Just a Click

Les agents IA dépassent rarement 80-85 % de fiabilité et dans certains contextes (finance, logistique) ce n’est tout simplement pas acceptable.Patrick Joubert, multi-entrepreneur installé à San Francisco et cofondateur de Rippletide, explique ce qui manque pour franchir ce cap : une couche d'infrastructure qui valide chaque décision avant qu'elle ne déclenche une action.À partir de cas concrets (service client, réassort logistique, rapports quotidiens), il montre pourquoi un simple RAG atteint vite ses limites, et comment une approche déterministe fondée sur des ontologies et une base graphe permet de les dépasser. Patrick partage aussi son regard sur les agents IA, le coût réel des tokens et le futur du logiciel, dans un monde où l'agent devient un nouveau point d'entrée vers les applications.Dans cet épisode vous découvrirez (entre autres) :La différence entre un workflow déterministe et un workflow agentique.Comment faire pour qu’un agent valide sa décision contre un référentiel métier, puis révise l'action prévue avant exécution.Pourquoi contrôler en priorité les actions irréversibles : remboursement, expédition, patch de production.L’importance d'avoir une couche sémantique capable d'intégrer des règles métier se trouvant dans des documents non structurés.Bonne écoute !

Si ton produit dépend d'une plateforme que tu ne contrôles pas, alors tu peux tout perdre du jour au lendemain.Alain Garnier l'a vécu : Jamespot a perdu 80 % de son trafic B2C en une nuit, à cause de sa dépendance à Google.40 ans dans le numérique, fondateur bootstrap de Jamespot (50 personnes, 400 000 utilisateurs, zéro levée), engagé de longue date sur la souveraineté : Alain a vu de l'intérieur le décrochage européen mais il est aussi convaincu que celui-ci n'a rien d'une fatalité !Dans cet épisode, il explique :Pourquoi la réussite libérale américaine est d'abord une décision d'État : PayPal, Tesla, SpaceX et l'alignement État-industrie-finance.En quoi notre dépendance aux GAFAM n'est pas qu'un sujet de qualité produit, mais de règles de marché, de commande publique et de financement.Le vrai décrochage tech français n'était pas technique (Minitel, web, Arisem) mais politique.Comment sortir de notre dépendance aux logiciels américains.(00:00) Parcours tech et souveraineté(04:29) Minitel et web naissant(07:22) Les banques refusent la boîte(12:24) B2B contre B2C(16:01) Le décrochage de l’État(22:20) Cloud au centre et data centers(26:54) Le modèle Musk(31:47) Dépendance numérique européenne(38:22) Google coupe Jamespot(42:50) French Tech sur infras américaines(46:55) BPI sort de la stack américaine(50:09) La honte change de camp(53:01) Bootstrap ou levée de fonds(58:46) Passer aux outils européens(01:02:01) Limiter les géants(01:06:26) Lire, écouter, coder(01:09:25) Nouvelle génération tech

Deux devs seniors qui font le travail de huit.Un profil produit qui n'avait jamais écrit une ligne de code et qui envoie ses pull requests en prod au bout d'une semaine.Un goulot d'étranglement qui se déplace des développeurs vers le produit.C’est ce qu’a vécu Florian Bruniaux, founding AI engineer chez Méthode Aristote, lorsqu’il a adopté l’IA à l’échelle.Et il m’a fait le plaisir de venir partager son retour d’expérience sur l'organisation tech & product IA qu'il a mise en place.Dans cet épisode, il explique :Pourquoi il a refusé le vibe coding au début afin de poser des bases saines, avant d'accélérer avec l'IA.Comment des hooks et des garde-fous lui ont permis de laisser un profil 100% produit pousser ses propres PR sans rien casser.Pourquoi son rôle s’est déplacé de la production de code vers l’outillage pour permettre aux non-tech de coder proprement.En quoi l’âge d’or des développeurs est révolu.

Tes features IA en production ne donnent pas la fiabilité espérée et ton réflexe naturel c'est d'améliorer les prompts et complexifier le harness. Mais si le sujet était ailleurs ?Claire Gouze est la cofondatrice et CEO de nao Labs où elle construit le premier agent open source dédié à l'analyse de données.Sur ses propres agents, elle est passée de 15 % à 90 % de fiabilité grâce au context engineering.Dans cet épisode, elle explique :Pourquoi un agent qui échoue est souvent le reflet d'ambiguïtés que ton équipe n'a jamais clarifiées sur sa propre data.La méthode concrète pour mesurer la fiabilité d'un agent en production : tests unitaires, ordres de grandeur réalistes, et ce qu'il faut tester en priorité.Le shift de fond : passer d'un monde où l'on jugeait le code à un monde où l'on juge l'output, et ce que ça change dans notre façon de construire les produits.Pour recevoir mes analyses et ne pas manquer les prochains épisodes, pense à t'abonner à la newsletter sur justaclick.fr

Tu veux intégrer de l'IA dans ton produit mais plus tes utilisateurs s'en servent, plus ta facture grimpe et ta marge, elle, ne suit pas.Le modèle économique du SaaS classique ne survit pas tel quel à l'IA générative, et peu de décideurs produit ont vraiment regardé ce que ça change.Jean-Philippe Fourès est VP Product chez Iguane Solutions, où il déploie des modèles IA sur infrastructure dédiée pour des clients dans la banque, l'assurance et la santé.Venu de la tech et du Big Data, il fait le pont entre le fonctionnement réel de l'IA et ce que ça change pour tes arbitrages produit.Dans cet épisode, il explique :Le coût réel d'un token, et ce que ça implique pour une feature IA à l'échelle.Closed source, open-weight, modèle hébergé : comment choisir le bon modèle selon ton contexte.Pourquoi la vraie question de la souveraineté n'est pas le coût, mais qui peut lire tes données et ce que ton contrat avec un éditeur US ne te protège pas de faire.Comment un petit modèle spécialisé, réentraîné en quelques heures, peut battre un modèle frontière hors de prix.Pour retrouver la communauté Product Partners c'est par là.

Céline Delaugère est la cofondatrice et CEO de MyDataMachine, une entreprise qui accompagne ses clients sur des cas d'usage de l'IA liés à la vidéo : détection d'opportunités de vente en magasin, lutte contre le vol à l'étalage, reconnaissance de tendances mode, classification de véhicules.Son équipe annote en moyenne 1,5 million d'images par mois pour fiabiliser les modèles de vision de ses clients.Dans cet épisode, Céline partage son expérience sur le concept de Human-in-the-Loop (HITL) et en quoi cette méthode permet à la fois d'itérer vite et de déployer des systèmes IA robustes.Tu apprendras :Pourquoi un modèle à 70% de réussite peut quand même partir en production.Pourquoi l'expertise métier (mode, retail, médical, automobile) devient l'actif le plus rare pour entraîner les IA verticales.Pourquoi le métier de data annotator est aujourd'hui dans le top 3 des jobs en croissance sur LinkedIn.Les 3 endroits exacts où l'humain doit intervenir dans le cycle de vie d'un modèle IA.Comment construire un dataset d'évaluation vraiment robuste.Retrouve Céline sur LinkedIn et sa newsletter Vision Before Technology ici.

Comment évaluer un agent IA quand il ne se contente plus de répondre, mais choisit ses outils, manipule des données et déclenche des actions ?Laurent Zhang est le cofondateur de Mankinds, une plateforme d’évaluation d’applications IA incubée à Station F dans le programme F/ai.Dans cet épisode, il partage son expérience sur l'évaluation des applications d’IA générative et les systèmes agentiques.Nous discutons notamment des alternatives au "LLM as a judge" avec des tests plus déterministes, auditables et adaptés aux secteurs régulés.Il explique :La différence entre un workflow IA séquentiel vs un agent autonome.Les limites de la méthode d'évaluation avec un LLM (LLM as a judge) et les alternatives.L'approche d'évaluation que propose Mankind avec des scoreurs déterministes et des datasets contextualisés.Pourquoi la conformité n'est pas un frein mais un accélérateur à l'innovation.(00:00:00) Parcours de Laurent et mission de Mankind(00:06:21) Systèmes agentiques et limites du LLM as a judge(00:15:27) Du contexte aux tests déterministes(00:25:31) Orchestration, modèles et mise en production(00:36:03) RAG, graphes et adoption de l’IA agentique

Jean-Baptiste Kempf est le président de l'association VideoLAN et porte VLC Media Player depuis plus de 20 ans.VLC c'est un logiciel téléchargé 6,5 milliards de fois et utilisé par des centaines de millions de personnes, sans qu'un euro n'ait jamais été investi en publicité.Dans cet épisode on revient sur l'histoire du projet (né d'une association étudiante à Centrale en 1998), la philosophie qui a permis cette croissance hors-norme, et les apprentissages que Jean-Baptiste en tire après 20 ans à construire des produits.Il explique :Pourquoi le "complain-driven development" est plus efficace que 6 mois de discovery.Comment une tagline de 4 mots "VLC plays everything, runs everywhere" a structuré 20 ans de gouvernance open source et tranché des centaines de débats produit.Pourquoi VLC n'est pas joli mais marche, et pourquoi la rapidité et la hiérarchisation des fonctionnalités sont sous-estimées par les designers d'aujourd'hui.Où se déplace la vraie barrière à l'entrée à l'ère du vibe coding.