses complexes avec des agents IA06:31 A-t-on encore besoin de 10x Data Analysts ?17:52 Context Layer : le construire et le faire passer Ă  l’échelle26:55 Semantic Layer vs Context Layer33:03 Company Brain : rĂŽle de la data ?40:11 Faut-il supprimer la couche gold ?46:49 Vers un dĂ©veloppement autonome avec l’IA ?đŸ€© AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER#295 - Malt : Construire un agent AI Analytics fiable Ă  90%#281 - Gorgias : CrĂ©er 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 đŸ€ł2/ Inscrivez-vous Ă  la newsletter (synthĂšses, Ă©vĂ©nements) ici 💌3/ DĂ©couvrez le podcast en format vidĂ©o sur YouTube ici đŸ“č🎙 SOUTENEZ LE PODCAST GRATUITEMENT1/ Abonnez-vous 🔔2/ Laissez 5 Ă©toiles et un avis sur Apple Podcasts ici đŸ„°
  • #302 - 10 ans dans la Silicon Valley : les ingĂ©s français sont-ils au niveau ?

    29:52|
    Michel Moriniaux travaille dans la Silicon Valley depuis dix ans. Il a Ă©tĂ© lead de l’équipe Infrastructure chez Criteo aux États-Unis, puis manager de plusieurs Ă©quipes techniques chez LinkedIn. Plus rĂ©cemment, il est devenu Head of Observability chez GEICO, l’un des plus gros assureurs amĂ©ricains.On aborde :đŸ”„ Comment Michel est arrivĂ© aux États-Unis (Epita, Criteo
) et ses premiĂšres impressionsđŸ”„ Son expĂ©rience chez LinkedIn et ce qu'on apprend dans une big tech amĂ©ricaineđŸ”„ Les diffĂ©rences entre les Ă©quipes tech françaises et amĂ©ricaines : recrutement, culture, niveau techniqueâ€ŠđŸ”„ Pourquoi il a rejoint rĂ©cemment une grosse entreprise (GEICO) plutĂŽt qu’une autre big techđŸ’Ș SE FORMER A L'AGENTIQUE AVEC DATABIRD ET DATAGENOn a lancĂ© avec DataBird 3 bootcamps IA :👉 DataGen apporte sa vision du marchĂ© pour co-construire et faire Ă©voluer les programmes👉 DataBird apporte son expertise dans la formation avec 4000+ profils Data & IA formĂ©sDĂ©couvrez toutes les formations et bĂ©nĂ©ficiez de 5% de rĂ©duction (uniquement en rĂ©servant via ce lien) : iciDans 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 Ă  suivre en 2025, inscrivez-vous Ă  la newsletter DataGen ici🎬 CHAPITRES00:00 Son parcours en 2 mots03:01 Son expĂ©rience chez Criteo09:05 Son expĂ©rience chez Linkedin13:18 Les diffĂ©rences entre Ă©quipes tech FR et US15:24 Son arrivĂ©e chez GEICO18:06 Pourquoi GEICO plutĂŽt 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 ?đŸ€© AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER#301 - YouTube, Snapchat : Lancer une Ă©quipe data dĂ©diĂ©e Ă  la croissance#290 - Facebook, Slack & Patreon : Culture Data, RĂŽle du Data Scientist et Importance de l’influence#292 - Doordash : Monter une Ă©quipe Data Science & Analytics (aux US)👋 PLUS DE CONTENU DATA ?1/ Suivez-moi sur LinkedIn ici đŸ€ł2/ Inscrivez-vous Ă  la newsletter (synthĂšses, Ă©vĂ©nements) ici 💌3/ DĂ©couvrez le podcast en format vidĂ©o sur YouTube ici đŸ“č🎙 SOUTENEZ LE PODCAST GRATUITEMENT1/ Abonnez-vous 🔔2/ Laissez 5 Ă©toiles et un avis sur Apple Podcasts ici đŸ„°
  • #301 - YouTube, Snapchat : Lancer une Ă©quipe data dĂ©diĂ©e Ă  la croissance

    30:28|
    Jordan Gomes a lancĂ© des Ă©quipes data dĂ©diĂ©es Ă  la croissance chez YouTube puis Snapchat. Il est aujourd'hui VP Analytics chez Chess.com.On aborde :đŸ”„ Sa transition du business Ă  la data et les diffĂ©rences entre YouTube et Snapchat (maturitĂ©, vitesse, prise de risque)đŸ”„ La crĂ©ation de l'Ă©quipe Growth Science et Analytics chez YouTube (missions, profils, difficultĂ©s)đŸ”„ L’adoption de l’IA pour la data chez Snapchat (automatisation des analyses, animation de la communautĂ©)đŸ”„ Son nouveau rĂŽle de VP Analytics chez Chess.com (licorne US) et ses premiĂšres initiatives❀ PARTENAIRECe podcast est rendu possible par Actian.👉 Ecouter l’épisode avec Ole Olesen-Bagneux ici👉 Recevoir l'early release de la 2Ăšme Ă©dition de The Enterprise Data Catalog, le livre d'Ole👉 Contacter Ole sur LinkedIn ou par mail : ole.olesenbagneux@hcl-software.com📚 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 problĂšme de prĂ©diction- Les offres d’emplois chez Chess.com- Pour recevoir les 100+ ressources prĂ©fĂ©rĂ©es des Head of Data invitĂ©s sur DataGen, s'inscrire Ă  la newsletter ici🎬 CHAPITRES 00:00 Le parcours de Jordan : YouTube, Snapchat
04:36 YouTube vs Snapchat06:56 Lancer une Ă©quipe data chez YouTube12:32 L’impact de l’équipe sur le produit16:36 Ses plus grosses difficultĂ©s17:59 Le dĂ©ploiement de l’IA pour la data chez Snap22:52 VP Analytics : 1Ăšres initiatives 26:32 Ses ressources prĂ©fĂ©rĂ©es27:57 Ce qui l’a fait progresserđŸ€© AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER #292 - DoorDash : Comment monter une Ă©quipe Data Science & Analytics (aux US)#290 - Meta & Slack : Culture Data, rĂŽle 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 đŸ€ł2/ Inscrivez-vous Ă  la newsletter (synthĂšses, Ă©vĂ©nements) ici 💌3/ DĂ©couvrez le podcast en format vidĂ©o sur YouTube ici đŸ“č🎙 SOUTENEZ LE PODCAST GRATUITEMENT1/ Abonnez-vous 🔔2/ Laissez 5 Ă©toiles et un avis sur Apple Podcasts ici đŸ„°
  • #300 - Comment un ex-Lead Data de Google et Meta structure la stratĂ©gie agentique d’une licorne

    34:59|
    Gio Granato est Head of Data & AI chez Checkr, la licorne amĂ©ricaine spĂ©cialisĂ©e dans la vĂ©rification des antĂ©cĂ©dents.Gio est dans la Silicon Valley depuis plus de 10 ans. Il a notamment passĂ© 3 ans chez Google en tant que Data Scientist puis a managĂ© une Ă©quipe de 10 Data Scientists chez Meta.Il va nous parler des plus gros enseignements qu’il a tirĂ©s de ses expĂ©riences chez Google et Meta puis nous expliquer comment il a structurĂ© la stratĂ©gie agentique chez Checkr.On aborde :đŸ”„ Le parcours de Gio et ses learnings chez Google et MetađŸ”„ Chantier #1 : Mettre en place des agents pour la data et l’analytics (Omni, Claude
)đŸ”„ Chantier #2 : Mettre en place des agents pour l’engineering et le dĂ©veloppement (”Constitution”, Claude Code)đŸ”„ Ses plus grosses difficultĂ©s et sa vision du futur de la Data & de l’IA❀ PARTENAIRECe podcast est rendu possible par Actian.👉 Ecouter l’épisode avec Ole Olesen-Bagneux ici👉 Recevoir l'early release de la 2Ăšme Ă©dition de The Enterprise Data Catalog, le livre d'Ole👉 Contacter Ole sur LinkedIn ou par mail : ole.olesenbagneux@hcl-software.com📚 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 Ă  la newsletter ici🎬 CHAPITRES00:00 Le parcours de Gio03:00 Ses learnings chez Google et Meta05:02 PrĂ©sentation de Checkr07:01 Le contexte data chez Checkr11:31 Chantier #1 : La stratĂ©gie agentique & AI analytics21:49 Chantier #2 : L’agentique pour l’engineering26:39 Ses plus grosses difficultĂ©s sur l’agentique28:31 Leur stack30:25 Leurs prochaines Ă©tapes32:21 Ses recommandations de contenu33:17 Ce qui le fait progresserđŸ€© AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER#295 - Malt : Construire un agent AI Analytics fiable Ă  90%#281 - Gorgias : CrĂ©er sa couche de contexte pour l'agent AI Analytics#236 - Photoroom : DĂ©ployer une stratĂ©gie GenAI pour l’analytics et x15 sa vitesse de delivery👋 PLUS DE CONTENU DATA ?1/ Suivez-moi sur LinkedIn ici đŸ€ł2/ Inscrivez-vous Ă  la newsletter (synthĂšses, Ă©vĂ©nements) ici 💌3/ DĂ©couvrez le podcast en format vidĂ©o sur YouTube ici đŸ“č🎙 SOUTENEZ LE PODCAST GRATUITEMENT1/ Abonnez-vous 🔔2/ Laissez 5 Ă©toiles et un avis sur Apple Podcasts ici đŸ„°
  • #299 - On dĂ©crypte le marchĂ© du Data Management et Actian avec Ole Olesen-Bagneux (auteur de The Enterprise Data Catalog, bestseller chez O’Reilly)

    28:27|
    Ole Olesen-Bagneux est Chief Evangelist chez Actian, le groupe qui propose une Data Intelligence Platform et qui a notamment rachetĂ© le Data Catalog Zeenea en 2024. Avant ça, Ole a Ă©tĂ© Enterprise and Data Architect dans plusieurs grands groupes et a Ă©crit deux livres sur le data management qui sont devenus des rĂ©fĂ©rences.On aborde :đŸ”„ Le Federated Knowledge Graph : la technologie qui permet Ă  un Data Catalog d'ĂȘtre performantđŸ”„ L'IA au service de la gouvernance : descriptions automatiques, tagging et recherche avancĂ©eđŸ”„ Le changement global de paradigme : de la barre de recherche vers le conversationnelđŸ”„ Les trois briques d'Actian : base de donnĂ©es, data & AI management et business intelligence❀ PARTENAIRECe podcast est rendu possible par Actian.👉 Recevez l'early release de la 2Ăšme Ă©dition de The Enterprise Data Catalog, le livre d'Ole👉 Contacter Ole sur LinkedIn ou par mail : ole.olesenbagneux@hcl-software.com📚 RESSOURCES‱⁠ ⁠Le LinkedIn d'Ole‱⁠ La nouvelle Ă©dition de son livre ⁠The Enterprise Data Catalog‱⁠ ⁠Le livre The C4 Model: Visualizing Software Architecture de Simon Brown🎬 CHAPITRES00:00 Le parcours d'Ole02:53 Brique #1 : Base de donnĂ©es05:23 Brique #2 : Data & AI Management07:04 Brique #3 : Business Intelligence08:49 Federated Knowledge Graph15:25 L'IA au service de la gouvernance18:08 Data Contrats & Data Products21:22 Le changement de paradigme26:10 Sa recommandation de contenu27:10 Son meilleur conseilđŸ€© 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 đŸ€ł2/ Inscrivez-vous Ă  la newsletter (synthĂšses, Ă©vĂ©nements) ici 💌3/ DĂ©couvrez le podcast en format vidĂ©o sur YouTube ici đŸ“č🎙 SOUTENEZ LE PODCAST GRATUITEMENT1/ Abonnez-vous 🔔2/ Laissez 5 Ă©toiles et un avis sur Apple Podcasts ici đŸ„°
  • #298 - OpenAI : Comment sont dĂ©veloppĂ©s les modĂšles GPT (orga, dĂ©v, culture & biais)

    42:54|
    Alexandre Robicquet a montĂ© une startup dans l’IA qu’il a vendue Ă  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 :đŸ”„ Son parcours de CEO Ă  Research Scientist chez OpenAI, et son rĂŽle dans le dĂ©veloppement des modĂšlesđŸ”„ Le cycle de dĂ©veloppement des modĂšles : entraĂźnement, Ă©valuation et gestion des biaisđŸ”„ La course aux modĂšles entre OpenAI, Anthropic et Google, et les choix stratĂ©giques de chacunđŸ”„ Les grands risques de l’IA : sĂ©curitĂ©, manipulation et impacts sur la sociĂ©tĂ©đŸ’Ș SE FORMER A L'AGENTIQUE AVEC DATABIRD ET DATAGENOn a lancĂ© avec DataBird 3 bootcamps IA :👉 DataGen apporte sa vision du marchĂ© pour co-construire et faire Ă©voluer les programmes👉 DataBird apporte son expertise dans la formation avec 4000+ profils Data & IA formĂ©sDĂ©couvrez toutes les formations et bĂ©nĂ©ficiez de 5% de rĂ©duction, uniquement en rĂ©servant via ce lienDans le cadre de ce partenariat, DataGen touche une commission sur les inscriptions. 🙂📚 RESSOURCES- Le LinkedIn de Alexandre- Le compte X d’Andrej Karpathy🎬 CHAPITRES00:00 De CEO Ă  Research Scientist04:56 Research Scientist chez OpenAI17:04 Cycles de dĂ©veloppement des modĂšles21:57 Course OpenAI / Anthropic / Google27:22 Gestion des biais32:10 Risques de l'IA39:55 Reco de contenu d’Alexandre41:08 Le meilleur conseil qu’on lui ait donnĂ©đŸ€© AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER#297 - Palantir, Google, Expedia : Les clĂ©s pour rĂ©ussir ses produits IA#292 - DoorDash : Monter une Ă©quipe Data Science & Analytics (aux US)#286 - Meta : Comment fonctionne l’équipe Research Science (organisation & culture)đŸ’Ș VOUS AVEZ UN PROJET DATA ?DataGen a lancĂ© un collectif de freelances data issus des plus belles boĂźtes (BlaBlaCar, Aircall, CritĂ©o, Artefact, 55, Sunday...).Vous avez un projet data ? On a l'Ă©quipe 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 đŸ€ł2/ Inscrivez-vous Ă  la newsletter (synthĂšses, Ă©vĂ©nements) ici 💌3/ DĂ©couvrez le podcast en format vidĂ©o sur YouTube ici đŸ“č🎙 SOUTENEZ LE PODCAST GRATUITEMENT1/ Abonnez-vous 🔔2/ Laissez 5 Ă©toiles et un avis sur Apple Podcasts ici đŸ„°