Comment créer de la valeur avec l'IA

0:03 Il y a tellement de bruit, tellement de perturbations, tellement d'incertitudes que je dirais qu'un des premiers éléments, c'est un peu ce côté, le cap, où est-ce qu'on a envie d'aller. J'ai compris que le premier élément, c'était comment déjà on arrive à faire en sorte que personne ne puisse ignorer le problème et les problèmes que ça va générer. Bonjour à toutes et à tous, bienvenue sur ce nouvel épisode du podcast Tech.Rocks. Je suis Nicolas Silberman, je suis directeur de la Digital Factory chez Bpifrance et également cofondateur de Tech.Rocks. Et je suis ravi aujourd'hui d'accueillir Anne-Claire Baschet, qui est Chief Data et AI Officer chez Mirakl. Bonjour Anne-Claire. Bonjour à tous! Je te propose, pour celles et ceux qui ne te connaissent pas encore, de te présenter en quelques mots. Du coup, je m'appelle Anne-Claire. Merci Nicolas de l'avoir introduite. Actuellement, je suis Chief Data and AI Officer chez Mirakl. Donc, on rentrera peut-être un peu plus dans ce que ça veut dire. Et à la base, je suis une data scientist. Avant qu'on appelle ça des data scientists, des data miners, on les imaginait avec des casques et des frontales à les miner la donnée.

1:10 Et ça va faire 20 ans que j'évolue dans la tech et plutôt dans la partie data. Et ensuite, j'ai évolué aussi autour de fonctions product. Et donc, mon dada aujourd'hui, ça reste toujours trouver un peu ce sweet spot sur comment créer de la valeur avec la data et l'IA pour des utilisateurs, que ce soit en interne ou que ce soit les clients. Chief Data and AI. Officier chez Mirakl, c'est quoi comme type de mission pour trouver de la valeur? Qu'est-ce que tu vas essayer de faire? Alors déjà, j'ai rejoint Mirakl il y a un an parce qu'on a vraiment Philippe Corot, notre cofondateur, qui a une vision très forte sur l'impact de l'IA. Donc si je le cite, pour lui, l'IA, c'est vraiment un changement de civilisation parce qu'on voit bien que profondément, ça change énormément de choses. On y reviendra peut-être après sur l'impact sur chacun et le travail. Et donc, en fait, il y a deux éléments. Il y a vraiment la partie impact de l'IA dans le produit, dans le produit Mirakl, où est-ce qu'on a des choses à revoir, où est-ce qu'on peut créer de nouvelles fonctionnalités, où est-ce qu'on peut ajouter de la valeur dans le produit pour mieux résoudre les problèmes de nos utilisateurs ou pour pouvoir en résoudre de nouveaux.

2:15 Donc ça, c'est vraiment une dimension. Et la deuxième dimension, C'est justement comment est-ce que ça peut nous aider en interne. Donc, on a tout le volet de comment ça nous fait revoir nos workflows, quelles sont les nouvelles compétences dont on a besoin. Et donc, il y a vraiment ces deux dimensions-là dans le rôle. Et puis, un peu après, en socle, forcément, on découle comment on organise notre donnée, comment on structure notre plateforme. Et tous ces sujets qui sont assez cachés. Bien entendu. Alors, on reviendra sur l'IA un petit peu après, parce que c'est un sujet qui est très d'actualité et important de partager ton expérience là-dessus. Pour parler un peu de ton parcours et ce qu'on aime bien un peu proposer, c'est est-ce que tu as des moments, des rencontres ou des choses qui ont été des moments qui ont été clés pour toi dans tes choix professionnels? Tu parlerais peut-être de quelqu'un ou de quelque chose en particulier ? Oui, je pense que je parlerais de... Quand j'ai lu cette question-là, tout de suite, j'ai vu une personne. Donc, je vais peut-être partir de la personne et expliquer pourquoi ça a été un moment important dans mon parcours. J'ai eu cette première phase de mon parcours très axée data, experte.

3:20 Je suis passée plus après dans des rôles de lead, puis de manager. Et en fait, à un moment dans mon parcours, j'ai croisé Pierre Matuchet. Donc Pierre Matuchet, pour ceux qui le connaissent, il a eu un passage chez Thomas Cook, ça a été le co-fondeur de Milky. Donc, il a été assez précurseur sur la partie tech autour de tout ce qui était réseaux sociaux et mobiles à une époque. Et moi, je l'ai rencontré quand j'étais dans une filiale chez Voyage SNCF et que lui, c'était le patron de la tech et du marketing. À l'époque, que du marketing d'ailleurs. Et en fait, il a vu en moi quelque chose et il m'a fait sortir de ma zone de confort. En proposant de mettre en place des équipes product de manière transverse chez Voyage SNCF. Alors que j'avais un background de data scientist, je n'avais pas fait d'école de commerce, mais il a vu une chose. D'ailleurs, je ne lui ai demandé que deux ans après, en lui disant, Pourquoi tu m'as proposé de prendre ce rôle? Parce que c'était quand même clé pour toi pour réussir. Qu'est-ce que tu as vu en moi?

4:21 Ça fait dire, il faudrait te proposer ça. Et en fait, il m'a dit, j'ai vu que c'était quelqu'un qui prenait les challenges et qui n'avait pas peur et qui avait envie d'apprendre. Et donc, à partir de ce moment-là, en fait, je savais que si tu acceptais de prendre ce challenge-là, ça allait fonctionner. J'ai trouvé ça intéressant parce que souvent, on se dit, alors il paraît qu'on est encore plus biaisé en tant que femme là-dessus, je n'ai pas toutes les compétences pour le rôle. Donc, même moi, je n'irais pas forcément demander quand il y a cette réorganisation, je veux prendre ce rôle, je veux y aller. Donc, on a parfois la chance d'avoir des leaders qui voient des choses en nous. Et donc, je trouve ça aussi très intéressant à repartager à l'audience en tant que tech leader. Justement, comment on détecte ces éléments-là dans les personnes ? Peut-être qu'ils ne connaissent pas cette techno, peut-être qu'ils y connaîtraient un lien, mais en général, ce qu'on voit concrètement tous les jours dans ce qu'ils font, c'est qu'ils n'hésitent pas à y aller, ils ont super envie d'apprendre, il n'y a pas de raison qu'ils ne puissent pas prendre ce challenge-là. C'est une super transition, une question que je voulais poser un tout petit peu après, mais je vais la poser tout de suite, en disant qu'est-ce qu'on attend d'un leader?

5:22 Et donc, du coup, pour toi, être une tech leader, c'est quoi en termes de qualité ou d'autres choses, de mindset, d'approche, de mode de fonctionnement, de rapport avec les autres, avec tes pairs, avec la communauté, tes collaborateurs? Pour toi, c'est quoi? Je pense qu'il y a déjà une première dimension qui est d'être capable de donner une forme de vision, une forme de cap. Ce qui est d'autant plus pour l'ensemble des équipes, mais aussi pour ses pairs, pour qu'en fait chacun se rende compte de où est-ce qu'on a envie d'aller, qu'est-ce que ça veut dire cette direction. Et c'est d'autant plus important, je trouve, en ce moment, dans le sens où on a tellement d'évolutions technologiques, on en parlait juste avant, c'est même plus toutes les semaines, c'est plus tous les jours, c'est parce que toutes les heures sont liées. Peut-être même en ce moment. Voilà, et qu'en fait, il y a tellement de bruit, tellement de perturbations, tellement d'incertitudes, que je dirais qu'un des premiers éléments, c'est un peu ce côté, le cap, où est-ce qu'on a envie d'aller, expliciter aussi cette incertitude, être à l'aise avec ça. Et vraiment accompagner les équipes dans cette partie-là.

6:23 J'irais vision, parce que l'orientation, c'est un moment important, parce que les solutions peuvent changer tout le temps, les organisations peuvent changer tout le temps, les organisations. peuvent changer, mais ce qu'on a toujours envie, c'est d'aller atteindre ce cap. Et la deuxième chose, c'est d'être vraiment là pour aider les équipes à améliorer au quotidien tout ce qu'ils font, comment ils font de la tech, leurs produits, et donc les engager à ce qu'eux-mêmes résolvent les problèmes et eux-mêmes au quotidien construisent ce chemin aussi vers cette vision-là. Et je dirais, le troisième élément, c'est aider dans la prise de décision. Souvent, les équipes viennent avec des décisions, ont besoin parfois d'être confortées. Par moments, il y a des énormes trade-offs. Et donc, c'est à la fois, je dirais, par moments, en prendre, mais surtout aider les équipes à être très sereins dans cette prise de décision avec beaucoup d'incertitudes. Hyper intéressant, merci. Pour terminer avec ton parcours, et ensuite on va rentrer un petit peu dans le fond du sujet du moment autour de l'IA et dans ta position, dans nos positions, un petit peu, qu'est-ce que ça vient apporter à notre approche aujourd'hui, demain, après-demain, sur notre organe, la stratégie, l'accompagnement des collaborateurs et tout un tas de questions intéressantes, je pense.

7:28 En tout cas, on va voir comment tu vas, ce que tu vas pouvoir apporter à la communauté. Déjà, il y a quand même eu, je pense, dans ton parcours, là, chez Mirakl, ou avant, des projets qui, pour toi, ont été les plus significatifs ou peut-être les plus intéressants que tu pourrais partager à tous nos auditeurs. Alors, je dirais le plus, enfin, un des significatifs, pareil, qui me vient à l'esprit avant d'arriver là, chez Mirakl, c'est peut-être, ça a été chez Voyages SNCF, quand je suis arrivée et que j'ai vu l'envers du décor. Alors, pour planter le décor, justement, à l'époque, on était en, à l'époque, je parle comme mes enfants. On était en 2013, je pense, à ce moment-là. Et en fait, j'avais rejoint en 2012 cette filière chez WGSNCF. Et en fait, je me rendais compte à ce moment-là pourquoi en 2012, quand il y avait des retards majeurs de train, on devait aller jusqu'à la gare pour se rendre compte que son train était annulé et supprimé. Pourquoi, quand on avait des billets congés annuels qu'on voulait prendre, personne ne les prenait? Parce qu'en fait, il fallait aller les acheter dans des gares et des boutiques SNCF, à l'époque où on achetait déjà beaucoup nos billets sur mobile.

8:29 Et en fait, j'ai compris pourquoi, parce qu'il y avait 20 bases de données clients. Il n'y avait pas de référentiel client. Et quand tu arrives à l'échelle d'une boîte premier site e-commerce, hyper avancée en maturité tech, en maturité produit, et que tu regardes que behind the scenes, tu arrives et il y a effectivement 20 bases de données clients, tu te dis« waouh, il y a un énorme truc à faire». Mais c'est le symptôme un peu d'un problème qui fait qu'à chaque fois qu'il y avait une nouvelle initiative, c'était plus simple d'aller créer une base client juste pour cet objectif-là, plutôt que d'avoir un référentiel client. Et chaque nouveau projet n'était pas forcément plus marginal, mais un petit peu. Et donc, personne ne voulait s'embarquer cet énorme sujet-là. Et ce qui est drôle, c'est que les personnes qui sont venues un peu, je dirais, avec leur bâton de pèlerin, c'était les urbanistes et un archi côté tech. Ils sont arrivés. C'était là, on cherche quelqu'un qui voit ce même problème que nous. Et ça a été hyper intéressant parce que eux, ils le voyaient d'un point de vue technique. C'était un moment où il y avait des enjeux de refonte hyper importants.

9:30 côté tech, et en fait, ils arrivaient à trouver à personne qui s'intéressait au problème. Et en fait, j'ai compris que le premier élément, c'était comment déjà on arrive à faire en sorte que personne ne puisse ignorer le problème et les problèmes que ça va générer. Et c'est fou que ce soit la tech qui vienne apporter ça, parce que souvent, en fait, c'est plutôt l'opposé, j'ai envie de dire, donc c'est génial. Et donc, ils étaient frustrés. Ils disaient, on ne comprend pas. Pourquoi le marketing? Pourquoi la relation client? Parce qu'en fait, le sujet, il est tellement transverse. Il est super compliqué. il va être coûteux. Donc, en fait, si on fait ça dans le budget tech, il y a plein d'autres choses qu'on ne va pas faire et c'est compliqué. Donc, en fait, je dirais que c'est aussi une partie du leadership qu'on peut avoir par moment. C'est l'amorçage. On voit souvent des problèmes et on a du mal à passer la barrière de s'aligner avec le reste de l'organisation. Je dirais que le tip que moi, j'ai eu, c'est rendre le problème non ignorable. Regardez, on avait un base de données clients, ça nous coûte. À chaque nouveau projet, en fait, vous ne vous rendez pas compte. Et ça ralentit le time to market parce qu'on se recrée des dépendances pour synchroniser des données.

10:34 Et en fait, vous ne le voyez pas, c'est transparent. Mais deuxième chose, qu'est-ce que ça veut dire pour les clients? Qu'est-ce que ça veut dire pour le personnel à bord? Première base, j'avais pris une image basique de dire, notre métier, pyramide de Maslow, et en fait, c'est quelqu'un au marketing qui avait pris ce concept, et en fait, je trouvais ça super pertinent. C'était effectivement, la base, c'est savoir bien accompagner le client. Deuxième étape, c'est voilà, après, il y a proposer des services additionnels, et après, il y a un moment, une expérience super personnalisée. Mais comme dans la pyramide de Maslow, la base, c'est je prends mon train, je sais quand il est là, s'il est en retard, on le dit, et en fait, c'est prédictif. Et il y avait d'autres conséquences des voyageurs qui étaient verbalisés à bord parce qu'ils n'avaient pas leur carte de réduction. C'est une autre base. Et pourquoi il y avait des enveloppes papier? Parce qu'en fait, la base des dossiers voyage, on ne s'appuyait pas sur l'affaire conventionnelle client, elle durait 90 jours. Et en fait, avec les délais de remboursement qu'il y avait avec tous les éléments papier, ça ne marchait pas. Et donc, on a... On arrivait à rebasculer ça, rendre le problème non ignorable, à le partager et à essayer de faire dans une période courte.

11:36 On essaie globalement de se dire quelles valeurs on veut et on a envie de créer. Qu'est-ce que ça veut dire aussi comme impact et de qui on a besoin? Parce que ça amenait à changer des outils en relation client, pour les chefs de bord, pour beaucoup de monde. Ça nous a amené à déployer Salesforce à plus de 1000 collaborateurs. Quand on a tiré la plotte des problèmes et des implications, si on voulait bien le faire. Et en même temps, on a eu des énormes bénéfices, qui est tout simplement de pouvoir prévenir automatiquement les gens quand les trains étaient en retard avant. Ce qui fait que les grèves d'après étaient moins compliquées pour les clients. Et je dirais, la deuxième chose, c'était aussi d'arrêter ces enveloppes papier qui faisaient qu'une fois qu'on connaît le client, une fois qu'on connaît le retard, en fait, on peut créer automatiquement des codes de réduction auprès des clients qui sont totalement digitaux et qu'on peut ressaisir derrière en digital, ce qui fait qu'on évite l'enveloppe papier, envoyer un courrier, délai de traitement, traitement manuel, renvoi d'un papier avec tous les coûts qui vont avec et derrière le fait qu'on rachète dans un canal physique parce qu'on a quelque chose de physique entre les mains. Voilà, donc je dirais que c'est cette partie-là et qui n'est pas du tout seule, donc ce n'est pas mon succès, mais ça a été un moment hyper intéressant.

12:44 C'est super intéressant parce que ce n'est pas la tech pour la tech ou juste comprendre des besoins qui ont été exprimés par un métier, c'est se recentrer sur l'usage, l'expérience de l'utilisateur, du client et à partir de là de dérouler la pelote. Je comprends que ce soit vraiment passionnant parce que c'est revenir à c'est quoi notre mission. essentiel et d'essayer d'entraîner la boîte avec tout ça. Donc, excellent. Et je trouve que du coup, c'est une super transition parce qu'on va parler un peu d'intelligence artificielle, d'IA, on en parle tout le temps, tout le temps, tout le temps. Je crois qu'on l'a fait, en tout cas de mon côté, j'imagine du tien, tu vas nous raconter, on la déroule à toutes les sauces dès qu'on peut le mettre. C'est presque important et nécessaire. Après, jusqu'où il faut aller? Et notamment quand on parle d'expérience utilisateur, du coup, de quel type d'utilisateur on parle maintenant? Il y a beaucoup de choses qu'on va peut-être un petit peu évoquer ensemble. On commence aujourd'hui et depuis maintenant deux grosses années ou un peu plus que les sujets sur l'IA deviennent au cœur de pas mal de discussions. C'est quoi les principaux défis que tu peux rencontrer aujourd'hui? Alors ça peut être sur les questions d'organisation, de positionnement ou de développement, de mise en œuvre. Qu'est-ce que tu vis aujourd'hui autour de l'IA? Il y en a déjà plusieurs.

13:45 Si je devais qualifier la période, j'ai commencé moi il y a 20 ans, donc j'ai commencé, c'était l'hiver de l'IA. Et donc, je suis super contente parce qu'on est en plein printemps. Et en fait, je trouve ça passionnant parce que ça change totalement l'impact de ce qu'on a. Je pense déjà le premier changement, c'est oui, il y a des changements dans l'IA, dans les modèles. Et je pense que l'énorme changement, c'est qu'en fait, maintenant, l'IA, elle est dans les mains de tout le monde. Ça peut être notre grand-père, notre cousin, notre collègue, nous en tant que tech leader ou n'importe qui. Donc déjà, ça, c'est le premier énorme changement. Je dirais le défi, peut-être pour commencer par l'interne, je dirais que le premier défi, c'est d'amener chaque collaborateur à utiliser l'IA. Et aujourd'hui, la dynamique concrète, c'est à créer ses propres agents. Alors, ça, on va dire que c'est une solution, quels problèmes on résout. En fait, je pense qu'à un moment, ce qu'on doit aux personnes, c'est de les faire monter en compétence et de leur donner les enablers technologiques pour qu'ils aient la main pour résoudre avec l'IA leurs propres problèmes et pouvoir le réinventer.

14:52 Ils ont l'expertise. Ce qui leur manque, c'est le mindset produit pour pouvoir s'attaquer à des résolutions de problèmes. et les technologies, et un tout petit peu, je pense, de skills sur l'IA. Et donc, le premier défi, je pense que ça a été celui-là, En janvier 2024, on était déjà plutôt pas mal parce qu'on avait 50% des collaborateurs chez Mirakl, on s'appelait les Mirakl Workers, qui utilisaient l'IA générative. Très tôt, on a choisi de déployer ChatGPT Entreprise pour tout le monde, que ce soit un non-sujet. Donc, ça sécurise aussi les données qu'on pouvait saisir dans la plateforme, qu'on donne un cadre en sécurité. Et au bout d'un moment, ça fait partie de notre rôle. On équipe les personnes pour qu'elles puissent faire. Et après, on essaye de comprendre et d'encourager le fait que les gens fassent des démos, qu'ils montrent quel type de problème ils résolvent. Et donc, dans tous les meetings d'entreprise, que ce soit les keynote all company, que ce soit des meetings avec des execs, on encourage chacun dans les meetings d'équipe, c'est faire des démos. Et encourager une personne à faire une démo de ce qu'elle a pu faire, du problème, de ce qu'elle a appris, et surtout aussi de montrer le chemin, le chemin qu'elle a eu pour résoudre ce problème-là.

15:59 Donc ça, d'un côté, je dirais que c'est en interne, donner les outils, donner les compétences, et l'animer, parce que ça fera une référence après pour la fin dans les livres. Mais en fait, on a la même chose que ce qu'on a en produit. J'espère que je vais bien prononcer le titre du livre. C'est un livre de Joe Fremont, je crois. Crossing de... Normalement, je pense que ça dit de chasme, le gouffre. Et en fait, c'est vraiment cette théorie que tout le monde connaît assez basiquement sur... Il y a les innovateurs, donc il y a ceux tout de suite qui vont... voir tout ce qui se passe autour de l'IA, qui vont faire des super trucs. Après, on a vraiment les early adopters, donc les innovateurs, c'est ceux qui font la queue pour s'acheter l'iPhone la veille. Les early adopters, c'est ceux qui vont changer d'iPhone le premier mois. Et puis après, il y a vraiment le gouffre avec la early majority dans l'entreprise, c'est-à-dire la plupart des personnes qui ne savent pas vraiment et qui ont besoin de petits coups de pouce pour pouvoir démarrer, de leur montrer que ce n'est pas si compliqué et de pouvoir penser à un problème analogue quand ils vont voir les démos des autres. Après, il y a la late majority, ceux qui sont contre.

17:00 Mais comment on amène en fait en entreprise cette courbe-là? Je suis en train de parler avec mes mains, désolée, dans le podcast. À vraiment bouger pour faire en sorte qu'on ait une majorité qui soit en train d'utiliser. Et là, la deuxième vague qu'on prend, c'est qu'on se reprend cette courbe qui a une forme d'un peu de loi normale pour re-la déformer et faire en sorte que chacun puisse revoir son workflow individuel. Revoir comment ça s'attaquait au workflow de son équipe avec des outils pour du coup changer les choses. Donc, moi, c'est ça, cette approche-là que j'essaie d'avoir en interne. Et c'est cool parce qu'aujourd'hui, on a plus de 90% des personnes qui utilisent. On le monite parce qu'on a déployé DUS récemment. On est passé de chat d'entreprise à DUS pour vraiment avoir ce côté. La valeur et la différenciation viendra de notre capacité intégrée du contexte et le knowledge interne et créer des niveaux d'assistants et après créer des niveaux d'agents avec des workflows. Et donc ça, on a déployé DUST à toute l'entreprise. Et maintenant, on a 30% aussi des Mirakl Workers qui ont déjà créé au moins un assistant.

18:00 soit individuels, soit pour l'entreprise. Et parfois, vraiment des workflows enchaînant ça aujourd'hui avec du make, par exemple. Donc, ça, c'est une énorme partie. Je dirais qu'après, la deuxième, c'est… Et donc, ça tire plein de choses après parce qu'on les amène à commencer par ça. Puis là, on voit émerger les use cases où, en fait, ils ne peuvent pas résoudre ou ils ne peuvent pas aller au next level avec ce type d'outil-là. Et si c'est Game Changer, comment est-ce qu'on va aller s'attaquer en équipe plutôt mixte pour le réseau? Par exemple, là, on a un sujet en tech, justement, comment on va créer des agents sur des tâches vraiment spécifiques de software engineering. On l'a vu parce qu'on a envie d'aller un tout petit peu plus loin qu'utiliser juste du cursor. Et qu'on se rend compte que c'est des tâches répétitives qu'on fait souvent. Et donc là, on peut créer des systèmes de plusieurs agents et on va se mettre ensemble, équipe software et des personnes côté IA pour avancer dessus. Ça vient vraiment rendre concret le principe qu'on entend pas mal, qui est de dire qu'on devient des managers d'agents d'une certaine façon. Et en fait, là, tu es en train de le démontrer concrètement sur, OK, tu as Cursor, tu as ton IDE qui est évidemment AI-powered, mais qui ne va pas forcément tout faire.

19:08 Et l'étape d'après, ou même en parallèle d'ailleurs, c'est aussi ça. Tu racontes vraiment par rapport à ton cadre pro, pas tes équipes. Moi, j'ai deux sujets, en fait, qui concernent un peu le marché du travail. Et j'aimerais dire, comment tu vois, du coup, l'évolution de nos métiers au sens large, déjà? Et l'autre question, j'aimerais dire, peut-être plutôt interne, qu'on va aussi pas mal se poser, c'est... toute cette évolution de comment tu fais pour la montée en compétence quand tu es junior, que tu arrives, mais peut-être même lié à la façon de former aussi. Est-ce que c'est nécessaire maintenant d'apprendre à développer ou est-ce qu'il faut juste qu'on fasse de l'algorithmie ou des choses comme ça? Comment tu vois un peu les choses des deux sens? J'ai lu un article récemment qui était assez intéressant là-dessus. Je pense qu'on mettra peut-être le lien si on peut. Oui, avec plaisir. C'est une personne qui a un parti pris effectivement là-dessus, mais que je trouve qui reflète bien. cette tendance sur le marché du travail. Il y a deux choses un peu différentes. Il y a des personnes, les product managers, les équipes data, les équipes design, les software engineers.

20:10 Ça change complètement notre expertise parce que ça change vraiment très profondément ce qu'on construit. On ne va plus forcément développer du code, mais on va développer du front du bac. Pour être un peu caricatural, on va développer des agents. Donc, la nature même de ce qu'on va faire va changer. Et nos compétences et notre expertise profonde, elle va changer. Que je vais peut-être différencier à aujourd'hui d'autres personnes, c'est comment je vais faire mon travail et je vais essayer d'aller faire l'extra mile, revoir mon workflow en utilisant l'IA. Je pense qu'on n'a pas, selon les rôles qu'on a dans l'entreprise, ce n'est pas exactement la même chose. Ce qui est sûr, c'est qu'on voit de plus en plus aller vers le fait qu'en tech, on va aller en partie créer des agents et probablement les UI vont être un peu moins importantes. Enfin, c'est à débattre parce que l'UI va être très importante dans le sens à comment j'interagis avec l'IA. Si ça tourne en black box, ça ne va pas aller. Si ça va mettre du temps à processer, ce qui peut être normal, plus on va aller, plus on peut aller. On le voit avec les modèles de reasoning et du O3.

21:12 Mais qu'est-ce qu'on dit à l'utilisateur? Comment on notifie l'utilisateur quand ça va être terminé? Mais on voit aussi que profondément, on va construire behind the scenes des logiques agentiques qui, pour moi, les agences, ça ne doit pas être que, et ce n'est pas que aux équipes AI de les créer. Et c'est là où je pense qu'on va avoir un peu une évolution entre je suis un software engineer et en fait, je vais commencer à aller plus créer des agents, créer au-delà juste un système de rag. Je vais créer des systèmes agents corps dans le produit. Je suis un data scientist, je vais peut-être plus aller sur des approches où en fait, on va avoir besoin d'aller fine-tuner, beaucoup plus spécialiser, avoir des architectures IA plus complexes. En tout cas, c'est ce qu'on voit chez Mirakl. Et donc, on voit forcément émerger des rôles de gens qui sont un peu plus IA engineer, mais je pense qu'ils vont venir des deux mondes. C'est à la fois, aujourd'hui, je suis software engineer, je suis passionnée, je me suis un peu formée moi-même. Et nous, on leur donne quelques ressources pour mieux comprendre le deep learning, différentes choses, les tokens, pour vraiment comprendre les notions derrière, pour comprendre qu'est-ce que fait la machine, quelque part.

22:15 Et en même temps, on voit des gens qui étaient data scientists, mais plus intéressés par le côté software et application que le côté modèle, ou ce qu'on appelle aujourd'hui des ML engineers convergés vers ça. Et effectivement, ce qu'on voit, c'est qu'à un moment, notre quotidien à tous, ça va être d'arriver, on a nos propres agents qui vont faire des tâches pour nous et d'avoir à manager ces tâches qu'on a déléguées à des agents comme on pourrait avoir à manager des tâches qu'on a déléguées à d'autres humains, à d'autres personnes. Et ça va vraiment changer, je pense, le rapport du temps qu'on va passer entre eux. Je réfléchis à l'orientation, je regarde mes agents, j'utilise les outputs des agents, comment ils interagissent avec qui. Et les agents croissent équipe, ça va être drôle. C'est clair. Je n'avais pas pensé à ça. Ça va être super intéressant à voir. réfléchir vraiment à ça. Junior, en fait, qu'est-ce qu'on attend de moi? Que j'utilise, par exemple, les agents dans l'entreprise, que je commence à me créer mes agents individuels. Je suis senior, que je commence à réfléchir comment je peux faire mon boulot ou comment on peut le faire dans mon équipe différemment et construire des agents au niveau de mon équipe et qui m'amène à travailler du leadership pour avoir d'autres utilisateurs au-delà de moi.

23:20 Et puis, je suis manager. Là, je vais commencer à aller m'intéresser vraiment au workflow sur l'ensemble de mes équipes. Qu'est-ce que ça change dans les rôles, dans les métiers, dans mon équipe? Et un peu du inter-équipe. Puis quand je suis un peu plus leader, mon rôle, c'est de travailler une vision. C'est-à-dire quoi être software engineer dans deux ans? C'est quoi les paris? Comment j'engage l'apprentissage? Qu'est-ce qui empêche d'avancer? Quand on parle d'IA, évidemment, on parle de data à la base, de la qualité de la donnée, d'où elle provient, ce qu'on en fait, comment on l'entraîne, etc. Ce que je trouve intéressant dans ce moment, c'est que la data a toujours été importante, mais plus ou moins importante suivant le business. Et parfois, c'est important parce que c'est une question réglementaire, le RGPD, etc. Parfois, c'est le cœur du business que de réussir à valoriser la data que tu as sur tes clients ou sur quoi que ce soit. Aujourd'hui, c'est presque devenu une nécessité pour tous. Ce qui est, je trouve, une étape assez dingue et pourtant nécessaire, donc c'est génial. Il y a besoin de beaucoup d'informations, beaucoup de data, il y a beaucoup de questions de souveraineté, beaucoup de questions évidemment de confidentialité, de ce qui tourne autour de tout ça.

24:21 Comment, chez Mirakl, est-ce que vous abordez ces sujets-là? Comment on l'aborde? Déjà, nous, on s'est plutôt focalisés, donc toujours pareil, dans le produit, là je repasse dans le produit, on sait plutôt que d'en mettre vraiment partout, partout de l'IA générative dans notre produit, ce qui pouvait être une tentation, on en met partout pour simplifier plein d'étapes pour l'utilisateur et puis on ne garde pas trop les données utilisées, on a plutôt eu l'approche d'abord de prendre ce qui était le corps de notre produit, le regarder, et se dire, si on était une boîtier à générative aujourd'hui, comment on referait cette partie-là du produit? Et du coup, quand on le regarde, c'est tout ce qui est onboarding de catalogue produit. Je suis un seller. J'ai un format de catalogue produit. Je veux pouvoir commencer à vendre mes produits sur Decathlon, sur Leroy Merlin, sur Castorama. Et en fait, la structure du catalogue BAC n'est pas la même. Et en fait, la taxonomie non plus. Et comment ça, on peut l'automatiser et quelque part powerer cette tâche le plus possible en se rapprochant du 90-100% pour l'utilisateur.

25:23 Parce qu'on avait vu qu'avec les approches avant, on avait réduit ce lead time et l'effort à produire par l'utilisateur. On avait réduit le lead time de 30%. Et on se disait, là, en fait, la différence, c'est qu'avec l'IA générative, je peux être beaucoup plus drastique. Donc, on a commencé par une zone où il n'y avait pas de données personnelles. Donc, on a essayé de trouver un peu ce trade-off entre le sujet qui est haute valeur dans l'entreprise aujourd'hui qu'on pourrait reprendre différemment avec l'IA générative parce qu'on ne se trompe pas, c'est le corps de notre produit, c'est là où il y a énormément de valeur. Et donc, est-ce qu'on peut créer un énorme gap de performance avec l'IA générative? On se focus d'abord là-dessus, c'est peut-être plus compliqué. Mais on va y aller et on va monter dans la complexité étape par étape. Et puis après, on va aller sur d'autres UCS, mais à chaque fois, en regardant, est-ce qu'il y a déjà des données personnelles, pas de données personnelles? Une fois qu'on s'enlève cette partie-là, données personnelles, on raisonne différemment. C'est un peu notre façon de procéder, c'est d'être plutôt très pragmatique, haute valeur. Est-ce que je crée un gap avec de l'IA générative? Et derrière, on le fait. Pour l'instant, on a le sujet qu'on a dans le produit, on a des données personnelles. C'est encore des algorithmes de NLP hostés chez nous.

26:25 Notre approche, ça va être plutôt de dire, s'il n'y a pas de données personnelles, on va plutôt… fonctionner, toujours en prenant... On a changé d'ailleurs. Avant, on disait le modèle avec la plus haute performance. Maintenant, on se dit le modèle européen de base. On démarre toujours avec Mistral et après, on y sert avec d'autres modèles. Et dès qu'il y a des données personnelles, on va plutôt privilégier des modèles open source qu'on va concrètement aller hoster parce qu'en fait, c'est aussi un des engagements auprès de nos clients. Et à ton avis, pour terminer sur l'IA, les grandes tendances selon toi? Alors, généralement, on va dire sur les années à venir, j'ai plutôt envie de dire presque sur les trimestres à venir, tellement ça va vite. Mais n'empêche qu'il y a des enjeux que toutes les boîtes doivent comprendre et essayer d'appréhender correctement. Tu dirais quoi, toi? Je dirais qu'il y a un énorme enjeu sur la partie design et IA. Ça crée de nouveaux design patterns, pour être un peu dans le vocabulaire. Mais en fait, un produit d'IA ne marchera que s'il crée de la valeur pour l'utilisateur et il y a des éléments fondamentaux. Un, je suis capable de le tester, surtout en B2B.

27:29 Parce qu'en fait, c'est une feature non déterministe. J'ai besoin de comprendre ce que ça fait. J'ai besoin de voir la valeur. Et donc, du coup, comment on arrive à avoir ces trial periods le plus facile pour les clients et le plus scalable? Et ça crée aussi des énormes enjeux dans l'interaction. On entendait beaucoup au début, oui, cette solution, c'est juste un wrapper parce que c'est un front avec un modèle derrière. La bonne expérience, on le voit avec Cursor, c'est Game Changer, parce qu'on voit ce qui se passe, on peut itérer sur le résultat, et donc en fait, il y a tous ces sujets-là, casser le côté black box, et perdre. mettre vraiment en ligne la séparation de machines, C'est comment on va permettre vraiment à l'utilisateur d'interagir avec la machine pour qu'elle produise ce qui va attendre en résultat. Donc, j'ai la design et IA. Donc, si vos data scientists ou vos IA engineers, peu importe comment vous les appelez, ne collaborent pas avec les designers, vous avez sûrement un gros problème ou vous avez aussi une énorme opportunité. Donc, il y a un enjeu, là, je dirais, de collaboration. Parce qu'un designer, même s'il s'y intéresse, toute l'itération qu'il y aura entre ces deux personnes-là, Ça va créer un énorme sujet.

28:32 Donc, c'est une façon concrète. C'est regarder qui parle avec qui entre design et IA chez vous concrètement aujourd'hui. La deuxième chose, c'est l'évaluation des modèles. C'est un peu notre gros faille du moment. On était parti sur une façon d'évaluer sur notre catalogue transformant et on se rend compte qu'en fait, on ne regardait pas la bonne chose. Donc, ces questions d'orientation n'étaient pas en train de bien regarder ce que ça voulait dire, la valeur pour le client et le succès pour le client. On était en train de se dire, tiens, en fait, ça va faire moins d'erreurs que ce que l'humain fait aujourd'hui avec notre système assisté avec de l'IA et des algos de NLP. Et ça va aller plus vite. Et on a oublié, toi Nicolas, qui est en ligne, élément fondamental, la qualité. Absolument. Donc, en fait, ça nous a ramené à nous dire, en fait, c'est quoi la qualité? Qu'est-ce qu'une tâche bien faite pour l'utilisateur? Waouh, c'est ni l'accuracy du modèle. Ça, on s'était déjà détaché, ce qui est normalement la métrique de succès d'un data scientist. Ni ça va plus vite, ni... ni ça fait mieux, parce que de toute façon, il ne l'a pas fait avec l'autre méthode.

29:33 Je suis super contente de savoir que ça fait 50% de moins d'erreurs et que ça remplit plus de champs. On est sur du volume et une comparaison par rapport à un truc qui n'est pas rationnel pour l'utilisateur. Comment il va pouvoir évaluer que la tâche est bien? Le regarder, donc revoir, toujours ça revient à l'UX, mais comment il peut comprendre pourquoi on a mis cette valeur-là et qu'est-ce qui va attendre? Et ça, on commence, nous, à se rendre compte qu'il y a des contextes différents. Je suis une grande marque. Je ne vais pas attendre la même chose qu'un petit recelleur. Je suis un e-commerçant, je ne vais peut-être pas attendre la même chose qu'un seller, je ne vais peut-être pas considérer que la tâche est faite de la même manière. Je pense qu'il y a un énorme champ là-dessus. Si c'est cryptique un peu pour vous, juste faites un test avec deux, trois personnes. Vous mettez d'accord, par exemple, sur une génération d'images pour un objectif et vous vous rendrez compte que vous allez atterrir avec trois résultats différemment. Donc, en fait, moi, mon apprentissage là, dû un peu à ce fail sur l'évaluation, c'est« Ah mince, en fait, on dit que les modèles sont non déterministes, mais l'évaluation et la valeur est non déterministe, comment on évalue quelque chose de non déterministe?

30:34 » Et le piège pour certains aussi en ce moment, c'est la réponse n'est pas que d'avoir du LLM as a judge, et de l'IA pour évaluer le résultat. Et la réponse n'est pas qu'avec les pouces, ce serait trop simple. Donc voilà. Et donc nous, ce qu'on fait vraiment, c'est une approche IA, essayer un peu d'itérer, prendre en compte les feedbacks des utilisateurs, mais même derrière pour pouvoir réentraîner nos modèles. Et en fait, c'est aussi mettre de l'humain, évaluer et se faire des tâches nous-mêmes de réévaluer, réanoter des résultats. C'est la question que j'allais te poser. Nous, on mesure le nombre de corrections qu'un humain fait sur des contenus générés. Peut-être que vous, en termes de KPI, il y a des sujets comme ça que vous suivez justement pour essayer d'améliorer vos approches. Oui, il y a ça. Et il y a aussi se dire que parfois, il y a profondément des valeurs qui sont ambiguës. Et donc, il y a des choses où il n'y a pas une réponse valide ou invalide. Il y a une espèce de zone du milieu qui est ambiguë. Et comment on évalue cette ambiguïté? Comment on la gère? Prendre un exemple basique. qui est l'exemple, j'arrête pas de répéter en interne, Mais je suis un seller, j'ai un produit, il est violet.

31:36 Je m'en bordais sur un site e-commerce. Il n'y a que deux couleurs, ce qu'on va retrouver dans les facettes du moteur de search, c'est le bleu, le rouge. C'est ambigu par nature. Donc, ce n'est pas grave, mais il faut savoir aussi le gérer. Donc, ce n'est pas incorrect, bleu. Ce n'est pas incorrect, rouge. Les deux sont possibles. Techniquement, ça va être compliqué de gérer deux ou trois choses à l'heure possible. Mais voilà, donc l'évaluation, je dirais l'interface, l'évaluation. Et puis après, je dirais, moi, c'est le troisième. Ce n'est pas trop un truc de prospective, mais je pense qu'une question qui va beaucoup se poser, ce n'est pas que de la compliance, c'est comment on construit des systèmes. Ça a toujours été vrai, mais très flexible à ces technologies-là. Ça peut évoluer tous les jours. Donc, nous, on prend le parti d'être très agnostique des modèles et de se mettre dans une logique où, s'il y a un nouveau modèle qui sort, qu'on pense que c'est mieux, comment on crée les conditions pour qu'on le teste rapidement et qu'on redéploie et qu'on fasse l'évaluation, qu'on fasse toute la non-règle du modèle super rapidement et on devrait être capable de le faire en deux jours. Donc, j'irais la flexibilité intellectuelle. Passionnant, j'espère que pour vous aussi qui nous écoutez, c'est tout aussi intéressant pour vous.

32:40 Alors souvent, mais là tu viens de raconter un fail, donc tu as peut-être une réussite que tu aimerais bien nous partager, en plus de ce fail-là ou l'autre projet passionnant aussi chez Voyage SNCF, ou alors peut-être une anecdote que tu voudrais partager à tous ceux qui nous écoutent, toute la communauté Tech.Rocks. Mon fail, c'est mettre mon fail sur l'évaluation du modèle. Et je me suis rendue compte que si moi-même, j'avais, c'est le classique, plus utilisé le produit et plus régulièrement fait moi-même la tâche, je me serais peut-être probablement rendue compte plus vite. Après, c'est fine, on crée de la valeur et on a des produits qui marchent parce qu'on a eu des fails. On a appris et on avance. Donc, très bien. Et je dirais, non, l'anecdote, j'en ai une chez Voyages SNCF à un moment. Vous l'avez toujours dans les mains. En fait, on était vraiment partis à dire, le sujet, c'est le mobile. Quand on voyage, on a un mobile. Comment un utilisateur va avoir l'information de son e-billet? Alors, c'est très bien. Vous pouvez utiliser le... Je ne me rappelle plus comment ça s'appelle. Quand on sort les billets sur...

33:41 Le wallet. Le wallet, c'est ça. Ou va aller regarder le code barre, c'est super. Et en fait, on se rend compte que non, il y a des gens qui sont rassurés par le papier. S'il n'y a plus de batterie, ce genre de choses. Et en fait, les gens continuent à imprimer des billets. C'est comme c'est possible. Et en fait, on a été observer le moment où il y a eu les portes d'embarquement de TGV qui ont été déployées dans les gares. On a été regarder les utilisateurs avec l'équipe produit et puis deux designers de l'équipe. Et en fait, un truc qui nous a sauté, parce qu'on voulait regarder concrètement, si on regarde le flux, génial. Allez sur le terrain, moi je ne peux que valider ça. Gamebag, GoNC, en ligne, on a regardé ce qui se passait dans cet attroupement de personnes et comment ils passaient ces portes, parce qu'on avait quand même créé un problème avec les portes d'embarquement. Et en fait, on s'est rendu compte que le problème, ce n'était pas ni papier ni téléphone, c'était le temps que les gens passaient à déplier. plier leur feuille à quatre. Et on a fait, ah, waouh! Et là, en fait, ça a été presque le plus gros hack ou anecdote. c'est que finalement, on s'est reposé avec la designer. Et moi, je l'ai réalisé, je me suis dit, en fait, on peut changer ça.

34:43 Ah, on a des devs là-dessus, super. Je crois qu'en un mois, et en plus, on était au moment du fameux rebranding Inuit, En fait, on l'a refait et on a dit que c'est en quatre parties. Le papier se plie, donc d'un côté, j'ai les infos de mon billet, d'autre côté, j'ai le code barre. Quand je manque le code barre, j'ai besoin d'avoir ma place parce que je vais continuer mon... Et je vais me dire, je vais voiture, voilà. Et en fait, c'était plus gros. C'est rien en développement. Ça fait plaisir parce qu'on a fait le rebranding en même temps. Et en fait, on ne l'aurait jamais compris et on n'aurait jamais été aussi vite si on n'avait pas pu aller voir. Excellent, excellent, c'est génial. Le temps passe hyper vite. Merci beaucoup pour cet échange. Est-ce que je te propose, en guise de conclusion, deux choses. Déjà, est-ce que tu as... Alors, tu nous as parlé déjà d'un livre que tu voulais partager. Je te propose qu'on en reparle un tout petit peu là, ou peut-être un podcast, des outils, quelque chose que tu voudrais partager ou plusieurs choses que tu voudrais partager et recommander à toute la communauté. Je vais plutôt me focaliser sur les livres. Je dirais qu'il y a trois livres. Donc, celui que je citais de Geoffrey Moore, Crossing the Chasm, normalement, je pense que ça se prononce comme ça.

35:48 Vous me direz si non. Le deuxième, c'est l'Intech Manifesto. Je pense que tu connais. Absolument. Je trouve que ça aide à reprendre ces concepts de résolution de problèmes, comment on engage les équipes dans la résolution de problèmes, le Go NC que j'évoquais, l'Initech Manifesto qui a été écrit par les deux cofondateurs de Théodo. Fabrice Bernard et Benoît Charles-Labozel. Tout à fait. Et pourquoi pas faire des book clubs? Je sais aussi que dans la communauté tech, je crois que c'est un truc qu'on encourage, mais de le lire et de ne pas hésiter à faire un book club. Il y a eu un book club sur le Lean Tech Manifesto. En revanche, sur ton premier bouquin, ça pourrait être super intéressant, je pense. On pourrait le proposer. Parce qu'on l'a aussi pour la première fois aussi, je pense, dans nos équipes. On a certains développeurs qui nous push back, qui sont pas ceux qu'on a. Comment on a... Leverage, désolé, je fais du franglais. Jean-Claude Van Damme, mais comment on utilise aussi ceux qui sont innovateurs et comme pour qu'ils ne soient pas frustrés. Donc, c'est vraiment un top pour ça. Et je dirais le troisième, c'est un assez différent. Il s'appelle« Présuasion». De Robert Cialdini. Il y en a beaucoup qui doivent connaître Influence et Manipulation, qui est un livre très utilisé par tous les marketeurs du monde entier.

36:51 C'est Jean-Crobert Cialdini, en fait, c'est un pro de la négociation. Il a écrit au début ce livre, donc le livre Influence et Manipulation, à destination de tout un chacun, pour éviter qu'on se fasse manipuler par les marketeurs. Et donc, c'est les marketeurs qui ont le plus utilisé son livre. Et Précaution, c'est son deuxième. Il est très intéressant pour... Il explique tous les éléments qui font comment on va mettre l'utilisateur déjà en condition de pouvoir prendre une décision. Comment on va pouvoir mettre aussi d'autres personnes en condition. Donc, c'est présuasion, c'est comment on crée, les éléments ou les facteurs ou le contexte qui font qu'avancer va être beaucoup plus simple, prendre une décision va être beaucoup plus simple, que l'utilisateur va pouvoir aller dans la voie qui nous va bien. Je ne spoil pas les exemples du livre, mais il y a des exemples assez concrets. Même si ce livre date un peu, ça marche toujours. Excellent, merci beaucoup. Et pour terminer, est-ce que tu as une actu à nous partager, à partager à la communauté? Peut-être produit de toi, de conférences, de quoi que ce soit? J'en ai une qui arrivera bientôt, si je tiens mon timing, en novembre.

37:54 C'est que je suis en train d'écrire un livre avec Johan Benoît aussi. Et en fait, on est en train d'écrire un livre justement comment... On craft des produits d'IA pour que ça ait de l'impact pour les utilisateurs et on s'inspire beaucoup de l'approche Lean et de l'approche aussi autour. Eh bien, hâte de le découvrir, hâte de le lire. Merci beaucoup, Anne-Claire, d'avoir participé à ce podcast Tech.Rocks. Merci à toutes et à tous de nous avoir écoutés. On espère fortement que ça vous a intéressé, inspiré. Plus, n'hésitez pas à commenter, à partager, à nous faire vos retours. Écoute, je te dis à très bientôt, Anne-Claire. Merci énormément. Merci à tous. Au revoir.