L'IA en entreprise : opportunités, défis et rôle du Tech Leader

0:03 L'IA, ce n'est pas nouveau et ce n'est pas nouveau chez Google, mais c'est vrai que ces deux dernières années, on a un rythme d'innovation qui est assez incroyable et que j'ai rarement vu depuis mes dix années chez Google. Un enjeu pour un tech leader d'être aussi vraiment un rôle modèle et d'embarquer avec lui tous les autres C-level de l'organisation en aidant à les upskiller et à les embarquer avec lui dans son projet. Je suis assez passionnée de voir aussi comment l'IA peut permettre de réinventer des expériences de recherche et permettre à des entreprises de pouvoir améliorer les performances de leur recherche. Bonjour à toutes et à tous, bienvenue sur ce nouvel épisode du podcast Tech.Rocks. Je suis Dimitri Baeli, cofondateur Tech.Rocks et aussi chez Back Market. Je suis ravi aujourd'hui d'accueillir Anne-Laure Giret, responsable Go-To-Market chez Google. Bonjour Anne-Laure. Bonjour Dimitri. Comment vas-tu?

1:04 Super, je suis ravie de prendre ce moment avec toi. Très bien, on est dans des très beaux locaux chez Google. Vous ne le verrez pas en vidéo, c'est très agréable. Je suis ravie de t'accueillir ici. Je vais te laisser te présenter rapidement, si tu es, quelles sont tes fonctions, et on fera un petit peu l'inventaire de ton parcours et la découverte de l'IA chez Google. Oui, avec grand plaisir. Eh bien, écoute, je m'occupe de la commercialisation de nos solutions d'intelligence artificielle chez Google Cloud sur l'Europe du Sud. Je lis d'une équipe de spécialistes IA qui est super. Et notre rôle, en anglais, on dit l'équipe go-to-market. Et c'est vrai que ça symbolise bien ce qu'on fait. On amène sur le marché et aussi vite que possible le meilleur de l'innovation, de Google, de DeepMind sur IA. Est-ce que tu peux nous parler un tout petit peu de ton parcours? Oui, avec grand plaisir. Ingénieur de formation, mais j'ai toujours eu un rôle commercial dans différents environnements, différents mondes. Et ça me plaît bien justement de changer de monde et de faire des liens entre des mondes qui d'apparence n'ont pas l'air de se parler.

2:08 J'ai commencé ma carrière en finance de marché dans une banque. à Londres. Puis je suis arrivée chez Google plutôt sur une partie marketing digital avec des solutions SaaS qui avaient déjà des fonctionnalités d'IA embedded. Et puis chez Google Cloud depuis 2018. Et c'est hyper chouette de voir la super croissance qu'on a eue chez Google Cloud ces dernières années. Une évolution de l'IA chez Google aussi, tant en interne qu'en externe. Exactement, et je dois dire que l'IA, ce n'est pas nouveau, et ce n'est pas nouveau chez Google, Mais c'est vrai que ces deux dernières années, on a un rythme d'innovation qui est assez incroyable et que j'ai rarement vu depuis mes dix années chez Google. Du coup, en quoi consistent un petit peu tes missions? Est-ce que tu as un, deux, trois histoires à nous raconter? Le rôle de mon équipe, c'est de travailler avec les clients et avec les équipes de compte Google Cloud qui les accompagnent pour prendre partie de l'IA, pas seulement générative d'ailleurs, c'est génial parce que depuis deux ans, il y a aussi un regain d'intérêt sur l'IA prédictive et d'adopter et de tirer le mieux parti de ces technos pour avoir un impact business tangible.

3:14 Voilà, donc on travaille avec les clients de toute taille, que ce soit des acteurs traditionnels ou des scale-up. Et dans toutes les verticales. Donc c'est vraiment hyper chouette. Un grand supermarché des projets IA en France, en Europe. Est-ce que tu as un ou deux projets marquants qu'on t'a inspiré récemment? Oui, alors on a vu plein de types de cas d'utilisation de l'IA. Je pense qu'il y a eu un peu dans la catégorie quick win, des projets où... En fait, l'IA permet d'avoir des gains, des quick wins, des gains très tangibles de productivité, d'automatisation de tâches. Je pense à cette banque espagnole qui a une obligation juridique d'auditer des conversations agents-clients. Il faisait le sampling sur la base d'un système basé sur des règles, mais qui était hyper inefficace. Il y avait, je crois, 60% seulement des conversations qui avaient un vrai intérêt juridique. Ils ont plugué un LLM open source dessus, fonctionné sur des documents juridiques, et ils ont amélioré la performance de façon significative, donc juste beaucoup moins de temps perdu d'experts juridiques à écouter des conversations.

4:16 Donc oui, ce n'est peut-être pas ce qu'il y a de plus passionnant, c'est ce que certains appellent les boring billions. En fait, c'est beaucoup d'impact, c'est peut-être un peu boring, mais finalement, c'est un impact tangible, hyper concret, et ça a été les premiers use cases finalement mis en production. Et puis, il y a aussi des cas où l'IA permet de réinventer un métier. On est basé à Paris, chez Google Cloud, on a annoncé des partenariats stratégiques avec le CMA-CGM pour réinventer totalement le métier de CMA-CGM grâce à l'IA. Dans le monde des médias, on a beaucoup d'intérêt sur tout ce qui est la valorisation des archives grâce à l'IA. Et puis, pour toutes les entreprises B2C, comment l'IA peut permettre de réinventer le search on-site pour permettre à leurs clients de trouver plus facilement l'information sur leur site. Chez Google, forcément, c'est un use case qui nous plaît beaucoup. Oui, c'est intéressant de voir le search sortir de Google, le mettre à disposition des employés. On en reparlera un petit peu à la fin, je pense. Est-ce que tu peux nous parler un tout petit peu des équipes qui t'accompagnent? Comment ça se passe? Vous avez une armée d'ingénieurs ou c'est que des...

5:19 Oui, alors on a différents types de populations qui accompagnent les clients dans leurs projets. Donc, chez Google Cloud, on a des, ça s'appelle des Customer Engineers, qui sont un peu les référents techniques qui vont aider les clients à déployer les bonnes solutions du portfolio Google Cloud. Et puis, on a des experts d'intelligence artificielle, donc des Customer Engineers qui sont spécialisés IA. Et on a aussi des équipes de Field Solution Architects qui font du co-build, du co-engineering avec les clients. On reconnaît que Gen AI spécifiquement, ça requiert quand même des nouvelles compétences, des nouveaux process à mettre en place. LLM Ops, ce n'est pas exactement comme le ML Ops. Et donc, on a créé des équipes spécifiques pour aider les clients et construire avec eux pour mettre en place toutes les bonnes pratiques. Vous apprenez en même temps que... Exactement. Tech.Rocks, ce qui nous intéresse, c'est le profil du tech leader. Tu dois en rencontrer pas mal, tu en as aussi pas mal dans tes équipes. Et au cours de la préparation, on a échangé un petit peu sur cette interaction que tu as, que Google est amené à avoir avec les différents tech leaders.

6:21 Et avantage, inconvénient, on verra si on a un petit peu de temps, mais surtout, quel est le profil qui t'intéresse et les compétences qui t'intéressent? Chez les tech leaders dans ces projets-là ? Je pense qu'il y a différents aspects. Il y a peut-être au moins trois aspects qui sont intéressants et que j'entends dans mes conversations avec les tech leaders. Le premier, c'est détecter quels sont les bons cas d'usage. C'est là où le tech leader, avec ses antennes, peut avoir un rôle évidemment déterminant. Ensuite, il y a la phase du scale. Comment on fait pour envisager tout de suite la mise en prod à grande échelle? Et je pense que c'est fair de dire que les premiers mois, et même encore l'année dernière, il y avait pas mal de clients qui étaient un peu coincés, qui avaient fait plein de POC, mais qui avaient du mal avec la mise en production. Et le troisième aspect, je pense qu'il y a un enjeu pour un tech leader d'être aussi vraiment un rôle modèle. Et d'embarquer avec lui tous les autres C-level de l'organisation en aidant à les upskiller et à les embarquer avec lui dans son projet. Tu les vois rechanger de rôle ou utiliser leurs compétences actuelles?

7:26 Je pense que c'est un petit peu les deux. C'est utiliser leurs compétences actuelles, mais aussi l'opportunité de prendre un rôle qui était plus important, peut-être, qu'ils ne l'avaient jusqu'à présent. Je sais bien que la coordination entre IT et métier, ce n'est pas nouveau, ça fait partie déjà de la job description d'un tech lead. Mais je pense que l'IA et le GNI ont le potentiel d'avoir une plateforme peut-être encore plus visible. Je te disais en préparant l'interview que j'étais à Milan la semaine dernière où un CTO et Platform Engineering organisaient une session à Google pour… la vingtaine de decision makers de l'entreprise qui voulaient passer trois heures en dehors de leur bureau pour vraiment se former à l'IA. Il y a une partie qui était en italien, mais quand même de façon intéressante. J'ai compris. C'est très rigolo d'avoir un exposé sur l'IA et les LLM en italien. Mais voilà, et je ne sais pas s'il y a beaucoup de sujets comme ça qui ont permis aux tech leaders à ce point d'avoir une plateforme sur l'intégralité de la suite de leur boîte. Avoir la C-suite ou les managers d'une entreprise qui écoutent le CTO, c'est du jamais vu.

8:29 Peut-être pas jamais vu, mais en tout cas, là, il y a une vraie attention, une vraie fear of missing out, et donc la volonté de s'upskiller, de demander l'avis du C-level. Qu'est-ce qu'on peut faire? Qu'est-ce qu'on peut faire, nous, pour se former? Qu'est-ce qu'on peut faire pour l'utiliser au quotidien? Moi, c'est le premier point, la détection des use cases qui mérite de creuser un petit peu, parce que c'est l'image que j'ai, c'est qu'on sort les paquets de la cave, du placard, tous les rêves qu'on avait de fonctionnalités ou des opportunités de faire des projets assez dingues dans le passé. Ont l'air de revivre. Ça me paraît assez intéressant d'avoir ce nouveau rôle du tech leader qui finalement devient un peu plus produit. C'est de réveiller du passé des projets impossibles auxquels il a hurlé haut et fort. Et moi, je fais partie du lot. Non, ce ne sera jamais possible. Et de revenir au fait, maintenant, ce sujet-là, on va peut-être pouvoir faire quelque chose. On a le cas.

9:30 chez Back Market, sur des évaluations un peu en temps réel des sentiments des clients. Alors qu'on était plutôt sur un NPS à 30 jours ou des choses comme ça. Donc ça, c'est des éléments. Comment ça se vit? Comment vous accompagnez un peu cette exploration, cette archéologie des projets chez les clients? Vous avez des échanges, ils vous posent des questions. Comment se passe la discussion un petit peu avec ces CTOs-là pour réveiller leurs vieux projets? J'adore ce que tu partages. C'est vrai qu'on voit qu'il y a des... enjeux qui étaient difficilement adressables, soit parce qu'on n'avait pas la tech, soit parce qu'on avait la tech, mais ça coûtait trop cher. Et il y a tellement d'évolutions que finalement, maintenant, on peut revisiter des use cases anciens. Je pense que la plupart de nos clients ont tous fait la même chose, qui est de répertorier dans une spreadsheet. Les use cases et de mettre un score d'impact et un score de complexité et essayer de mettre dans une matrice les différents use cases. Notre rôle aussi, c'est justement de faire parler les clients entre eux, de faire surfacer les cas d'usage.

10:31 On aime bien faire des customer stories, on aime bien faire venir des clients sur scène à des événements justement pour s'inspirer les uns les autres. Une histoire, un case study qu'on va sortir très prochainement et ça fait partie de ces quick wins où on a pu adresser plus simplement un use case qui n'était pas si simple que ça, c'est chez Leroy Merlin. J'ai appris qu'un marchand qui veut soit l'inventaire first party, soit l'inventaire third party, mais un mobilier de jardin pourrait bien référencer sur le roi Merlin, je crois qu'il y a 500 ou 600 attributs produits à remplir. Et guess what, en fait, c'est un processus long et chronophage, et il n'est pas toujours bien fait. Et s'il n'est pas bien fait, les fiches produits, elles ne peuvent pas bien surfacer sur les moteurs de recherche. Et finalement, c'est des produits qui ne se vendent pas bien. Donc, c'est un sujet sur lequel nos équipes Professional Services étaient impliquées. Clairement, l'arrivée des LLM pré-entraînés, ça a permis de donner un coup de boost au projet. Et finalement, avec moins de people et avec un coût plus optimisé, on a permis de résoudre le problème. Et maintenant, tu as Gemini Flash qui a été intégré au PIM. Et les fournisseurs téléchargent un fichier CSV où il y a des descriptions sommaires et les LLM permettent d'enrichir les attributs produits.

11:40 Il y a toujours un human in the loop, puisque le marchand peut vérifier les attributs, mais en tout cas, on a des fiches beaucoup plus précises et complètes. Donc ça, c'est peut-être un exemple de, comme tu dis, peut-être de projet, on peut le ressortir du placard et mieux l'adresser avec une cost efficiency, par exemple. Sur la spreadsheet avec les plus et les moins, l'image qui m'est venue, c'est la solution qui cherche son problème. On a le LLM, on veut à tout prix utiliser le LLM et on cherche un cas qui pourrait matcher. Est-ce que vous arrivez à challenger un petit peu les clients là-dessus pour ne pas… utiliser les LLM à tout prix, à toutes les sauces. Est-ce que vous avez un accompagnement, une sorte de grille pour dire, là, ce n'est pas le bon cas de visage? Oui, effectivement, ça, c'est le rôle de nos costumers ingénieurs. Je pense de voir, déjà, est-ce que ça a besoin d'être du prédictif? Est-ce que ça a besoin d'être du génératif? Ou est-ce que du prédictif fait le job? Ça, ça fait partie clairement de ce qu'on essaie de faire. Et puis surtout, quand on prend quasiment tous les clients, ils ont cette spreadsheet avec les 200 use cases qui ont été répertoriés.

12:44 Notre rôle aussi et surtout, c'est de voir comment on peut aider à les mettre en prod. Parce que finalement, l'expertise métier de nos clients, en toute humilité, les clients connaissent mieux leurs enjeux métiers que nous. Notre rôle, c'est surtout de dire comment on va permettre d'en avoir peut-être plus qu'un par quarter. Comment on fait pour industrialiser le passage à la mise en prod? Alors, tu appelles ça comme tu veux, GNI Factory, LLM Ops. Et là-dessus, surtout, nous, on défend l'idée d'une plateforme, de l'outillage qui permet de mettre ces use cases en prod le plus rapidement possible. Et je pense qu'il ne faut pas sous-estimer justement toutes ces briques. Intéressant, parce que moi, j'aime beaucoup la partie mise en prod des sujets, la notion de fail fast, de du coup, ce que j'entends, c'est prenez toute votre liste et testez tous les cas rapidement, mais ne mettez pas une roadmap à 10 ans pour tester chaque cas un par un. Donc, j'ai l'impression que la stratégie possible, c'est comme on ne connaît pas le résultat possible, que c'était des projets pas faisables avant, on les teste tous et on regarde ce qu'il reste au résultat.

13:45 Avant de s'embarquer là-dedans, il y a quand même un vrai sujet, et je ne vais rien dire de groundbreaking, qui est de bien définir les KPIs de succès. Oui, mais le fail fast, finalement, c'est celui-là. J'ai des KPIs d'impact, je vois si ça les fait bouger, si ça ne les fait pas bouger, je le déclare un échec. Mais effectivement, il ne faut pas faire l'impasse, je pense, de exactement quels sont ces KPIs pour pouvoir comparer avant-après. Et je pense que c'est d'autant plus important pour Gen AI parce que finalement, ton output peut prendre différentes formes et donc c'est important d'être aligné avec les autres C-level sur exactement qu'est-ce qu'on attend de cette application, quelle est la tête de l'output qu'on veut. En plus, il peut être plus variable que pour de l'IA prédictif. D'ailleurs, petite parenthèse, on a fait une étude client qui montre qu'en gros, plus de succès de projet IA, Quand il y a un sponsoring de plusieurs personnes de la 6-8, qui montre que le tech leader, encore plus qu'avant, il va être très collaboratif et embarquer d'autres personnes avec lui. Et donc voilà, c'est clé d'avoir bien défini ces critères de succès, ces KPI clés qu'on va suivre. Et après, est-ce que finalement, il faut enchaîner l'époque ou est-ce que, on aime bien parler de small scale production environment,

14:55 Peut-être tout de suite penser la prod, parce que tout de suite, on se pose les questions d'intégration des données. parce que tout de suite, finalement, on s'est posé les bonnes questions. Et peut-être qu'il faut faire moins de POC et plus de production unit pour pouvoir envisager le scale plus vite. Et ça, c'est un sujet qui me tient à cœur aussi, non? Oui, évidemment. Là, j'étais plus en train de sourire sur« tiens, tiens, la qualité de la donnée doit traîner dans le coin et les clients doivent redécouvrir l'intérêt d'avoir de la bonne donnée en source». Mais je ne vais pas rentrer sur le sujet. Ce qui m'intéressait, c'est ce concept que le LLM, ça paraît magique, ça résout tous les problèmes de la planète, c'est une puissance infinie à disposition. Est-ce que c'est aussi magique que ça en vrai? Non, pas vraiment, parce que je pense que, comme on le disait, il faut avoir une application. D'ailleurs, le LLM, c'est une partie de l'application. Déjà, c'est une partie des coûts, c'est seulement une partie de la complexité. On a accompagné les équipes ING à mettre en place un chatbot sur leur site pour gérer une bonne partie du customer support.

15:58 Et finalement, la partie à l'ALM, c'était la plus simple. Ils ont fait un retour d'expérience il n'y a pas longtemps. Toute la phase, toute la partie autour du guard railing des agents, comment on s'assure que, évidemment, c'est une industrie régulée ING, comment on gère un scalable QA, comment on fait pour monitorer l'évaluation au fur et à mesure. Et puis d'ailleurs, ensuite, comment faire un module d'évaluation pour que si on a pris un LLM, mais demain, il y a un autre LLM qui sort. Ça a été construit, je crois, sur Gemini 1.5 Flash, mais là, on a sorti Gemini avec deux Flash. Il y a des super feedbacks. performance, de coût, de latence, comment on fait pour avoir un module d'évaluation robuste pour que quand c'est un nouveau LLM du marché qui sort, les nôtres, développés par Google ou des tiers, on adore Nistral, on a DeepSight qui est disponible dans le modèle Garden, comment on a des briques d'évaluation qui permettent de gérer le cycle de vie de cette application AI de bout en bout et potentiellement bénéficier des dernières innovations du marché en termes de LLM. Le LLM, c'est une partie de l'équation. Finalement, c'est tout ce qui est autour qui est plus difficile. Et nous, on est persuadés que c'est justement une approche plateforme.

17:01 Notre plateforme s'appelle Vertex. Et dans Vertex, il y a plein de modules qui permettent de gérer le cycle de vie d'une application AI. Et voilà, il y a beaucoup de travail qui est fait justement sur les briques d'évaluation. Autour de la cost-optimisation, autour du prompt management, pour permettre de mettre en prod et puis surtout de gérer le cycle de vie de bout en bout. Et donc oui, ce n'est pas magique. C'est d'ailleurs pour ça qu'on a de l'accompagnement des équipes. Une fois qu'on a fait une application, un use case, avec le bon blueprint, ça peut servir finalement à d'autres use cases, ça peut permettre d'industrialiser. Ce qui va m'intéresser, c'est un petit histoire d'une réussite récente ou d'intérêt récent qu'il y aurait eu autour. Est-ce qu'on aurait un sujet autour de l'ensemble de ces problématiques que tu as vécues toi-même, que tu aurais envie de nous raconter? Oui, alors j'ai deux choses. Chose qui me vient en tête, déjà, et ça fait lien avec ce que je disais tout à l'heure, le rôle du tech leader qui doit aussi un peu upskiller les autres C-level et puis l'entreprise.

18:09 Déjà, c'est utiliser l'AI soi-même et être un peu rôle modèle pour pouvoir enabler le field. Les auditeurs connaissent peut-être Notebook LM. À la base, c'est une histoire passionnante, c'est un projet 20%. On pourra vous recommander d'ailleurs un podcast qui parle de l'histoire de Notebook LM. Notebook LM, en fait, c'est un outil de rag, un outil d'assistant personnalisé qui fait de la knowledge retrieval sur un set de documents que tu as curated toi-même. Donc, c'est bien pour certaines populations. Je travaille dans des organisations sales. Chaque sales a sa version du pitch deck qu'il aime bien, ses sources de données préférées. Donc, c'est super d'avoir un notebook comme ça. Je suis assez fière que finalement, on aide nos équipes à s'enabler sur l'IA grâce à des notebooks. On a un notebook sur notre bouc à l'âme, par exemple. Donc ça, je trouve que c'est une super façon de montrer déjà d'upskiller tout le monde et de le faire grâce à l'IA. Donc, j'encourage tout le monde à utiliser notre book LM.

19:12 Le titre que je partage, c'est« Si vous voulez vous sentir vraiment super bien pour commencer votre journée, utilisez notre book LM, mettez le lien vers votre LinkedIn et demandez à notre book LM de générer un podcast hyper flatteur sur vous et vous allez vous faire super bien pour commencer votre journée de boulot. Ça fait une idée moins passionnante, qui était de mettre... l'énorme IFRS dans notre book LM pour avoir un podcast sur le sujet. Je vais peut-être changer d'avis. Non, mais tu as raison, il y a plein de small businesses qui ont utilisé la fonction de podcast generation, typiquement pour pouvoir aider leurs clients à comprendre les terms of service, ce genre de choses. Et peut-être la deuxième chose que je partagerais, j'étais assez fière avec l'équipe et mon équipe étendue de réunir plein de clients, de plein d'industries variées, de plein de pays différents. Il y a quelques semaines, on a... le AI Search Summit, c'était avant le AI Action Summit, mais c'était notre petite fierté à nous, sur un thème qui est hyper pertinent, qui est que, on parlait du site search, le search, ce n'est pas un sujet nouveau, ça fait des années que les entreprises ont un moteur de recherche sur leur site pour permettre aux gens de trouver l'information.

20:20 Mais l'IA et l'IA générative a vraiment le potentiel de réinventer ça, de le mettre sur stéroïde dans le monde du commerce. On parle de conversational search. Et là, l'idée, ce n'est pas d'avoir des conversations, c'est d'avoir justement une conversion, de pouvoir guider les utilisateurs à retrouver l'information le plus rapidement possible. Donc, on a évidemment l'intérêt du retail, du commerce. Dans le monde du travel, on a Trivago qui a lancé une fonctionnalité de smart search pour que les gens puissent chercher en langage naturel des hôtels qui correspondent à leur requête. Donc, c'est un sujet assez passionnant de voir comment, finalement, l'IA et le search vont très bien ensemble. Finalement, les use cases de RAG, c'est du search, c'est chercher de l'information dans des documents. C'est le cœur du business de Google depuis des années. Donc, je suis assez passionnée de voir aussi comment l'IA peut permettre de réinventer des expériences de recherche et permettre à des entreprises de... De pouvoir améliorer les performances de leur search. C'est rigolo parce que je me dis que ça a permis à Google de sortir un projet impossible du placard, qui est de mettre un moteur de recherche Google chez ses clients.

21:31 Pour moi, Google était fabuleux pour rechercher sur Internet, mais il n'y avait pas de Google Enterprise accessible. Et là, par l'approche plateforme, vous êtes en train de pouvoir sortir ce projet impossible du placard. Et du coup, il y aura une autre AI Search conférence l'année prochaine. Ah ben oui, peut-être même qu'on ne va pas attendre l'année prochaine. On espère que plein de clients testent nos solutions. Un exemple, plutôt French Tech de clients français, Noémie, qui est CDO chez Dailymotion, a témoigné pendant ce summit de l'impact de notre solution, qui s'appelle Vertex AI Search, et je peux le partager parce qu'on va aussi en faire un case study. Et en passant sur nos solutions, ils ont une hausse de 17% du CTR, donc des résultats plus pertinents. Et puis surtout, une utilisation du module de search sur Dailymotion qui a doublé en un an.

22:32 Donc, c'est hyper chouette parce que tu vois que c'est non seulement une augmentation de clics, mais surtout une utilisation accrue de leurs fonctionnalités de search parce que la GTA était plus pertinente. Donc, ce type d'histoire, évidemment, ça nous ravit. J'ai envie que d'autres personnes viennent à la prochaine édition du Search Summit. Anne-Laure, merci beaucoup pour ce moment, toutes ces découvertes et ces questions de relations avec les tech leaders. Est-ce que tu aurais, avant de nous quitter, un petit conseil à nous donner? Pour un de ces tech leaders qui serait face à cette montagne AI et LLM ? Peut-être, si on reprend le rôle du tech leader comme une personne qui a un rôle privilégié pour upskiller ses pairs et ses collaborateurs, je dirais que peut-être un bon conseil, c'est de faire vraiment pratiquer ses pairs. Finalement, tant que les decision makers, les CEOs, les co-founders eux-mêmes ne pratiquent pas, ils ne se rendent peut-être pas compte de l'impact de ces technos. Tu vois, nous, en interne, on fait faire des petits workshops, des petites activités, des choses toutes simples sur AI Studio, la Live API.

23:39 Ce n'est pas compliqué, n'importe qui peut copier, coller des promptes et voir l'impact de ces technos. Générer son podcast Notebook LM sur la base d'un investor report boring de 300 pages, de tester Agent Space et de se faire envoyer un email pour voir ce que c'est qu'une fonctionnalité agentique. Donc, n'hésitez pas à me contacter si vous voulez avoir des idées, mais même des syllabes non techniques. Tant qu'ils n'ont pas vraiment testé eux-mêmes, ils ne se rendent peut-être pas compte du pouvoir et de la révolution qu'est la Gen AI. Parfait. Mon court résumé, ce sera« Mettez vos boss en prod et on aura gagné». Merci beaucoup. Merci à toi, Dimitri. Et à très bientôt tout le monde sur le podcast Tech.Rocks.