Partager

DataGen
đȘđș #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 :
đ„ His journey to becoming Head of Data for Marketing at N26
đ„ His main projects: Marketing Mix Modeling, User Value Modeling, Data Governance & Data Quality
đ„ The data stack at N26: AWS, Snowplow, dbt, Redshift, MetabaseâŠ
đ„ His main challenges: scale-up volatility and the classic imposter syndrome
đ RESOURCES
- Mathiasâs 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
đŹ 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 Whatâs next: decision automation
31:11 Mathiasâs favorite resources
32:14 Why he loves working in data
đ€© OTHER EPISODES YOU SHOULD LOVE
đșđžÂ #114 - BlaBlaCar : Managing 50 Data People with Manu, VP Data
đșđžÂ #106 - Aircall: Adapting the Data Strategy to the slowing economic environment
đ MORE DATA CONTENT?
1/ Follow me on LinkedIn here đ€ł
2/ Sign up for the newsletter (summaries, events) here đ
3/ Check out the podcast in video format on YouTube here đč
đ SUPPORT THE PODCAST FOR FREE
1/ Subscribe đ
2/ Leave a 5 stars review on Apple Podcasts here đ„°
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 aujourdâhui 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 :đ„ Pourquoi Nao est passĂ© dâun IDE Data Ă un agent analytics open source ?đ„ Comment lancer un premier agent fiable : bien choisir son pĂ©rimĂštre, le tester et lâamĂ©liorerđ„ Faut-il une semantic layer pour lancer son agent analytics ?đ„ Les questions Ă se poser pour choisir ses outils dâagentic analyticsđ RESSOURCES- Le LinkedIn de Claire- Son Agentic Analytics Playbook- Le livre Play BiggerđŹ 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 quâelle aime dans la data et lâIAđ€© AUTRES ĂPISODES 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 USđ PLUS DE CONTENU DATA ?1/ Suivez-moi sur LinkedIn ici đ€ł2/ Inscrivez-vous Ă la newsletter (synthĂšses, Ă©vĂ©nements) ici đ3/ DĂ©couvrez le podcast en format vidĂ©o sur YouTube ici đčđ SOUTENEZ LE PODCAST GRATUITEMENT1/ Abonnez-vous đ2/ Laissez 5 Ă©toiles et un avis sur Apple Podcasts ici đ„°
#305 - Qonto : DĂ©ployer lâIA 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 dâingĂ©nieur Ă Polytechnique et lâENSAE, elle a travaillĂ© six ans chez Uber Ă San Francisco, puis chez Amazon avant de rejoindre Qonto.On aborde :đ„ Les cas dâusage IA dans le produit : extraction de documents, catĂ©gorisation, agent AnalystâŠđ„ Ses 3 chantiers clĂ©s : Internalisation, Ă©valuation des performances des modĂšles et expĂ©rimentationđ„ Lâorganisation, lâusage de lâIA en interne et la stack IA mise en place chez Qontođ„ Comment lâIA change le mĂ©tier de lâĂ©quipe, et ses prochaines Ă©tapesâ€ïž PARTENAIRE Ce podcast est rendu possible par Actian.đ Regarder lâĂ©pisode avec Ole Olesen-Bagneuxđ Recevoir l'early release de la 2Ăšme Ă©dition de "The Enterprise Data Catalog", le livre d'Oleđ Contacter Ole sur LinkedIn ou par mail : ole.olesenbagneux@hcl-software.comđ 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 iciđŹ CHAPITRES 00:00 Le parcours de Marianne04:32 Ce que fait lâĂ©quipe 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 lâIA, mais une Ă©quipe qui grandit32:03 La stack IA de Qonto32:55 Les prochaines Ă©tapes chez Qonto34:55 Ses recommandations de contenuđ€© AUTRES ĂPISODES 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 lâĂ©quipe GenAI appliquĂ©e au Produit (Licorne, +230 millions levĂ©s)đ PLUS DE CONTENU DATA ?1/ Suivez-moi sur LinkedIn ici đ€ł2/ Inscrivez-vous Ă la newsletter (synthĂšses, Ă©vĂ©nements) ici đ3/ DĂ©couvrez le podcast en format vidĂ©o sur YouTube ici đčđ SOUTENEZ LE PODCAST GRATUITEMENT1/ Abonnez-vous đ2/ Laissez 5 Ă©toiles et un avis sur Apple Podcasts ici đ„°
#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 lâheure de lâIA) ?AccĂ©lĂ©rer les cas dâusage ou la transformation culturelle ?Participez et dites-nous si vous ĂȘtes confrontĂ©s Ă ces dilemmes en rĂ©pondant Ă ce questionnaire (2 min).đ 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) !â€ïž PARTENAIRE Ce podcast est rendu possible par Bartle.đ Participer Ă lâĂ©tude en rĂ©pondant au questionnaire sur les dilemmes des leaders data & IA (2 min)đ Contacter Marie sur LinkedIn ou par mail : mmillondevilleroy@bartle.frđ RESSOURCES - Le LinkedIn de Marie- Le questionnaire sur les dilemmes des dirigeants data & IAđŹ 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 & lâIA ou prĂ©server les nuances ?27:25 #5 Geler les embauches ou recruter pour accĂ©lĂ©rer (Ă lâheure de lâIA) ?33:34 #6 AccĂ©lĂ©rer les cas dâusage ou la transformation culturelle ?đ€© AUTRES ĂPISODES QUE VOUS DEVRIEZ AIMER #289 - Les stratĂ©gies agentiques dâAdeo et Decathlon #284 - Comment le CDO de Decathlon structure sa stratĂ©gie data & IA #228 -Comment lâex-CDO de Carrefour structure la Data & l'IA chez FDJ United (ex-Française des Jeux) đ PLUS DE CONTENU DATA ?1/ Suivez-moi sur LinkedIn ici đ€ł2/ Inscrivez-vous Ă la newsletter (synthĂšses, Ă©vĂ©nements) ici đ3/ DĂ©couvrez le podcast en format vidĂ©o sur YouTube ici đčđ SOUTENEZ LE PODCAST GRATUITEMENT1/ Abonnez-vous đ2/ Laissez 5 Ă©toiles et un avis sur Apple Podcasts ici đ„°
#303 - AI Analytics : ce que les early adopters préparent 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 lâactualitĂ© du marchĂ©.Dans cet Ă©pisode, on Ă©change sur ce que change lâIA pour lâanalytics, quand les agents savent maintenant rĂ©pondre Ă des questions complexes, avec :- Juliette Duizabo, Head of Data chez Photoroom- Ădouard 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 :đ„ Lâautomatisation des analyses complexes : orchestration de sous-agents et Ă©volution du rĂŽle des Data Analystsđ„ Construire un Context Layer : documenter les donnĂ©es, maintenir le contexte business et crĂ©er un Company Brainđ„ FiabilitĂ© vs flexibilitĂ© : peut-on supprimer la couche gold ? Semantic Layer, metric layer et fiabilitĂ© des agentsđ„ Le dĂ©veloppement autonome : revue de PR par des agents, 40 % des MR validĂ©es sans humain chez Sorareâ€ïž PARTENAIRE Ce podcast est rendu possible par Bartle.đ Ecouter l'Ă©pisode avec Marie, leur Directrice Data, dans lequel on tranche sur les 6 dilemmes des leaders data & IAđ Participer Ă lâĂ©tude 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 moiđ Contacter Marie sur LinkedIn ou par mail : mmillondevilleroy@bartle.frđ RESSOURCES - Le LinkedIn de Juliette- Le LinkedIn dâĂdouard- Le LinkedIn de Christelle- Le LLM Wiki dâAndrej Karpathy đŹ 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 lâĂ©chelle26:55 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 lâIA ?đ€© AUTRES ĂPISODES 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 lâAnalytics | Dashboardless ? Analystless ? | Claude code vs Omni vs Hexđ PLUS DE CONTENU DATA ?1/ Suivez-moi sur LinkedIn ici đ€ł2/ Inscrivez-vous Ă la newsletter (synthĂšses, Ă©vĂ©nements) ici đ3/ DĂ©couvrez le podcast en format vidĂ©o sur YouTube ici đčđ SOUTENEZ LE PODCAST GRATUITEMENT1/ Abonnez-vous đ2/ Laissez 5 Ă©toiles et un avis sur Apple Podcasts ici đ„°
#302 - 10 ans dans la Silicon Valley : les ingés français sont-ils au niveau ?
29:52|Michel Moriniaux travaille dans la Silicon Valley depuis dix ans. Il a Ă©tĂ© lead de lâĂ©quipe Infrastructure chez Criteo aux Ătats-Unis, puis manager de plusieurs Ă©quipes techniques chez LinkedIn. Plus rĂ©cemment, il est devenu Head of Observability chez GEICO, lâun des plus gros assureurs amĂ©ricains.On aborde :đ„ Comment Michel est arrivĂ© aux Ătats-Unis (Epita, CriteoâŠ) et ses premiĂšres impressionsđ„ Son expĂ©rience chez LinkedIn et ce qu'on apprend dans une big tech amĂ©ricaineđ„ Les diffĂ©rences entre les Ă©quipes tech françaises et amĂ©ricaines : recrutement, culture, niveau techniqueâŠđ„ Pourquoi il a rejoint rĂ©cemment une grosse entreprise (GEICO) plutĂŽt quâune autre big techđȘ SE FORMER A L'AGENTIQUE AVEC DATABIRD ET DATAGENOn a lancĂ© avec DataBird 3 bootcamps IA :đ DataGen apporte sa vision du marchĂ© pour co-construire et faire Ă©voluer les programmesđ 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. đđ RESSOURCES- Le LinkedIn de Michel- Pour recevoir la liste des 10 outils data & IA Ă suivre en 2025, inscrivez-vous Ă la newsletter DataGen iciđŹ 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 quâune big tech US ?22:59 Big Tech US : encore la voie royale ?24:19 Retravailler en France ?25:04 Ou partir en Chine ?đ€© AUTRES ĂPISODES 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 lâinfluence#292 - Doordash : Monter une Ă©quipe Data Science & Analytics (aux US)đ PLUS DE CONTENU DATA ?1/ Suivez-moi sur LinkedIn ici đ€ł2/ Inscrivez-vous Ă la newsletter (synthĂšses, Ă©vĂ©nements) ici đ3/ DĂ©couvrez le podcast en format vidĂ©o sur YouTube ici đčđ SOUTENEZ LE PODCAST GRATUITEMENT1/ Abonnez-vous đ2/ Laissez 5 Ă©toiles et un avis sur Apple Podcasts ici đ„°
#301 - YouTube, Snapchat : Lancer une équipe data dédiée à 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 :đ„ Sa transition du business Ă la data et les diffĂ©rences entre YouTube et Snapchat (maturitĂ©, vitesse, prise de risque)đ„ La crĂ©ation de l'Ă©quipe Growth Science et Analytics chez YouTube (missions, profils, difficultĂ©s)đ„ Lâadoption de lâIA pour la data chez Snapchat (automatisation des analyses, animation de la communautĂ©)đ„ Son nouveau rĂŽle de VP Analytics chez Chess.com (licorne US) et ses premiĂšres initiativesâ€ïž PARTENAIRECe podcast est rendu possible par Actian.đ Ecouter lâĂ©pisode avec Ole Olesen-Bagneux iciđ Recevoir l'early release de la 2Ăšme Ă©dition de The Enterprise Data Catalog, le livre d'Oleđ Contacter Ole sur LinkedIn ou par mail : ole.olesenbagneux@hcl-software.comđ RESSOURCES - Le LinkedIn de Jordan- Le livre Startup Communities: Building an Entrepreneurial Ecosystem in Your City de Brad Feld autour de la Boulder Thesis- Lâ Article sur le recrutement comme problĂšme de prĂ©diction- Les offres dâemplois 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 iciđŹ CHAPITRES 00:00 Le parcours de Jordan : YouTube, SnapchatâŠ04:36 YouTube vs Snapchat06:56 Lancer une Ă©quipe data chez YouTube12:32 Lâimpact de lâĂ©quipe sur le produit16:36 Ses plus grosses difficultĂ©s17:59 Le dĂ©ploiement de lâIA pour la data chez Snap22:52 VP Analytics : 1Ăšres initiatives 26:32 Ses ressources prĂ©fĂ©rĂ©es27:57 Ce qui lâa fait progresserđ€© AUTRES ĂPISODES 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 lâĂ©quipe Research Science (organisation & culture)đ PLUS DE CONTENU DATA ?1/ Suivez-moi sur LinkedIn ici đ€ł2/ Inscrivez-vous Ă la newsletter (synthĂšses, Ă©vĂ©nements) ici đ3/ DĂ©couvrez le podcast en format vidĂ©o sur YouTube ici đčđ SOUTENEZ LE PODCAST GRATUITEMENT1/ Abonnez-vous đ2/ Laissez 5 Ă©toiles et un avis sur Apple Podcasts ici đ„°
#300 - Comment un ex-Lead Data de Google et Meta structure la stratĂ©gie agentique dâune 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 quâil 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 :đ„ Le parcours de Gio et ses learnings chez Google et Metađ„ Chantier #1 : Mettre en place des agents pour la data et lâanalytics (Omni, ClaudeâŠ)đ„ Chantier #2 : Mettre en place des agents pour lâengineering et le dĂ©veloppement (âConstitutionâ, Claude Code)đ„ Ses plus grosses difficultĂ©s et sa vision du futur de la Data & de lâIAâ€ïž PARTENAIRECe podcast est rendu possible par Actian.đ Ecouter lâĂ©pisode avec Ole Olesen-Bagneux iciđ Recevoir l'early release de la 2Ăšme Ă©dition de The Enterprise Data Catalog, le livre d'Oleđ Contacter Ole sur LinkedIn ou par mail : ole.olesenbagneux@hcl-software.comđ 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 iciđŹ 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 : Lâagentique pour lâengineering26:39 Ses plus grosses difficultĂ©s sur lâagentique28:31 Leur stack30:25 Leurs prochaines Ă©tapes32:21 Ses recommandations de contenu33:17 Ce qui le fait progresserđ€© AUTRES ĂPISODES 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 lâanalytics et x15 sa vitesse de deliveryđ PLUS DE CONTENU DATA ?1/ Suivez-moi sur LinkedIn ici đ€ł2/ Inscrivez-vous Ă la newsletter (synthĂšses, Ă©vĂ©nements) ici đ3/ DĂ©couvrez le podcast en format vidĂ©o sur YouTube ici đčđ SOUTENEZ LE PODCAST GRATUITEMENT1/ Abonnez-vous đ2/ Laissez 5 Ă©toiles et un avis sur Apple Podcasts ici đ„°
#299 - On dĂ©crypte le marchĂ© du Data Management et Actian avec Ole Olesen-Bagneux (auteur de The Enterprise Data Catalog, bestseller chez OâReilly)
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 :đ„ Le Federated Knowledge Graph : la technologie qui permet Ă un Data Catalog d'ĂȘtre performantđ„ L'IA au service de la gouvernance : descriptions automatiques, tagging et recherche avancĂ©eđ„ Le changement global de paradigme : de la barre de recherche vers le conversationnelđ„ Les trois briques d'Actian : base de donnĂ©es, data & AI management et business intelligenceâ€ïž PARTENAIRECe podcast est rendu possible par Actian.đ Recevez l'early release de la 2Ăšme Ă©dition de The Enterprise Data Catalog, le livre d'Oleđ Contacter Ole sur LinkedIn ou par mail : ole.olesenbagneux@hcl-software.comđ RESSOURCESâąâ â Le LinkedIn d'Oleâąâ La nouvelle Ă©dition de son livre â The Enterprise Data Catalogâąâ â Le livre The C4 Model: Visualizing Software Architecture de Simon BrownđŹ 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 conseilđ€© AUTRES ĂPISODES 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 Meshđ PLUS DE CONTENU DATA ?1/ Suivez-moi sur LinkedIn ici đ€ł2/ Inscrivez-vous Ă la newsletter (synthĂšses, Ă©vĂ©nements) ici đ3/ DĂ©couvrez le podcast en format vidĂ©o sur YouTube ici đčđ SOUTENEZ LE PODCAST GRATUITEMENT1/ Abonnez-vous đ2/ Laissez 5 Ă©toiles et un avis sur Apple Podcasts ici đ„°
#298 - OpenAI : Comment sont développés les modÚles GPT (orga, dév, culture & biais)
42:54|Alexandre Robicquet a montĂ© une startup dans lâIA quâil a vendue Ă OpenAI en 2025. Il a ensuite choisi de rester chez OpenAI comme Research Scientist pendant un peu plus dâun an avant de finalement rejoindre Google.On aborde :đ„ Son parcours de CEO Ă Research Scientist chez OpenAI, et son rĂŽle dans le dĂ©veloppement des modĂšlesđ„ Le cycle de dĂ©veloppement des modĂšles : entraĂźnement, Ă©valuation et gestion des biaisđ„ La course aux modĂšles entre OpenAI, Anthropic et Google, et les choix stratĂ©giques de chacunđ„ Les grands risques de lâIA : sĂ©curitĂ©, manipulation et impacts sur la sociĂ©tĂ©đȘ SE FORMER A L'AGENTIQUE AVEC DATABIRD ET DATAGENOn a lancĂ© avec DataBird 3 bootcamps IA :đ DataGen apporte sa vision du marchĂ© pour co-construire et faire Ă©voluer les programmesđ 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. đđ RESSOURCES- Le LinkedIn de Alexandre- Le compte X dâAndrej KarpathyđŹ 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 dâAlexandre41:08 Le meilleur conseil quâon lui ait donnĂ©đ€© AUTRES ĂPISODES 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 lâĂ©quipe Research Science (organisation & culture)đȘ 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.đ Nous rencontrer iciđ PLUS DE CONTENU DATA ?1/ Suivez-moi sur LinkedIn ici đ€ł2/ Inscrivez-vous Ă la newsletter (synthĂšses, Ă©vĂ©nements) ici đ3/ DĂ©couvrez le podcast en format vidĂ©o sur YouTube ici đčđ SOUTENEZ LE PODCAST GRATUITEMENT1/ Abonnez-vous đ2/ Laissez 5 Ă©toiles et un avis sur Apple Podcasts ici đ„°