IA & excellence opérationnelle : la donnée au service de la performance

0:02 Il y a beaucoup de networking qui a lieu ici, les discussions sont de hyper haut niveau. C'est toujours hyper inspirant de parler avec ses pairs et de voir leur challenge du moment, comment ils y répondent, etc. Et c'est no bullshit. On a utilisé Cloud AI, on a branché le MCP de notre data warehouse. Ça a tout de suite eu des résultats incroyables. On a été bluffés. Bonjour à tous, je m'appelle Benoît Gantaume et aujourd'hui j'ai le plaisir d'interviewer Marie. Marie Crappe, bonjour. Bonjour Benoît. Alors il faut passer par l'exercice de se présenter, je me présente moi d'abord un peu et après ce sera à ton tour. Benoît, ça fait 25 ans que je suis dans la tech, j'ai été développeur, CTO et aujourd'hui je suis manager de transition. Et j'ai le plaisir de t'accueillir aujourd'hui Marie, est-ce que tu peux te présenter en quelques mots? Alors ça fait pas tout à fait 25 ans pour moi, plutôt une grosse dizaine d'années maintenant, avec un gros focus data. Donc aujourd'hui je suis freelance, head of data et aussi DAF. Tu bosses dans quelle boîte? Choose, principalement. Tu peux nous remettre un petit peu de contexte? Qu'est-ce que c'est? Qu'est-ce que tu fais là-bas? Choose, c'est une application de e-commerce avec des flash sales, des ventes éphémères.

1:05 Donc on sort des nouvelles marques tous les jours pour une durée limitée avec de la curation. On essaye de trouver des pépites du Made in France, de l'artisanal, bio, vegan, etc. Et aujourd'hui, on est au sommet de Tech Rocks. Yes! Tu as joué un rôle cette année, tu peux nous en parler un petit peu? Alors moi ça fait 5 ou 6 ans que je suis membre du comité de contenu de Tech.Rocks. Donc le petit groupe de lutins qui prépare la conférence. son contenu en tout cas, qui sélectionne les speakers, qui essaye de construire le fil rouge, etc. Et en plus, il se trouve que cette année, je suis montée sur scène avec Didier au tout début de la conférence pour un petit peu introduire le sujet de cette année et couvrir les cinq grands domaines d'impact de l'intelligence artificielle aujourd'hui. Si tu ne connais pas Tech.Rocks et en particulier le Summit, c'est the place to be pour tous les leaders de la tech en France. On se réunit une fois par an pendant deux jours et c'est un super moment. Moi, j'adore ce moment pour s'inspirer, rencontrer les gens, faire du réseau. C'est vraiment un endroit génial pour ça. Ce que j'aime particulièrement ici, c'est que vous ne faites pas de call for paper, vous ne faites pas d'appel.

2:07 C'est vous qui allez chercher les gens en fonction d'une ligne éditoriale que vous avez choisie. Et cette année, c'était l'IA. L'IA, c'est ça. Et alors, si je peux me permettre, on en a fait des CFP. Dans le passé. Ah oui? Ok, d'accord. On a vite arrêté, oui. Moi, j'ai été responsable du dépouillement des premiers CFP. Ok. Et on a fait un arrêté. C'est pas dans l'ADN, c'était une catastrophe. Et donc maintenant, on ne fait plus qu'aller chercher les droits. Tu peux nous raconter le switch? Qu'est-ce qui fait que vous avez basculé? Et bien tout simplement qu'on recevait des dizaines et des dizaines de candidatures de pitchs qui étaient un petit peu à côté de la plaque, qui n'étaient pas dans l'esprit Tech.Rocks. Donc c'était plus de travail d'éplucher tout ça et de contacter les gens et leur dire non mais nous on est sur tel genre de conférence pour tel public, no bullshit, etc. Et finalement il n'y a même pas 1% qui passait ce filtre-là. Vas-y, c'est l'occasion de nous en dire un peu plus. C'est quoi l'ADN Tech.Rocks pour toi? Ouh, la DMT Tech.Rocks, l'entraide, je pense que tu l'as bien dit, il y a beaucoup de networking. lieu ici, les discussions sont de hyper haut niveau, c'est toujours hyper inspirant de parler avec ses pairs et de voir leur challenge du moment, comment ils y répondent, etc.

3:08 Et c'est no bullshit. Le numéro 1 qui me vient en tête quand on parle de Tech.Rocks, c'est no bullshit. On pousse beaucoup les speakers sur scène à dire les choses comme elles sont, sans langue de bois. Parfois c'est difficile, politiquement ou personnellement, d'oser faire ça. Mais quand les gens osent, en général, c'est génial. Oui, c'est des vrais retours d'expérience. Et alors sur cette thématique de l'IA, est-ce que tu peux nous en dire un petit peu plus? Qu'est-ce que tu en fais dans ton entreprise de tout ça? Ouh, chez Choose, on fait pas mal de choses. Sur l'IA, on en est en prod depuis longtemps. On n'a pas attendu la vague Gen AI. Comme beaucoup de boîtes de notre style, on a notamment des algos de reco, de la personnalisation du contenu. Que ce soit pour les ventes, leur ordre, quand tu consultes l'app, ou les communications CRM, email, notification push. Genre, tu avais quoi? Tu avais des algos de deep learning qui faisaient de la catégorisation, des trucs comme ça? Alors, pas de catégorisation, vraiment des systèmes de recommandations. Donc, de la personnalisation de ranking. On ranque 200 ventes, par exemple. Et le ranking pour toi va être différent du ranking pour moi.

4:11 C'est à l'échelle individuelle, ce n'est pas par catégorie. Quel type d'algo, quel type d'IA vous utilisiez pour ça? C'est en effet du deep learning. On fait de la régression pour obtenir des scores, si tu veux. Entre chaque utilisateur et chaque vente, on a envie d'avoir un score. Et après, on va ranker les ventes du plus haut score au plus bas score. Grâce à ton historique. Si j'insiste sur ça, c'est pour qu'on se rappelle qu'il n'y en a pas qu'une IA. Ça, c'était un des trucs qui a bien émergé dans la conférence du matin. C'est vrai que ce mot est devenu un peu valise aujourd'hui. Il y a plein d'IA et ça n'a certainement pas attendu la vague de l'IA générative pour exister. Bien sûr. Et d'ailleurs, en prod, chez Choose, on a toutes sortes d'IA différentes. On utilise de l'IA pour faire de la traduction automatique des fiches produits. Parce que notre app, elle est aussi aux US. Évidemment, on n'a pas envie de traduire des centaines de... milliers de fiches de produits chaque année. On utilise de l'IA pour les images, pour à partir d'un certain packshot, le redimensionner pour qu'il fit bien avec notre app. Ça c'est effectif, ça marche bien aussi?

5:13 Oui, même en batch. On arrive à faire des traitements maintenant sur des centaines d'images à la fois et pas juste une par une. Ça c'est des impacts en termes de productivité et de qualité. Du rendu de l'app qui sont énormes. Et puis maintenant, on a la vague agentique, on est à fond dedans, on a quelqu'un en interne qui est absolument génial, qui est un peu chercheur dans l'âme, mais très pragmatique. On a développé notre propre plateforme qui permet de créer des agents. On n'est pas parti avec un distributeur. Vous avez fait ça in-house? In-house, voilà. Mais en vrai pour un coût total de développement hyper raisonnable. Et donc maintenant, concrètement, tu as une interface hyper simple. Tu cliques sur« Créer un agent». Tu sélectionnes tes serveurs MCP, pour ceux qui savent ce que c'est les serveurs MCP. Donc, tu vas pouvoir discuter avec tout un tas d'outils de la boîte, Notion, NotDataWarehouse, les G-Sheets. Il y en a vraiment plein d'autres. Et après, tu rédiges un pré-prompt à ton agent et ensuite, tu le publies. Tu décides à qui tu le partages.

6:13 Et voilà, tu as ton agent. Moi, du coup, j'ai deux questions. La première, comment vous gérez les droits? Je sais que c'est un vrai gros sujet de savoir comment tu gères ces droits-là. Quand j'étais chez YouSign, j'ai assisté à la mise en place de Dust. Et c'était un sujet autant énorme, autant gros. à considérer que l'agent en lui-même, que la techno en lui-même, c'est de savoir comment tu vas gérer tes droits à partir du moment où tes agents vont commencer à vivre, il y a des gens qui vont interagir avec, comment tu t'assures que les datas auxquelles l'agent accède soient conformes à ce à quoi les gens qui utilisent l'agent ont droit d'accéder. Bien sûr, et c'est au centre d'ailleurs du déploiement d'un truc comme ça, c'est qu'il ne faut pas se louper sur un des aspects sécurité, accès aux données, etc. Là, la façon dont ça fonctionne, c'est très simple, c'est-à-dire que quand tu te logues sur notre plateforme, à partir du moment où tu vas utiliser un agent ou créer un agent qui a besoin par exemple de G-Shit, du MCP G-Shit, ça va... t'ouvrir une pop-up d'authentification sur G-Shit. Donc c'est en ton nom. Ah ok, d'accord.

7:14 Donc l'agent agit en ton nom. Ah ouais, donc vous avez résolu ça de manière assez simple. Et ça a plein d'avantages en fait, à plein d'endroits. Typiquement, si j'ai envie d'utiliser... Typiquement, moi je le fais. Je suis DAF. Régulièrement, je dois sortir les reporting financiers. Quand vous investissez dans les actionnaires. Process long et fastidieux. Et à un moment, je me suis dit, mais attends Marie, tu as cette plateforme à dispo, go! On crée un agent qui a le data warehouse, qui a les G-sheets avec le business plan, le PNL et tout, tralala. Ça ressemble quand même à un bon use case d'agent, ça. Yes. En effet, je ne sais pas pourquoi je n'y avais pas pensé plus tôt. Et en fait, il a accès à Notion. Du coup, il me demande de me loguer. C'est sur mon Notion perso. Du coup, grâce à ça, il a accès à tout l'historique de nos reporting invests, qui sont évidemment... pas sur une page publique accessible à tous. Et ensuite, il va créer en mon nom une nouvelle page avec le nouveau reporting financier du dernier trimestre. Donc le fait que ce soit à chaque fois authentifié en ton nom, ça permet de créer des dashboards sur l'outil de BI via ton compte dans ta collection personnelle, dans ton compte notion perso, etc.

8:20 Ça c'est top. Et ça, typiquement, c'est quelque chose qui t'a pris combien de temps, combien d'énergie, qui a été simple à roder ou il a fallu que tu y retournes à plusieurs fois? L'agent reporting. Oui, par exemple, l'agent reporting. Une heure. Et tu gagnes combien de temps? Une journée de travail à chaque fois que je dois sortir. Par mois ou par trimestre, je ne sais pas. Exactement. C'est ouf. Ah oui, ça me fait très plaisir. En gros, maintenant, c'est une heure de relecture et je peaufine quelques points. Alors qu'avant, c'était copier-coller, mise en forme. Comment tu as confiance dans les chiffres qui sortent? Parce que ça, c'est un gros truc aussi. Comment tu checkes? Parce que l'IA, elle a une faculté assez dingue de te présenter des choses en disant« Oh, regarde, c'est là! » Si tu ne développes pas un minimum d'esprit critique, tu peux vite partir dans des grosses hallucinations, des gros délires. Comment tu checkes ça? Parce que ce n'est pas un peu tentant à un moment de se dire« Allez, ça a marché jusqu'à maintenant, j'ai un peu moins de temps, j'ai qu'une demi-heure, on fait ça un peu vite. » Comment tu t'assures au-delà de la... Conscience professionnelle, on va dire. Mais au-delà de ça, comment tu... Déjà, simplement, comment tu vérifies les datas? Ce n'est pas parce que tu utilises un agent que tout va être de la responsabilité de l'agent.

9:23 Tu restes la personne accountable. Oui, oui. Forcément, je n'envoie pas le reporting sans ça. avoir vérifié les chiffres. Il se trouve que bon, je les manipule tous les jours, je les connais un petit peu par cœur. Donc s'il y a des boulettes, je vais vite les voir. Mais quand je te disais que je prenais une heure pour le relire, je pense que sur cette heure, il y a quasiment une demi-heure où j'ai mes deux écrans et je check les résultats PNL, etc. Pour être vraiment sûr qu'il n'est pas fait d'erreur. Parce que dans le passé, j'avais déjà vu des LLM me faire des moyennes foireuses, me choper les données du mauvais mois, des trucs. Voilà, comme ça. Donc le non-déterminisme, de toute façon, te demande... de sous-degré de vigilance là ? Oui, du coup, le temps que tu passes, c'est même plus du temps de production, c'est du temps de validation, de vérification. Donc, tu as un œil qui est un peu neuf, en fait, sur le truc. Tu peux vraiment avoir cette posture comme si quelqu'un t'apportait le rapport et que tu venais le contrôler, en fait. C'est comme pour le développement. C'est d'ailleurs une frustration que je vois chez certains développeurs. On va dire, à un moment, je ne code quasi plus, je fais de la review. Oui, c'est ça. Là, c'est pareil, je ne fais pas une code review, je fais la review d'une page notion et de tableau de chiffres.

10:25 Mais c'est exactement pareil. Tu as d'autres use cases? Est-ce que tu as d'autres choses à nous raconter sur la mise en œuvre de l'IA? Des trucs qui ont bien marché ou des trucs qui ont moins bien marché? Raconte-nous un peu, dans un esprit de no bullshit. Ah, oulala, des exemples de projets d'IA qui ont foiré, ou en tout cas qui ont été pas difficiles, j'en ai des tonnes. Et j'aime beaucoup les noter. Et réfléchir pour voir quelles sont les leçons. Et ce qui est rigolo, c'est que les leçons, elles ne sont jamais techniques. C'est toujours des leçons presque de bon sens, ou en tout cas de bonnes pratiques assez génériques de gestion de projet. Du genre, il faut faire attention au cadrage, il faut faire attention au vocabulaire qu'on utilise, à tout savoir le même. Non mais là, tu rigoles! Moi, j'ai bossé pendant quelques temps sur un projet à SNCF, c'était il y a pratiquement dix ans maintenant, mais c'était du deep learning embarqué pour de la reconnaissance de défauts dans les pantographes, donc un truc hyper technique, hyper intéressant. Ah ouais, pointu! Et pour la faire hyper courte, le projet était à l'arrêt, les gens n'arrivaient plus à se parler. Et moi, j'ai été appelée un peu à la rescousse. Et en fait, le blocage du projet venait essentiellement du fait que le cadrage avait été mal fait.

11:30 Un côté des gars de la maintenance lourde SNCF Réseau, de l'autre côté des data scientists. Les uns attendaient un système entre guillemets fiable à 99%, les autres ont traduit ça en 99% d'accuracy sur un algo de classification des images. Mais en fait, c'était pas du tout ça le sujet. L'accuration s'en foutait sur ce truc. Il fallait juste reconnaître les pantographes, les envoyer dans un système. Et il se trouve que sur la classe pantographe, l'algo était mauvais. Donc l'accuracy était bonne, mais le recall et la précision sur la classe pantographe étaient nuls. Les gens n'arrivaient même plus à se parler, à se comprendre. J'ai réussi du projet juste à cause de ça. Alors évidemment, je simplifie. Mais ça, c'était incroyable de se rendre compte qu'un projet industriel de cette ampleur-là, avait du plomb dans l'aile, et c'est peu dire, à cause du jargon métier, et d'un mauvais cadrage, de ne pas avoir défini les KPI qui allaient faire le succès du projet. Et sur des exemples plus récents, notamment avec la gentille, est-ce que vous êtes mangé un peu les dents sur quelque chose? Je dirais que c'est assez bateau, mais on a été peut-être un peu vite dans le déploiement de notre première solution de data analytics.

12:35 Je ne sais même pas si on peut parler d'agent, mais en gros, on a utilisé Cloud AI, on a branché le MCP de notre data warehouse. Ça a tout de suite eu des résultats incroyables. On a été bluffés. Et en fait, très vite, on l'a mis dans les mains de tous les head-offs de la boîte, les founders et toutes les personnes. Qui manifestait un gros intérêt. Sauf que, ça revient à ta question de tout à l'heure, toutes ces personnes n'ont pas forcément la culture data nécessaire pour prendre du recul sur les chiffres qui sont sortis, sur les conclusions. Toujours aussi convaincante des LLM. Et ça a eu des effets de bord très très très rapidement. Déjà, raconte-nous si tu peux nous donner une anecdote croustillante d'un moment de what the fuck. Oh, croustillante! Je vais me faire taper sur les doigts, j'espère qu'ils n'écouteront pas ça. Il y a notamment un head of de la boîte qui a fait toutes les analyses et son LLM lui disait, en gros, pour améliorer le plan de trésor de la boîte, l'une des premières actions à mener, c'est raccourcir. Très fortement le délai de paiement fournisseur. Ce qui est une aberration dans la gestion de la trésorerie.

13:37 Raccourcir les délais de paiement fournisseur, j'allais dire, c'est l'inverse normalement. Plus tard, tu bailles tes fournisseurs. Mieux est ta trésorerie. Mais là, c'était incroyable de voir quelqu'un qui est brillant et qui a fait en plus des études de commerce et tout, mais s'est laissé complètement embarquer. Par le LLM qui lui a sorti des chiffres, qui lui a sorti des liens, de best practice, qui lui a sorti des graphes et tout, et qui lui a dit, mais en fait, il faut que tu te mettes à payer tes fournisseurs à 30 jours, et tu vas gagner 600K. Et limite, si je n'étais pas revenue de vacances, ils auraient demandé ce qu'ils pouvaient faire. Donc ça, c'est assez bluffant. Tu vas devoir qu'en effet, comme tu le dis, Sur quelque chose qui, si tu prends deux pas de recul, tu sais que c'est à l'envers, et pourtant tu arrives à te faire convaincre. C'est ça, c'est Saint-Denis. On a parlé de cette image avec Didier hier. Saint-Denis qui a été capté, qui a sa tête dans ses mains. Et le risque aujourd'hui, c'est qu'on mette tous notre tête dans ses mains. dans nos mains, qu'on l'actionne plus dans les moments critiques. Il y a un sujet qui revient souvent, c'est la question de la data et de la propreté de la data et de comment ces LLM vont avoir, ces agences LLM, toute cette IA va être d'autant plus pertinente que la data est propre.

14:46 A l'inverse, plus c'est le bordel et moins tu as de chances d'avoir quelque chose de pertinent. Toi qui as ce double rôle assez original à la fois d'être du côté data et du côté finance, qui est, on va dire, un bon utilisateur de la data, j'imagine, en interne. Comment est-ce que tu perçois ces enjeux-là dans la boîte ? J'ai envie de te dire rien de nouveau sous le soleil. En fait, garbage in, garbage out, depuis combien de temps on entend ça? Ah oui, alors ça, il faut que tu m'en dises. J'ai entendu parler de ça on stage, là. Qu'est-ce que ça veut dire? Garbage. Ça, c'est les poubelles. Voilà, les poubelles. In, out. Si t'as n'importe quoi. Désolé pour le terme. Si t'as de la merde en entrée, t'auras de la merde en sortie. Donc, un donné, si ta donnée, elle n'est pas structurée ou si elle n'est pas clean, si elle n'est pas documentée, si tes noms de table, ils sont pensés n'importe comment, tes champs, ils ne sont pas cohérents, etc. Il ne faut pas imaginer faire des miracles. Tu peux avoir tous les MZP, les RAG, il y a les LEM du monde. À un moment donné, si ta donnée n'est pas compréhensible, ils ne comprendront pas mieux que les autres. Ce qui est ouf dans cette histoire, c'est que je vois vraiment ce mouvement où l'IA est une superbe opportunité de valoriser ces choses-là qui jusque-là n'étaient pas toujours bien valorisées, moi je vois dans les parcours que j'ai eus.

15:54 Et tu vois dans le code, c'est un peu pareil. Moi j'ai été un grand adepte du craft et je l'ai beaucoup promu, sauf toi Craftmanship. Et pas plus tard que ce matin, je lisais un post sur LinkedIn qui disait« On n'a plus besoin de ça en fait, on s'en fout. On s'en fout maintenant, l'IA va tout gérer pour nous. » Et moi, ça m'a fait... Alors, le post m'a fait un peu froid dans le dos, en mode« Waouh, si on part comme ça, on va... » Remarque, ils vont vite aller au carton, normalement, vu la capacité exponentielle des IA de faire de la merde. Ça va vite cartonner. Mais ce que je trouve génial, c'est justement qu'au contraire, toutes ces bonnes pratiques qu'on s'est évertuées à... à promouvoir pendant des années. Je trouve qu'elles ont un impact tellement énorme sur l'efficacité de ces systèmes que je me dis, cool, on va vraiment enfin considérer ces trucs-là. Parce que de toute façon, les gens qui ne le feront pas seront moins efficaces ou se prendront des murs. Je ne sais pas ce que tu en penses. Ah mais je pourrais pas être plus alignée. Et ce que tu disais tout à l'heure, c'est d'une grande naïveté. Peut-être que l'avenir me donnera tort et que l'IA va aussi faire le cleaning, la donk et tout repasser derrière nous.

16:57 Mais pour l'instant, en tout cas, si tu veux des bons résultats, rapides, efficaces, notamment avec des agents, on n'en est pas là. Donc tu en as besoin de cette qualité, de cette structuration, de cette documentation. Et je suis d'accord avec toi, c'est génial d'avoir maintenant cette nouvelle... Ce nouvel argument, de dire, on vous bassine à faire attention à votre modélisation de données, à documenter tous les champs pour la discoverabilité, la maintenance, etc. Mais maintenant, il y a aussi pour le use case, Gen AI, de réussir à exploiter cette donnée de manière automatique, via des agents, etc. Nous, on le voit et ça fait trop plaisir à l'équipe de... De constater tous les bénéfices de l'énorme travail de modélisation qui a été fait. Et c'est très rigolo parce que nos agents sont révélateurs des lacunes qui nous restent. Généralement, un agent qui fait n'importe quoi, on tombe très vite sur« Ah bah ouais, ce modèle-là, on l'avait fait un petit peu à la va-vite. » Ou alors, il a été mal documenté. J'aime ce côté révélateur.

18:00 Ben oui, maintenant, c'est rigolo, on utilise certains agents juste pour trouver les endroits. Il faut qu'on rebosse. Et d'ailleurs, pas que dans le domaine data ou tech, on le fait aussi dans le domaine RH au support. Tu vois, par exemple, notre équipe RH, elle nous a dit, mais est-ce que je ne peux pas avoir un agent RH pour répondre à toutes les questions internes qui sont... Souvent la réponse est dans les notions, les congés, les frais de déplacement, les process, comment je fais pour être remboursé de mes transports, etc. Et on a dit ok, et on a fait toute une phase de test, et c'était super rigolo de voir que quand l'outil était à côté de la plaque ou juste n'arrivait pas à répondre, c'est tout simplement qu'il y avait un manquement dans la doc RH sur Notion. Et donc toute la phase de rodage, ce n'était pas un rodage technique, c'était un rodage de l'équipe RH pour compléter la documentation dispo. Quand l'agent disait n'importe quoi, tu complètes la source en fait. Et du coup, côté data, c'est exactement la même chose. Des fois, pour te donner un exemple hyper concret, on vient de vendre notre calendrier de la vente de choses.

19:04 Énorme succès, sold out le premier jour. Première question de l'équipe marketing, c'est combien j'en produis l'année prochaine? Donc il faut faire une analyse. On le demande à notre agent data analyst. Il me sort une dinguerie, quoi. Il me dit, t'en fais x7 l'année prochaine. Je me dis, mais qu'est-ce qu'il m'a foutu? C'est cool, tu peux auditer toutes les requêtes SQL qu'il a envoyées sur le data warehouse. Et en fait, je réalise que dans notre modèle de données, on a... Des champs qui sont très mal nommés sur les alertes. Quand tu as un produit en rupture de stock, tu peux mettre une alerte. Tu peux dire, s'il vous plaît, envoyez-moi une notif si jamais vous remettez en stock. Tout simple. Sauf qu'il y a un truc, ça s'appelle expired alert, sent alert, mais c'est pas clair, ça veut dire quoi alert envoyé dans ce cas-là? Et on s'est rendu compte que le LLM, il comprenait qu'il y avait des milliers de personnes qui avaient... Qui avaient demandé d'être prévenus? Oui, c'était le cas, mais qui... n'avait jamais été notifié de quoi que ce soit, et que parmi celles qui ont été notifiées, toutes ont acheté.

20:07 En fait, c'était juste les noms utilisés et l'absence de documentation de ces champs, clair et précis, qui disait qu'il interprétait ces chiffres en te disant, en fait, moi je vois que... C'est un potentiel de x7. Je vois que tu as 10 000 personnes qui ont mis une aire de stock, et que je vois sur ton historique que tu as 85% de conversion de tes alertes. Donc déjà, tu es sûr d'avoir 8500 clients de plus l'année prochaine sur ton truc. Grosso modo, c'était ça. Là, révélateur. C'est génial de voir ça. Puis pour moi qui bassine mes équipes depuis toujours sur la qualité, le naming, les noms de nature et tout, Ah bah, ça mène de l'eau à mon moulin, je suis heureuse. Ouais, hyper riche comme retour, merci. Sur cette édition du Summit, qu'est-ce que tu en retires? Avec quoi tu vas repartir? On n'est qu'à mi-chemin. Bah ouais, mi-chemin. Bon, déjà, sur la journée d'hier. Sur la journée d'hier, qu'est-ce que je retiens? Moi, je suis le genre de naine qui a besoin de processer un peu. Tu vois, je prends mes notes tout au long de la journée. Et après, quand je reprends mon train pour Clermont-Ferrand, j'ai 3h45 à occuper.

21:10 Je relis toutes mes notes. Voilà. Je dépele. Pour moi, à chaque fois, le Tech.Rocks Summit, c'est un peu une bulle de jour où j'absorbe, j'absorbe, j'absorbe. Autant en conf que pendant les échanges, networking. Et où je process tout ça pour me dire, en fait, comment j'attaque mon année 2026? Qu'est-ce que j'ai envie de changer dans les équipes? Qu'est-ce que je change dans ma vision des choses? C'est très rigolo cette année parce que le sujet c'est l'IA. Et ça c'est mon sujet depuis mes études. J'ai focalisé mes études d'ingénieur sur l'intelligence artificielle. TechRock ça a toujours été plutôt sur des sujets tech qui englobaient mon domaine ou qui étaient connexes. Là cette année c'est mon domaine. C'est ton domaine qui est au premier rang, sous les feux de la rampe. Hier, spécifiquement, je dirais que je n'ai pas appris grand-chose, mais par contre, les perspectives sont super intéressantes. Voir comment chacun s'approprie le truc, où chacun en est dans ses déploiements, quelles questions les gens se posent, ça permet de se dire, ok, là, je suis peut-être un peu en retard, il faut que j'accélère. Sur d'autres sujets, bon, ça va, je ne suis pas folle d'avoir tenté ça, on est plusieurs.

22:11 Tu vois, c'est plus dans... Je te laisse le mot de la fin. Ah non. Ah oui, alors c'est la surprise pour tout le monde. Donc pendant que je fais un peu de call for action, tu as une minute pour réfléchir au mot de la fin. Donc si tu n'es pas déjà membre de la communauté et que tu fais partie des leaders de la tech française, je t'invite à venir, que tu sois EM, tech leader, CTO, manager, rejoins-nous sur tech.rocks. Il y a une énorme communauté sur le Slack, plus de 3000 personnes. Il y a plein d'événements, alors beaucoup à Paris, mais écoute, il y a plein d'événements. Il y a aussi quand même des médias, notamment si tu écoutes ce podcast, a priori, ça sera sur le podcast de Tech Rocks. Et puis si tu es venu au Summit, sache que les replays seront disponibles pendant trois mois. Et le mot de la fin. A toi Marie. En effet, si vous ne connaissez pas déjà Tech Rocks, rejoignez-nous. Moi, ça fait 7 ans que... Je fais partie de cette communauté et c'est peut-être un peu cheesy à dire, mais c'est une seconde famille pour moi. Wow. Merci Marie. Merci à toi, Benoît. Ciao.