DataGen

Marie-Camille Achard a passé 9 ans chez Uber à San Francisco où elle était Data Science Manager.On aborde :🔥 Son parcours de Data Scientist à Data Science Manager chez Uber à San Francisco🔥 Ses projets clés : lutte contre la fraude et mesure d’incrémentalité à l’échelle🔥 La réalité du marché de l’emploi aux US et pourquoi elle a failli se faire virer du jour au lendemain🔥 Ce qui fait d’Uber l’une des boîtes les plus data-driven au monde : organisation et culture💪 VOUS AVEZ UN PROJET DATA ?DataGen a lancé un collectif de freelances data issus des plus belles boîtes (BlaBlaCar, Aircall, Critéo, Artefact, 55, Sunday...).Vous avez un projet data ? On a l'équipe qu'il vous faut : Head of Data, Data Analyst, Data Engineer, Data Scientist, etc.👉 Nous rencontrer ici📚 RESSOURCES- Le LinkedIn de Marie-Camille - Le podcast High Signal- Pour recevoir le dossier sur les plus gros challenges des leaders data invités sur DataGen, s'inscrire à la newsletter ici🎬 CHAPITRES00:00 Son parcours avant les US01:31 Vivre à San Francisco02:17 Applied Scientist VS Data Scientist04:49 Algos pour lutter contre la fraude08:04 Proche du lay-off10:06 De Data Scientist à Manager11:01 Orga data & tech12:47 Mesure d’incrémentalité à l’échelle17:49 Data-driven à l’échelle 21:49 Culture business très tech23:03 Solutions développées en interne27:14 Sa recommandation de contenu27:30 Ce qu’elle aime dans la data 🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER#224 - Blef a passé 3 mois chez Y Combinator aux US : le futur des équipes Data, France vs US#208 - Alan : Déployer des algorithmes pour lutter contre la fraude#133 - Devenir Data Engineer aux US ou au Canada et gagner 250K$/an avec Willis Nana👋 PLUS DE CONTENU DATA ?1/ Suivez-moi sur LinkedIn ici 🤳2/ Inscrivez-vous à la newsletter (synthèses, événements) ici 💌3/ Découvrez le podcast en format vidéo sur YouTube ici 📹🎙 SOUTENEZ LE PODCAST GRATUITEMENT1/ Abonnez-vous 🔔2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰 Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Rémi Guyot est l’ancien Chief Product Officer de BlaBlaCar, la plateforme de transports partagés leader en Europe qui compte 20 millions d’utilisateurs en France. Aujourd’hui, il a co-fondé l’agence Produit Discovery Discipline et est co-auteur du livre et de la méthode du même nom.On aborde :🔥 Les gros chantiers data qu’il a menés chez BlaBlaCar : rendre les équipes Produit autonomes et utiliser la data dans le produit🔥 Son plus gros challenge : se faire confiance sur les sujets data et gérer la tension Data x Design🔥 Ses conseils pour des équipes Product Analytics🔥 La création de Discovery Discipline et sa vision sur les IA Génératives💪 VOUS AVEZ UN PROJET DATA ?DataGen a lancé un collectif de freelances data issus des plus belles boîtes (BlaBlaCar, Aircall, Critéo, Artefact, 55, Sunday...).Vous avez un projet data ? On a l'équipe qu'il vous faut : Head of Data, Data Analyst, Data Engineer, Data Scientist, etc.👉 Nous rencontrer🎬 CHAPITRES00:00 Intro04:43 Comment Rémi est devenu CPO de BlaBlaCar06:38 Les plus gros chantiers data qu’il a menés en tant que CPO12:00 Son plus gros challenge data : se faire confiance sur les sujets data19:15 Ses conseils pour des Product Analysts21:04 Le contexte de la création de Discovery Discipline24:37 L'impact des GenAI sur nos métiers demain32:40 Les questions de la fin (ressource, conseil)📚 RESSOURCES- Le LinkedIn de Rémi Guyot- Discovery Discipline de Rémi Guyot et Tristan Charvillat- The Visual Display of Quantitative Information par Edward Tufte🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER#129 - BlaBlaCar : Scaler l’impact de l'équipe Data Engineering#124 - ManoMano : L’ex-Chief Product Officer partage sa Stratégie Data#114 - BlaBlaCar : Managing 50 Data People with Manu, VP Data#74 - BlaBlaCar : Adopter une approche Produit en Data Science#47- Airbnb : Rapprocher la Data et le Design 👋 PLUS DE CONTENU DATA ?1/ Suivez-moi sur LinkedIn ici 🤳2/ Inscrivez-vous à la newsletter (synthèses, événements) ici 💌3/ Découvrez le podcast en format vidéo sur YouTube ici 📹🎙 SOUTENEZ LE PODCAST GRATUITEMENT1/ Abonnez-vous 🔔2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰 Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Agathe Verro est Deployment Lead chez Palantir, la plateforme d’IA et de Data qui permet de mettre en production à l’échelle des cas d’usage opérationnels. Pour ceux qui ne connaissent pas, l’entreprise est valorisée 200 milliards de dollars. Palantir travaille avec des acteurs clés dans divers secteurs comme l’automobile (Stellantis, Forvia), l’aéronautique (Airbus), le secteur bancaire et assurance, et l’industrie au sens large.On aborde :🔥 La mission de Palantir : concilier puissance de la Data & de l’IA avec sécurité & confidentialité des données🔥 Les grandes briques de la solution : ontologie, intégration, interfaces opérationnelles et gouvernance🔥 Leur positionnement par rapport aux autres plateformes Data & IA du marché🔥 Quelques use cases et l’impact des IA Génératives sur Palantir (marché, fonctionnalités…)❤️ PARTENAIRECe podcast était rendu possible par Palantir, la plateforme d’IA et de Data qui permet de mettre en production à l’échelle des cas d’usage opérationnels.👉 Contacter Agathe sur LinkedIn ou par mail : datagen@palantir.com📚 RESSOURCES- Le LinkedIn de Agathe- La vidéo Palantir for Scuderia Ferrari- Le reportage Social dilemma est à retrouver sur Netflix- Le livre Fake News de Julie Martinez🎬 CHAPITRES00:00 Générique00:31 Intro et parcours04:17 Les grandes briques de Palantir08:40 Son positionnement11:55 Quelques use cases15:45 Pourquoi les entreprises choisissent Palantir ?17:49 L’impact des GenAI sur Palantir21:06 Dernières questions (conseils, recommandation)🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER#172 - Mirakl : Intégrer la GenAI dans le Produit#146 - L’Oréal : Mettre en place une Stratégie GenAI#138 - Ovrsea : Gagner 50% de Productivité avec les GenAI💪 DEVENIR ANALYTICS ENGINEER AVEC DATABIRD ET DATAGEN On a lancé un bootcamp spécialisé sur l’Analytics Engineering en collaboration avec DataBird.📚 Découvrir le programme du bootcamp ici🎙 Ecouter l’épisode #151 Devenir Analytics Engineer en 6 semainesCe bootcamp est opéré en collaboration avec DataBird et DataGen touche une commission sur les inscriptions. 🙂👋 PLUS DE CONTENU DATA ?1/ Suivez-moi sur LinkedIn ici 🤳2/ Inscrivez-vous à la newsletter (synthèses, événements) ici 💌3/ Découvrez le podcast en format vidéo sur YouTube ici 📹🎙 SOUTENEZ LE PODCAST GRATUITEMENT1/ Abonnez-vous 🔔2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰 Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Henri-François Chadeisson (HF) est expert data depuis 20 ans et aujourd’hui Solution Engineering Director Europe chez Strategy Software (ex-MicroStrategy). Strategy c’est une solution de BI, semantic layer et IA qui est valorisée plus de 50 milliards de dollars et utilisée par des grands groupes comme Société Générale, Monoprix ou Leclerc. Dans cet épisode, on décrypte 3 grandes tendances analytics du moment.On aborde :🔥 Trend Analytics #1 - L’accélération de la mise à disposition des données : contexte macro-économique, décentralisation, “chaos analytique”, GenAI…🔥 Trend Analytics #2 - L’émergence des Semantic Layer universels : agnostique des outils de Business Intelligence et multi-cloud🔥 Trend Analytics #3 - Le cas d’usage IA “chat with your data” : agents conversationnels branchés sur le Semantic Layer qui répond aux questions data🔥 Comment les solutions de Strategy Software s’intègrent dans ces tendances (ex : Mosaic, le Semantic Layer Universel)❤️ PARTENAIRE Cet épisode est rendu possible par Strategy Software, la solution de BI, semantic layer et IA qui est valorisée plus de 50 milliards de dollars et utilisée par des grands groupes comme Société Générale, Monoprix ou Leclerc.👉 Demander une démo👉 Contacter Henri-François sur Linkedin📚 RESSOURCES- Le LinkedIn de Henri-François- Le Ted talk de Simon Sinek "How Great Leaders Inspire Action"- Pour recevoir les 100+ ressources préférées des Head of Data invités sur DataGen, s'inscrire à la newsletter ici🎬 CHAPITRES00:00 Trend #1 L’accélération “time-to-data”06:44 Trend #2 L’émergence des Semantic Layers universels11:48 Trend #3 Le cas d’usage IA “chat with your data”17:36 La reco de contenu de HF18:31 Ce qu’il aime dans la data🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER#248 - Ornikar : Structurer une approche Analytics Engineering (CI/CD, FinOps, Naming & Semantic Layer)#242 - On décrypte 4 tendances Data & IA de 2026 avec Blef#236 - Photoroom : Déployer une stratégie GenAI pour l’analytics et x15 sa vitesse de delivery👋 PLUS DE CONTENU DATA ?1/ Suivez-moi sur LinkedIn ici 🤳2/ Inscrivez-vous à la newsletter (synthèses, événements) ici 💌3/ Découvrez le podcast en format vidéo sur YouTube ici 📹🎙 SOUTENEZ LE PODCAST GRATUITEMENT1/ Abonnez-vous 🔔2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰 Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Taha est Lead Analytics Engineer chez Brevo, la plateforme de marketing automation qui permet notamment d’orchestrer ses campagnes d'emailing ou de SMS. La scaleup a acquis le statut de “centaure” après avoir dépassé les 100 millions d’euros de revenus annuels.Taha va nous parler de son plus gros challenge sur cette dernière année, à savoir la mise en place d'Omni et d'une business intelligence orientée Self-Service.On aborde :🔥 Le contexte initial chez Brevo : 5 outils de BI différents, peu de Self-Service🔥 Les fonctionnalités clés d'Omni, le POC réalisé et l’adoption par les équipes en Self-Service🔥 Le cas d’usage IA “chat with your data” : documentation, tests unitaires et intégration Slack🔥 L’organisation pour migrer, les bonnes pratiques et les principales difficultés qu'ils ont rencontrées💪 DEVENIR ANALYTICS ENGINEER AVEC DATABIRD ET DATAGENOn a lancé un bootcamp spécialisé sur l’Analytics Engineering en collaboration avec DataBird.📚 Découvrir le programme du bootcamp ici🎙 Ecouter l’épisode 151 Devenir Analytics Engineer en 6 semaines avec DataBirdDataGen opère ce bootcamp Analytics Engineering en collaboration avec DataBird et touche une commission sur les inscriptions. 🙂📚 RESSOURCES- Le LinkedIn de Taha- Lenny’s Podcast- La chaîne YouTube de Supabase- Pour recevoir le dossier sur les plus gros challenges des leaders data invités sur DataGen, s'inscrire à la newsletter ici🎬 CHAPITRES00:00 Le contexte chez Brevo02:53 La fonctionnalité clé d’Omni05:24 La phase de POC : tester l’adoption du Self-Service07:55 Le cas d’usage IA “chat with data” dans Omni11:05 Garantir la Data Quality12:18 Le chantier Embedded Analytics16:52 La Data Visualisation avec Omni18:54 L’intégration dans Slack20:31 L’organisation de Brevo pour migrer23:58 Leurs plus grosses difficultés25:05 Leurs prochaines étapes26:43 La reco de contenu de Taha27:56 Qu’est ce qui a fait progresser Taha🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER#247 - Ex-VP of Product at Looker, he launched Omni, the challenger in Business Intelligence#236 - Photoroom : Déployer une stratégie GenAI pour l’analytics et x15 sa vitesse de delivery#184 - Brevo : Mettre en place de l’embedded analytics dans le Produit 👋 PLUS DE CONTENU DATA ?1/ Suivez-moi sur LinkedIn ici 🤳2/ Inscrivez-vous à la newsletter (synthèses, événements) ici 💌3/ Découvrez le podcast en format vidéo sur YouTube ici 📹🎙 SOUTENEZ LE PODCAST GRATUITEMENT1/ Abonnez-vous 🔔2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰 Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Charlotte Ledoux est une experte Data Gouvernance, elle accompagne de très belles boîtes comme Pernod Ricard ou Disney. En parallèle, elle crée du contenu sur LinkedIn sur ce sujet avec beaucoup de succès (+50K abonnés) et est identifiée par les leaders data comme l’experte n°1 sur la Data Gouvernance.On aborde :🔥 Le retour à la réalité sur l'IA pour la Data Gouv et pourquoi ce n'est plus la priorité (1)🔥 L'adoption massive du modèle fédéré et les binômes data stewards métier et IT (2)🔥 L'évolution des rôles vers “l'AI governance” (3) et la Data Gouv devient un sujet COMEX (4)🔥 L'industrialisation des data catalogs et l'accélération des outils de data quality (5)💪 VOUS AVEZ UN PROJET DATA ?DataGen a lancé un collectif de freelances data issus des plus belles boîtes (BlaBlaCar, Aircall, Critéo, Artefact, 55, Sunday...).Vous avez un projet data ? On a l'équipe qu'il vous faut : Head of Data, Data Analyst, Data Engineer, Data Scientist, etc.👉 Nous rencontrer ici📚 RESSOURCES- Le LinkedIn de Charlotte- Sa newsletter- Son jeu en ligne CDO Game- La newsletter The Data Letter de Hodman Murad- Pour recevoir les 100+ ressources préférées des Head of Data invités sur DataGen, s'inscrire à la newsletter ici🎬 CHAPITRES00:00 #1 AI for Data Governance ?03:37 #2 La Data Gouvernance fédérée09:27 #3 La gouvernance de l’IA12:53 #4 Nouvel enjeu pour le COMEX16:29 #5 L’industrialisation des catalogues et l’accélération des outils de Data Quality18:37 Les outils recommandés par Charlotte20:52 Sa ressource préférée🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER#200 - Mettre en place un framework Data Domain avec Charlotte Ledoux (40K abonnés LinkedIn)#168 - Les rôles clés de la Data Gouvernance avec Charlotte Ledoux (30K abonnés LinkedIn) 😎#144 - Mettre en place une Data Gouvernance avec Charlotte Ledoux (20K abonnés LinkedIn) 💪👋 PLUS DE CONTENU DATA ?1/ Suivez-moi sur LinkedIn ici 🤳2/ Inscrivez-vous à la newsletter (synthèses, événements) ici 💌3/ Découvrez le podcast en format vidéo sur YouTube ici 📹🎙 SOUTENEZ LE PODCAST GRATUITEMENT1/ Abonnez-vous 🔔2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰 Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Jessica Matheron est CDO Europe chez Nestlé. Avant cela, elle était CDO chez Agicap, une scale-up française.On aborde :🔥 Son parcours : Mines, MIT, Finance en Hedge Fund, reconversion data…🔥 La création chez Nestlé d’une équipe Data technique et l’internalisation du Data Engineering🔥 Le déploiement d’une Modern Data Stack dans un grand groupe (Airflow, Snowflake, dbt…)🔥 Zoom sur 2 cas d’usage et leurs plus grandes difficultés (qualité de données, embarquer les équipes, upskilling scientifique)💪 VOUS AVEZ UN PROJET DATA ?DataGen a lancé un collectif de freelances data issus des plus belles boîtes (BlaBlaCar, Aircall, Critéo, Artefact, 55, Sunday...).Vous avez un projet data ? On a l'équipe qu'il vous faut : Head of Data, Data Analyst, Data Engineer, Data Scientist, etc.👉 Nous rencontrer ici📚 RESSOURCES- Le LinkedIn de Jessica- Le livre A Brief History of Intelligence de Max Bennett- Le podcast Freakonomics de Stephen J. Dubner- Le paper Bayesian Methods for Media Mix Modeling with Carryover and Shape Effects de Google- Pour recevoir la liste des plus gros challenges des leaders data invités sur DataGen, s'inscrire à la newsletter ici🎬 CHAPITRES00:00 Le contexte Data et IA chez Nestlé01:38 Le parcours de Jessica03:41 Son arrivée en tant qu’Head of Analytics France06:11 Les gros chantiers de l’équipe Europe13:16 Les 2 cas d’usages principaux20:24 Ses plus grosses difficultés26:13 Leurs prochaines étapes28:05 Ses ressources préférées🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER#237 - Déployer la stratégie Data & IA chez Engie dans l'Industrie#233 - Carrefour : Déployer la stratégie IA Générative du Groupe#228 - Comment l’ex-CDO de Carrefour structure le département Data & IA de la FDJ United (ex-Française des Jeux)👋 PLUS DE CONTENU DATA ?1/ Suivez-moi sur LinkedIn ici 🤳2/ Inscrivez-vous à la newsletter (synthèses, événements) ici 💌3/ Découvrez le podcast en format vidéo sur YouTube ici 📹🎙 SOUTENEZ LE PODCAST GRATUITEMENT1/ Abonnez-vous 🔔2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰 Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Adèle Guillet est Data & AI Director chez Sweep, le logiciel de pilotage du quota carbone qui a levé 100 millions de dollars dans ses 2 premières années d’existence et qui accompagne déjà notamment L’Oréal, SNCF, Auchan ou Leroy Merlin.Elle va nous raconter comment elle a lancé le département Data & IA.On aborde :🔥 Son parcours de Data Scientist à Head of Data en startup🔥 La mise en place d’une Modern Data Stack (Snowflake, dbt, Fivetran, Metabase…)🔥 La mise en place d’une approche Self-Service pragmatique (Data Champions, certified dashboards…)🔥 Le déploiement de fonctionnalités IA dans le produit et la structuration de l’équipe IA (ML Engineer et AI Engineers “full full Stack”)💪 DEVENIR ANALYTICS ENGINEER AVEC DATABIRD ET DATAGENOn a lancé un bootcamp spécialisé sur l’Analytics Engineering en collaboration avec DataBird.📚 Découvrir le programme du bootcamp ici🎙 Regarder l’épisode 151 Devenir Analytics Engineer en 6 semaines avec DataBirdDataGen opère ce bootcamp Analytics Engineering en collaboration avec DataBird et touche une commission sur les inscriptions. 🙂📚 RESSOURCES- Le LinkedIn de Adèle- Le livre Radical Candor de Kim Scott- Pour recevoir le dossier sur les plus gros challenges des leaders data invités sur DataGen, s'inscrire à la newsletter ici🎬 CHAPITRES00:00 Qu’est-ce que Sweep ?02:03 Le parcours d’Adèle02:46 Le contexte data & IA à son arrivée 04:06 Chantier #1 : Stack05:59 Chantier #2 : Analytics07:36 Chantier #3 : Agents IA10:04 Orga de l’équipe Data & IA11:22 Leurs plus grosses difficultés14:38 Leurs prochaines étapes 15:12 Sa reco de contenu15:28 Ce qu’elle aime dans la data 🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER#218 - Fairly Made : Lancer le département Data d'une startup#176 - Agorapulse : Structurer le département Data d’une startup#132 - Joko : Lancer le département Data d'une startup👋 PLUS DE CONTENU DATA ?1/ Suivez-moi sur LinkedIn ici 🤳2/ Inscrivez-vous à la newsletter (synthèses, événements) ici 💌3/ Découvrez le podcast en format vidéo sur YouTube ici 📹🎙 SOUTENEZ LE PODCAST GRATUITEMENT1/ Abonnez-vous 🔔2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰 Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Mathias is Head of Data for Marketing at N26, the Berlin-based neobank valued at over $9 billion. He joined as a Senior Data Analyst in May 2020 and has since scaled the team to 12 people.We cover :🔥 His journey to becoming Head of Data for Marketing at N26🔥 His main projects: Marketing Mix Modeling, User Value Modeling, Data Governance & Data Quality🔥 The data stack at N26: AWS, Snowplow, dbt, Redshift, Metabase…🔥 His main challenges: scale-up volatility and the classic imposter syndrome📚 RESOURCES- Mathias’s LinkedIn profile- The book of Zhamak Dehghani Data Mesh : Delivering Data-Driven Value at Scale- The book of Joe Reis & Matt Housley Fundamentals of Data Engineering: Plan and Build Robust Data- The book of Gene Kim, Kevin Behr and George Spafford The Phoenix Project- The book of Gene Kim The DevOps Handbook- The book of Gene Kim The Unicorn Project- The book of Gene Kim, Jez Humble and Nicole Forsgren PhD Accelerate🎬 CHAPTERS00:00 Introduction to N2603:25 How he became Head of Data for Marketing at N2610:49 1st project: implementing a Marketing Mix Model17:36 2nd project: building a User Value Model20:57 3rd project: Data Governance & Quality23:37 The data stack at N2625:16 The biggest challenges29:29 What’s next: decision automation31:11 Mathias’s favorite resources32:14 Why he loves working in data🤩 OTHER EPISODES YOU SHOULD LOVE🇺🇸 #114 - BlaBlaCar : Managing 50 Data People with Manu, VP Data🇺🇸 #106 - Aircall: Adapting the Data Strategy to the slowing economic environment🇺🇸 #96 - Deezer : How I restructured the Business Analytics team and made it more Business-Focused 👋 MORE DATA CONTENT?1/ Follow me on LinkedIn here 🤳2/ Sign up for the newsletter (summaries, events) here 💌3/ Check out the podcast in video format on YouTube here 📹🎙 SUPPORT THE PODCAST FOR FREE1/ Subscribe 🔔2/ Leave a 5 stars review on Apple Podcasts here 🥰 Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Nicolas Mauti est Staff MLOps Engineer chez Malt, où il a été le premier MLOps de l’équipe. Malt c’est la plateforme leader du freelancing en Europe, qui met en relation des freelances avec des entreprises.Dans cet épisode, Nicolas revient sur son principal défi de ces dernières années : mettre en place et structurer une approche MLOps chez Malt, dans un contexte déjà mature côté data, puis l’adapter à l’arrivée massive des IA génératives.On aborde :🔥 Le profil de Nicolas et le contexte chez Malt qui nécessite un rôle MLOps🔥 Les fondations MLOps chez Malt : feature store, rationnalisation des pipelines ML, CI/CD & monitoring🔥 L’évolution du besoin MLOps avec l’arrivée des IA génératives🔥 La stack technique de Malt et les prochaines étapes de l’équipe📚 RESSOURCES- Le LinkedIn de Nicolas- Le blog Malt Engineering sur Medium- La communauté MLops- Pour recevoir le dossier sur les plus gros challenges des leaders data invités sur DataGen, s'inscrire à la newsletter ici🎬 CHAPITRES00:00 Le parcours de Nicolas03:41 Le contexte à son arrivée05:14 Chantier #1 : Centralisation des features (aka Feature Store)08:05 Chantier #2 : Optimisation des pipelines ML et CI/CD10:34 Chantier #3 : Monitoring & alerting16:01 Comment l'arrivée des GenAI impacte les besoins MLOps18:39 Le premier projet LLMOps24:22 L’acculturation des équipes Engineering29:58 Leur stack MLOps34:20 Leurs prochaines étapes35:56 Sa recommandation de contenu36:54 Son meilleur conseil🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER#170 - Leboncoin : De la Data Science au ML Engineering#211 - Brevo : Mettre en place une approche DataOps#234 - Malt : Déployer des assistants IA à l’échelle👋 PLUS DE CONTENU DATA ?1/ Suivez-moi sur LinkedIn ici 🤳2/ Inscrivez-vous à la newsletter (synthèses, événements) ici 💌3/ Découvrez le podcast en format vidéo sur YouTube ici 📹🎙 SOUTENEZ LE PODCAST GRATUITEMENT1/ Abonnez-vous 🔔2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰 Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Christophe Blefari est le créateur de la newsletter data blef.fr la plus connue en France. Il a été Head of Data, Head of Data Engineering et Staff Data Engineer dans des startups comme des grands groupes et est selon moi l'un des plus grands experts data en France. Récemment, il a cofondé nao Labs, un éditeur de code à destination des équipes data qui utilise l'IA.On aborde :🔥 La stratégie derrière la fusion Fivetran x dbt : créer un centre de gravité plus gros pour concurrencer les mastodontes🔥 L'impact sur les équipes Data : frustration de la communauté open source, positionnement enterprise…🔥 L’approche "one-stop shop” avec des rachats probables à venir (data catalog, orchestrateur…)🔥 Les news de dbt Coalesce : Open Semantic Interchange, Metric Flow en Open Source…💪 DEVENIR ANALYTICS ENGINEER AVEC DATABIRD ET DATAGENOn a lancé un bootcamp spécialisé sur l’Analytics Engineering en collaboration avec DataBird.📚 Découvrir le programme du bootcamp ici🎙 Regarder l’épisode 151 Devenir Analytics Engineer en 6 semaines avec DataBirdDataGen opère ce bootcamp Analytics Engineering en collaboration avec DataBird et touche une commission sur les inscriptions. 🙂📚 RESSOURCES- Le LinkedIn de Christophe- Sa newsletter blef.fr- Sa boîte nao- L'article “Build Your Own Database”🎬 CHAPITRES00:00 Fusion dbt x Fivetran06:18 La stratégie du côté de dbt09:44 La stratégie du côté de Fivetran12:54 L’impact sur les équipe Data19:44 Quelles seront les synergies ?22:41 Les news clés de dbt Coalesce24:55 Sa ressource préférée🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER#231 - On décrypte avec Blef : Sommets Snowflake et Databricks, ClickHouse, DuckDB, BigQuery #224 - Blef a passé 3 mois chez Y Combinator aux US#186 – On compare dbt & SQLMesh avec Christophe Blefari (aka Blef)👋 PLUS DE CONTENU DATA ?1/ Suivez-moi sur LinkedIn ici 🤳2/ Inscrivez-vous à la newsletter (synthèses, événements) ici 💌3/ Découvrez le podcast en format vidéo sur YouTube ici 📹🎙 SOUTENEZ LE PODCAST GRATUITEMENT1/ Abonnez-vous 🔔2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰 Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Bastien Caunègre est Head of Data Platform chez Ornikar. La scale-up qui a dépoussiéré l'auto-école en la rendant 100% en ligne et qui s’est récemment lancée dans l’assurance auto. Arrivé comme premier Analytics Engineer, il a déployé l’approche Analytics Engineering chez Ornikar et pilote aujourd’hui l’équipe Data Platform.On aborde :🔥 Les 1ères initiatives : CI/CD dbt, FinOps, naming conventions🔥 La construction d’un Semantic Layer dans dbt pour centraliser les métriques🔥 La structuration d’une gouvernance pour accompagner l’équipe Analytics (standards sur Notion, building committee…)🔥 Leur usage des GenAI et de l’automatisation : Dust pour le self-service analytics, n8n pour les workflows sur Git💪 DEVENIR ANALYTICS ENGINEER AVEC DATABIRD ET DATAGENOn a lancé un bootcamp spécialisé sur l’Analytics Engineering en collaboration avec DataBird.📚 Découvrir le programme du bootcamp ici🎙 Regarder l’épisode 151 Devenir Analytics Engineer en 6 semaines avec DataBirdDataGen opère ce bootcamp Analytics Engineering en collaboration avec DataBird et touche une commission sur les inscriptions. 🙂📚 RESSOURCES - Le LinkedIn de Bastien- La newsletter Blef.fr- Pour recevoir les 100+ ressources préférées des Head of Data invités sur DataGen, s'inscrire à la newsletter ici🎬 CHAPITRES0:00 Son parcours02:23 L’orga de l’équipe Data02:56 L’approche Analytics Engineering05:00 Les 1ères actions12:01 La gouvernance13:41 Semantic Layer dans dbt19:29 Intégration de Dust24:32 Automatisations avec n8n26:25 Next steps26:56 Sa reco de contenu27:37 Son meilleur conseil🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER #225 - Qover : Structurer son Data Warehouse & Modéliser ses Données (dbt, Médaillon…)#216 - Datadog : Adopter une approche Analytics Engineering et Self-Service#154 - Doctolib : Adopter une approche Analytics Engineering et Self-Service👋 PLUS DE CONTENU DATA ?1/ Suivez-moi sur LinkedIn ici 🤳2/ Inscrivez-vous à la newsletter (synthèses, événements) ici 💌3/ Découvrez le podcast en format vidéo sur YouTube ici 📹🎙 SOUTENEZ LE PODCAST GRATUITEMENT1/ Abonnez-vous 🔔2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰 Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Colin is the co-founder & CEO of Omni, the Business Intelligence tool that has seen rapid adoption over the past years. By 2025, Omni had raised $69 million and reached a valuation of $650 million. Many data leaders are now choosing to abandon their traditional BI tools in favor of Omni.We address :🔥 Why Colin left his role as VP of Product at Looker to build a new BI tool🔥 The Omni vision: reconciling enterprise BI governance with the flexibity of Excel and SQL🔥 AI for Analysis (”chat with your data”): what Omni did differently in its Semantic Layer to make it work🔥 The future of Data teams when anyone can do complex analyses in minutes❤️ SPONSORThis episode is made possible by Omni, the next-generation BI platform already used by many companies (Brevo, Photoroom, etc.).👉 Discover the demos📚 RESOURCES- Colin's LinkedIn- Jason Lemkin’s SaaStr blog- Dave Kellog’s Kellblog blog- Demos on the Omni website (Build in Public)🎬 CHAPTERS00:00 Colin’s career path01:37 Omni’s initial vision05:07 From Looker to Omni09:42 Why data leaders choose Omni15:53 AI for Analysis (”Chat with your data”): what Omni did differently in its Semantic Layer to make it work20:12 “Building in public” at Omni24:36 The evolution of data teams30:58 The specifics of the French market32:30 Colin’s resource recommendations33:13 What he likes most about data🤩 OTHER EPISODES YOU SHOULD LOVE#236 - Photoroom : Déployer une stratégie GenAI pour l’analytics et x15 sa vitesse de delivery#192 - Gorgias : Mettre en place une approche Self-Service Analytics grâce aux IA Génératives #184 - Brevo : Mettre en place de l’embedded analytics dans le Produit👋 MORE DATA CONTENT?1/ Follow me on LinkedIn here 🤳2/ Sign up for the newsletter (summaries, events) here 💌3/ Check out the podcast in video format on YouTube here 📹🎙 SUPPORT THE PODCAST FOR FREE1/ Subscribe 🔔2/ Leave a 5 stars review on Apple Podcasts here 🥰 Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Voici le bilan 2025 et les nouveaux projets de 2026 pour DataGen ! 🔥🎬 CHAPITRES00:00 Intro01:25 Les performances03:20 Le top 3 épisodes05:06 Le chiffre d'affaires07:49 Grosse news10:39 Update perso🤩 LE TOP 3 DE 2025#179 - dbt : L’outil le plus adopté ? ⚙️#196 - Monter l’équipe GenAI d’une licorne#183 - BlaBlaCar : Adopter une approche “Staff” dans l’équipe Data👋 PLUS DE CONTENU DATA ?1/ Suivez-moi sur LinkedIn ici 🤳2/ Inscrivez-vous à la newsletter (synthèses, événements) ici 💌3/ Découvrez le podcast en format vidéo sur YouTube ici 📹🎙 SOUTENEZ LE PODCAST GRATUITEMENT1/ Abonnez-vous 🔔2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰 Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Angélique Bidault-Verliac est Chief Data & Performance Officer chez SNCF Connect & Tech, la filiale digitale de SNCF Voyageurs. Avant ça, elle était Chief Data Officer chez OUI.SNCF depuis 2018, ce qui lui donne un solide recul sur les enjeux data du groupe. Elle revient sur la stratégie data menée ces 4 dernières années.On aborde :🔥 Chantier #1 : re-structurer l’architecture Cloud pour absorber 1,5 milliard de visites par an🔥 Chantier #2 : déployer un plan de gouvernance à l’échelle du groupe🔥 Chantier #3 : mettre la donnée à disposition en temps réel🔥 Leurs plus gros challenges : trouver une vision technologique commune et embarquer les métiers💪 VOUS AVEZ UN PROJET DATA ?DataGen a lancé un collectif de freelances data issus des plus belles boîtes (BlaBlaCar, Aircall, Critéo, Artefact, 55, Sunday...).Vous avez un projet data ? On a l'équipe qu'il vous faut : Head of Data, Data Analyst, Data Engineer, Data Scientist, etc.👉 Nous rencontrer ici📚 RESSOURCES- Le LinkedIn d'Angélique- Le film "The Creator" de Gareth Edwards- Pour recevoir Les plus gros challenges des leaders data invités sur DataGen, s'inscrire à la newsletter ici🎬 CHAPITRES00:00 Leur orga03:00 Le contexte data 03:50 Chantier #1 : Achitecture Cloud 07:34 Chantier #2 : Gouvernance 10:55 Chantier #3 : Temps réel13:38 Cas d’usage : la “rétrainspective”15:45 Leurs 3 plus grosses difficultés22:25 Leurs prochaines étapes23:18 Sa ressource préférée24:23 Son meilleur conseil🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER#237 - ENGIE : Déployer la stratégie Data & IA dans l’Industrie#194 - Sanofi : Les 3 piliers de leur Stratégie Data & IA (cas d’usage, Data Mesh, Stack)#123 - Starburst : Accélérer l’accès au Data Lake et attaquer plusieurs sources en une requête👋 PLUS DE CONTENU DATA ?1/ Suivez-moi sur LinkedIn ici 🤳2/ Inscrivez-vous à la newsletter (synthèses, événements) ici 💌3/ Découvrez le podcast en format vidéo sur YouTube ici 📹🎙 SOUTENEZ LE PODCAST GRATUITEMENT1/ Abonnez-vous 🔔2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰 Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Matthieu Rousseau est un expert en Data Engineering, sur le sujet de la Modern Data Stack et notamment sur dbt. Il a monté Modeo, l’agence spécialisée sur l’IA et le Data Engineering (dbt, Snowflake, Airflow, DLT, Databricks...).On aborde :🔥 Les étapes clés pour mettre en place dbt : choix open source vs cloud, structuration des projets, orchestration et observabilité🔥 Les 5 avantages de l'outil : cadre de travail, time to market, qualité des données, self-service BI et intégration dans la stack🔥 Ses inconvénients : structuration complexe sur les gros projets, limitations du SQL et learning curve pour les Data Analysts🔥 Les conseils de Matthieu : documentation & tests dès le début, séparation logiques techniques/métiers, usage de librairies open source❤️ PARTENAIRECet épisode est rendu possible par Modeo, l’agence spécialisée sur l’IA et le Data Engineering (dbt, Snowflake, Airflow, DLT, Databricks...).👉 Découvrir leur guide pour mettre en place dbt : ici👉 Contacter Matthieu sur LinkedIn👉 Contacter Matthieu par mail : matthieu@modeo.ai📚 RESSOURCES- Le LinkedIn de Matthieu- Le blog Start Data Engineering- Le guide de Modeo pour mettre en place dbt : ici- Le blog de Modeo🎬 CHAPITRES00:00 Qu’est-ce que dbt ?01:41 Pourquoi l’outil est autant utilisé ?03:44 Les étapes clés08:29 Les avantages14:50 Les inconvénients17:30 Les conseils de Matthieu20:24 Ses ressources préférées🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER#203 - Masterclass | Mettre en place une Modern Data Stack avec Matthieu Rousseau#143 - Masterclass | Tout comprendre sur le DataOps avec Matthieu Rousseau#85 - Masterclass | Comprendre la Modern Data Stack avec Matthieu Rousseau👋 PLUS DE CONTENU DATA ?1/ Suivez-moi sur LinkedIn ici 🤳2/ Inscrivez-vous à la newsletter (synthèses, événements) ici 💌3/ Découvrez le podcast en format vidéo sur YouTube ici 📹🎙 SOUTENEZ LE PODCAST GRATUITEMENT1/ Abonnez-vous 🔔2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰 Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Victor Cumer est Data Engineering Team Lead chez Qonto, la solution bancaire en ligne pour les PME et les indépendants qui est aussi l'une des plus belles licornes françaises. Avant de rejoindre Qonto, Victor était Head of Data Platform chez Veepee, une autre licorne française.On aborde :🔥 L’objectif de Victor en arrivant : stabiliser et scaler la Data Platform🔥 Ses 4 chantiers clés : Observabilité, Data Contracts, Automatisation & Self-Service🔥 Les difficultés : faire adhérer la nouvelle vision à l’équipe, faciliter l’adoption des utilisateurs🔥 Les prochaines étapes : intégrer des solutions autour de la gouvernance des données💪 VOUS AVEZ UN PROJET DATA ?DataGen a lancé un collectif de freelances data issus des plus belles boîtes (BlaBlaCar, Aircall, Critéo, Artefact, 55, Sunday...).Vous avez un projet data ? On a l'équipe qu'il vous faut : Head of Data, Data Analyst, Data Engineer, Data Scientist, etc.👉 Nous rencontrer ici📚 RESSOURCES- Le LinkedIn de Victor- Le livre Deciphering Data Architectures de James Serra- Pour recevoir le dossier sur les plus gros challenges des leaders data invités sur DataGen, s'inscrire à la newsletter ici🎬 CHAPITRES00:00 Le contexte à son arrivée02:34 Objectif : Stabiliser la plateforme04:01 Chantier #1 : Observabilité07:12 Chantier #2: Data Contracts17:21 Chantier #3 : Automatisation21:06 Chantier #4 : Self-Service28:19 La stack chez Qonto31:33 Les plus grosses difficultés36:30 Les prochaines étapes38:43 Ses reco de contenu41:05 Pourquoi il aime la data🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER#225 - Qover : Structurer son Data Warehouse & Modéliser ses Données (dbt, Médaillon…)#211 - Brevo : Mettre en place une approche DataOps#84 - Veepee : Utiliser les Data Contracts pour scaler sa Data Platform👋 PLUS DE CONTENU DATA ?1/ Suivez-moi sur LinkedIn ici 🤳2/ Inscrivez-vous à la newsletter (synthèses, événements) ici 💌3/ Découvrez le podcast en format vidéo sur YouTube ici 📹🎙 SOUTENEZ LE PODCAST GRATUITEMENT1/ Abonnez-vous 🔔2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰 Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Thomas Pocreau est Staff Machine Learning Engineer chez BlaBlaCar, la licorne de covoiturage et de transport que tout le monde connaît.On aborde :🔥 Pourquoi ils ont adopté une approche Staff dans l’équipe Data🔥 La différence entre un Staff et un Senior🔥 2 exemples de projets Staff🔥 Les plus gros challenges de la création du poste❤️ PARTENAIRECe podcast est rendu possible par dbt Labs qui développe dbt, l’outil le plus mentionné sur le podcast.👉 Contacter Jeremy sur LinkedIn ou par mail : jeremy@dbtlabs.com👉 Demander une démo : https://bit.ly/40kXh8K📚 RESSOURCES- Le LinkedIn de Thomas- Le Machine Learning Rules Book de Google- The Staff Engineer's Path de Tanya Reilly🎬 CHAPITRES00:00 Générique00:43 Intro05:40 Le contexte08:13 Senior vs Staff11:06 1er projet : MLOps13:19 2ème projet : Analytics21:09 Le plus gros challenge de Thomas25:46 Les plus gros challenges de BlaBlaCar lors de la création du poste de Staff Data27:41 Les prochaines étapes pour l’approche staff chez BlaBlaCar29:07 Les questions de la fin (ressources, conseil)🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER#170 - Leboncoin : De la Data Science au ML Engineering#154 - Doctolib : Adopter une approche Analytics Engineering et Self-Service#150 - Back Market : Re-centraliser l’équipe et la stratégie Data (organigramme, stack…)🇬🇧 #114 - BlaBlaCar : Managing 50 Data People with Manu, VP Data💪 DEVENIR ANALYTICS ENGINEER AVEC DATABIRD ET DATAGEN On lance un bootcamp spécialisé sur l’Analytics Engineering en collaboration avec DataBird.📚 Découvrir le programme du bootcamp ici🎙 Ecouter l’épisode #151 Devenir Analytics Engineer en 6 semainesDataGen lance ce bootcamp Analytics Engineering en collaboration avec DataBird et donc touchera une commission sur les inscriptions. 🙂👋 PLUS DE CONTENU DATA ?1/ Suivez-moi sur LinkedIn ici 🤳2/ Inscrivez-vous à la newsletter (synthèses, événements) ici 💌3/ Découvrez le podcast en format vidéo sur YouTube ici 📹🎙 SOUTENEZ LE PODCAST GRATUITEMENT1/ Abonnez-vous 🔔2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰 Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Samya est Generative AI Research Lead chez Pigment, la nouvelle licorne française qui a levé +230 millions de dollars.On aborde :🔥 La genèse de l’équipe GenAI et sa stratégie🔥 Deux exemples de projets GenAI appliqués au Produit🔥 L’organisation de l’équipe et leur architecture technique (OpenAI, LangChain, Langfuse…)🔥 La plus grosse difficulté : trouver le bon équilibre performance x latence💪 VOUS AVEZ UN PROJET DATA ?DataGen a lancé un collectif de freelances data issus des plus belles boîtes (BlaBlaCar, Aircall, Critéo, Artefact, 55, Sunday...).Vous avez un projet data ? On a l'équipe qu'il vous faut : Head of Data, Data Analyst, Data Engineer, Data Scientist, etc.👉 Nous rencontrer📚 RESSOURCES- Le LinkedIn de Samya- L'épisode DeepSeek, China, OpenAI, NVIDIA, xAI, TSMC, Stargate, and AI Megaclusters du podcast de Lex Fridman- La newsletter AlphaSignal🎬 CHAPITRES00:00 Pigment en deux mots01:53 Le parcours de Samya03:47 La genèse de l’équipe GenAI et leur stratégie06:33 Les 2 exemples de projets08:14 L’organisation de l’équipe11:17 L'architecture technique (OpenAI, LangChain, Landfuse…)16:53 Leur plus grosse difficulté : l’équilibre performance x latence22:25 Leurs prochaines étapes25:21 Les dernières questions (recommandations, conseil)🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER#159 - Malt : Mettre en place un assistant IA (Dust, Gemini…)#148 - Ledger : Leurs 6 projets GenAI en production#146 - L’Oréal : Mettre en place une Stratégie IA Génératives#127 - Doctolib : Déployer une stratégie IA Générative 👋 PLUS DE CONTENU DATA ?1/ Suivez-moi sur LinkedIn ici 🤳2/ Inscrivez-vous à la newsletter (synthèses, événements) ici 💌3/ Découvrez le podcast en format vidéo sur YouTube ici 📹🎙 SOUTENEZ LE PODCAST GRATUITEMENT1/ Abonnez-vous 🔔2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰 Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Jeremy Cohen est Principal Product Manager chez dbt, la solution de transformation souvent mentionnée sur le podcast. On en a parlé avec des 10aines de boîtes : BlaBlaCar, Doctolib mais aussi des plus grosses boîtes comme Decathlon.🎬 CHAPITRES00:00 Générique00:32 Intro03:27 La genèse de dbt08:51 dbt aujourd’hui14:54 Ses facteurs de succès17:13 L’impact de la GenAI sur dbt21:19 Les autres tendances : Iceberg, accessibilité, Semantic Layer28:02 Les questions de la fin (ressources, conseil)❤️ PARTENAIRECe podcast est rendu possible par dbt Labs qui développe dbt, l’outil le plus mentionné sur le podcast.👉 Contacter Jeremy sur LinkedIn ou par mail : jeremy@dbtlabs.com👉 Demander une démo : https://bit.ly/40kXh8K📚 RESSOURCES- Le LinkedIn de Jeremy Cohen- Le Roundup de dbt🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER#176 - Agorapulse : Structurer le département Data d’une startup#141 - On décrypte avec Blef : GenAI & Self-Service, Metric Tree, ClickHouse, progresser en tant que DE#129 - BlaBlaCar : Scaler l’impact de l'équipe Data Engineering💪 DEVENIR ANALYTICS ENGINEER AVEC DATABIRD ET DATAGEN On lance un bootcamp spécialisé sur l’Analytics Engineering en collaboration avec DataBird.📚 Découvrir le programme du bootcamp ici🎙 Ecouter l’épisode #151 Devenir Analytics Engineer en 6 semainesDataGen lance ce bootcamp Analytics Engineering en collaboration avec DataBird et donc touchera une commission sur les inscriptions. 🙂👋 PLUS DE CONTENU DATA ?1/ Suivez-moi sur LinkedIn ici 🤳2/ Inscrivez-vous à la newsletter (synthèses, événements) ici 💌3/ Découvrez le podcast en format vidéo sur YouTube ici 📹🎙 SOUTENEZ LE PODCAST GRATUITEMENT1/ Abonnez-vous 🔔2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰 Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.