Just a Click

Terry Michel

Dans Just a Click, celles et ceux qui construisent des produits tech racontent leurs décisions. Les bonnes comme les mauvaises, et les leçons à en tirer.

—

🎙SOUTENEZ LE PODCAST GRATUITEMENT

1. Abonnez-vous 🔔

2. Suivez-moi sur les réseaux

3. Laissez des étoiles sur votre plateforme d'écoute (⭐)

—

Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Play

Open in

24 episodes
weekly
Avg 56 min
French

Episodes 24

Newest Oldest Longest

All20 Unplayed20 In progress0 Played0

Counted on this page — what you have heard stays on this device, so it is not something the list can be paged by.

Monday · 1 hr 13 min
Pourquoi les product managers d'OpenAI ont arrêté les maquettes, Katia Gil Guzman
Katia Gil Guzman travaille dans l’équipe Developer Experience d’OpenAI, dont le rôle est de pousser les produits et modèles dans leurs limites, puis d’aider les builders à les utiliser au mieux. Katia a été software engineer chez Microsoft, elle a monté sa propre startup, puis a travaillé chez Stripe comme solution architect avant de rejoindre OpenAI. Si vous construisez des produits tech, cette conversation vous aidera à comprendre ce que l'IA change dans votre workflow produit et engineering. Enregistré en septembre 2026, l’échange pose des repères concrets sur le context engineering, les skills, le coût des tokens, la place des PM, et les nouvelles compétences à développer quand le code devient beaucoup plus accessible. Katia explique : Pourquoi les product managers d'OpenAI prototypent directement dans le code maintenant que construire ne coûte presque plus rien. Comment utiliser les skills pour encoder le jugement d'une équipe et permettre à des PM de travailler dans le repo sans tout casser. Comment arbitrer entre un modèle puissant et un modèle plus petit pour garder le coût en tokens sous contrôle. L'avantage d'être un junior aujourd'hui quand le "taste" et l'ambition comptent plus que l'expérience accumulée. Timeline : 00:00 La construction de produits à l’ère des LLM 04:05 Persona types de Codex, ambition de ChatGPT Work et notion de harnais 07:57 Automatiser les demandes Slack et les PR avec Codex 11:24 Gérer le coût des tokens et choisir entre Astra et Luna 18:27 Context engineering dans un travail solo ou en équipe 22:24 AGENTS.md et skills dans un repo de code 27:59 Appeler des skills automatiquement et transformer un screenshot en composant HTML 32:01 Pourquoi les product managers codent directement dans le produit 36:35 Le rôle des product managers quand les ingénieurs peuvent tout prototyper 41:14 Écrire sans AI slop avec des skills de style personnels 46:57 ChatGPT Work pour les présentations, les documents et les tâches personnelles 51:28 Ce que les équipes produit et tech sous-estiment encore 55:28 UI générative, agents et nouveaux critères de réussite produit 1:00:20 Alignement des modèles et limites à ne pas franchir 1:03:46 Faire découvrir les fonctionnalités et les faire adopter 1:09:31 Pourquoi les juniors ne sont pas les perdants de cette transformation Référence : L'article sur l'incident Hugging Face avec OpenAI. — 💼 Vous souhaitez travailler avec moi ? Découvrez mes services ici. — Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.
September 14 · 57 min
Construire un produit AI-native : le playbook, les ratés et la réorganisation des équipes, Pauline Marol
Pauline Marol a rejoint PlayPlay en 2018 comme première PM / Head of Product. Aujourd'hui elle occupe le poste de CPTO et elle est en charge d'environ cinquante personnes à la tech et au produit. PlayPlay c'est un SaaS B2B de création vidéo pour les équipes communication et marketing. Dans cet échange, Pauline me partage ses apprentissages sur la construction d'un produit AI-native. On y parle de dépendance aux modèles, qualité des outputs, coûts en tokens, roadmaps moins prévisibles, nouveaux critères d’évaluation, et impact très concret sur l’organisation produit. Elle explique : La différence entre un produit AI-powered et un produit AI-native. Pourquoi l’exploration d’un produit agentique n’a pas pris au départ. Ce que le débat sur les “wrappers” rate souvent : la valeur se joue dans le choix des modèles, l’enchaînement des prompts système, la couche d’expérience, et l’expertise métier injectée entre l’input utilisateur et l’output final. Pourquoi PlayPlay a appris à ne plus annoncer certaines roadmaps trop tôt. L'importance des fondamentaux du produit. La nouvelle discipline économique des features IA : PlayPlay suit désormais l’usage, la consommation de tokens, le coût facturé, les coûts R&D et l’impact dans Salesforce sur les nouveaux contrats et les renouvellements. L’impact organisationnel : pourquoi les squads classiques ne suffisent pas toujours pour l’AI-native, comment les rôles PM, QA, team lead et dev évoluent. Timeline : 00:00 Présentation de Pauline et de Playplay 02:38 Différence entre un produit AI-powered et un produit AI-native 06:49 Pourquoi l’approche agentique n’a pas pris chez Playplay 10:23 Partir des modèles de génération d’images pour lancer Playplay Design 14:44 Pourquoi le carousel a été abandonné en cours de route 19:01 Passer des features à l’édition de visuels 22:07 Pourquoi le terme wrapper est réducteur 25:17 Mesurer les coûts tokens et le ROI produit 31:14 Le playbook AI-native construit à partir des produits AI-powered 34:46 Vibe checking, dataset et critères d’évaluation 38:27 Construire la tuyauterie avant le front-end 44:06 Positionnement premium, bêta et accompagnement client 49:43 Réorganiser les squads et les rôles autour de l’IA 53:09 Garder les métiers de la tech et rester humain 55:33 Product Builder, PM AI-natifs : apprendre l’IA en faisant — 💼 Vous souhaitez travailler avec moi ? Découvrez mes services ici. — Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.
September 7 · 1 hr 10 min
Décider sans avoir le P&L : pourquoi le produit n'appartient pas au CPO, François de Bodinat
François de Bodinat a travaillé près de dix ans chez Dassault Systèmes entre les États-Unis et le Japon, avant de fonder Givted puis il est passé par Amazon Advertising avant de devenir CMO/CPO chez ZeroLight et CPO chez Younited. Il a publié Leading Product: The Hard Trade-Offs en mars 2026 et a rejoint Oliver Wyman en avril 2026 comme Managing Director, Product and Assets. Il est basé en Angleterre. Durant cette conversation, François ramène du vrai et du concret dans ce qu'est le rôle d’un CPO, loin de son image fantasmée. À l’heure où l’IA générative rend les prototypes plus rapides, François nous rappelle les fondamentaux du product management : choisir quoi construire, pourquoi, pour qui, avec quel impact business, et comment aligner une organisation sans se cacher derrière le jargon produit. Il explique : Pourquoi le CPO ne “possède” pas le produit. Les limites du product trio isolé : François explique pourquoi les décisions produit importantes nécessitent souvent bien plus que le product manager, engineering manager et product designer. Le leadership par exposition : faire monter des Heads of Product en COMEX, leur laisser porter leur expertise, et assumer soi-même le risque si la discussion se passe mal. Décider, c’est aussi décevoir : François insiste sur le temps passé à expliquer ce qui ne sera pas fait, pourquoi les ressources sont limitées, et comment garder l’alignement après un choix difficile. IA générative et mythe du product builder : le vibecoding aide à explorer et prototyper mais ne remplace ni l’ingénierie nécessaire pour un produit vendable et sécurisé, ni le travail business et marketing. La notion d'Impact Market Fit et pourquoi le Product Market Fit ne suffit plus. Timeline : 00:00 Le parcours de François, du développement logiciel au CPO 06:20 Pourquoi le livre met en avant les échecs et les apprentissages 10:06 Le produit n’appartient pas au CPO 13:03 Plusieurs types d’ownership et un travail de co-ownership 16:37 Comment relier l’impact produit au P&L 19:53 Le mythe du product builder à l’ère de l’IA 23:27 L’équipe produit comme gardienne de l’expérience client 27:32 Faire monter les heads of product au COMEX 35:02 Les choix qui déçoivent toujours quelqu’un 39:23 Trop de demandes, pas assez de ressources 42:54 Le retour du product marketing face au product builder 47:40 Copier la stratégie ne suffit pas, il faut le contexte 50:03 L’Impact Market Fit 52:31 La puissance de l’ignorance dans un nouveau poste 57:39 Arriver humblement et gagner des quick wins 1:02:12 Revenir aux fondamentaux du produit sans jargon 1:06:15 Ce qui nourrit François au quotidien Si cette conversation vous a plu, n'hésitez pas à le dire à François sur LinkedIn. Vous pouvez également jeter un oeil à son livre Leading Product: The Hard Trade-Offs. *François parle en son nom propre. Ses propos n'engagent pas son employeur. **All views expressed are François' own and not those of his employer. --- — 💼 Vous souhaitez travailler avec moi ? Découvrez mes services ici. — Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.
August 31 · 1 hr 4 min
Le manager que vous venez de promouvoir n'a jamais appris à manager, Caroline Ramade
Caroline Ramade travaille depuis une vingtaine d’années dans la tech. Ancienne co-CDO de la Mairie de Paris, elle a dirigé Willa, incubateur dédié aux femmes entrepreneures, puis a été CEO de 50inTech pendant plus de six ans, où elle a créé une grande communauté européenne de femmes dans la tech et une plateforme de sourcing et recrutement pour les entreprises tech. Elle dirige aujourd’hui les activités françaises de Q7 Leader et accompagne des CEO, leaders et équipes people, notamment avec la PNL. Manager en hypercroissance demande autre chose que d’être excellent techniquement. Cette conversation aide à résoudre un problème très concret : comment donner du cadre, du feedback, de la reconnaissance et de l’équité quand les priorités bougent vite. Caroline partage des rituels de management, des alertes sur la transparence en startup, et un regard précis sur la rétention des femmes dans la tech, encore plus critique à l’ère de l’IA. Vous découvrirez (entre autres) : Pourquoi Caroline considère que beaucoup de managers tech ne savent pas faire : ils sont souvent promus pour leurs compétences techniques, alors que leur rôle demande surtout des attentes claires, du feedback, de la reconnaissance et du support. Le one-on-one comme hygiène de management : une demi-heure toutes les deux semaines, un template partagé, un suivi des bloqueurs, un vrai pulse émotionnel, et un espace où la sécurité psychologique est explicitement posée. Comment garder du cadre dans l’hypercroissance : Caroline recommande une North Star, des OKR ou des SMART goals sur un trimestre, puis des revues régulières pour distinguer ce qui relève du contexte, de l’organisation ou de l’équipe. La transparence sans panique : dire ce qu’on sait, ce qu’on ne sait pas, et les conditions de réussite de l’entreprise, sans transformer les équipes en réceptacle permanent du stress du CEO. La frontière entre équipe et “famille” en startup : Caroline critique les cultures qui glorifient le sacrifice, les week-ends imposés et les “brilliant jerks”, et défend une équipe construite sur les compétences, la responsabilité et le collectif. Ce que les évaluations mal cadrées produisent pour les femmes dans la tech : biais dans la lecture de la performance et du potentiel, manque de perspectives de carrière, dépendance excessive au manager et besoin de frameworks communs pour réduire l’arbitraire. Pourquoi le sujet devient stratégique avec l’IA : Caroline insiste sur le risque de reproduire les biais existants si les femmes restent sous-représentées dans les équipes qui conçoivent les outils et les produits de demain. Découvrez son podcast Beautiful People sur Apple Podcast ou Spotify. Timeline 00:00 Parcours de Caroline Ramade, de la Mérite. De Paris à Fifteen Tech et Q7 Leader 03:57 Pourquoi des managers de la tech se retrouvent en difficulté en hypercroissance 06:54 Feedback, reconnaissance et one-on-one comme base du management 12:04 Comment structurer un one-on-one régulier et sécurisant 16:19 OKR, priorités stables et routine de suivi dans une boîte qui change vite 20:41 Transparence, vulnérabilité du leader et niveau d’information à partager 24:41 Runway, levées de fonds et honnêteté avec les équipes 28:53 Manager pendant une levée de fonds et une crise personnelle 33:04 Pourquoi une startup n’est pas une famille mais une équipe 37:35 Rétention des femmes dans la tech et biais dans l’évaluation annuelle 41:06 Le people Model Canva pour fixer les attentes sur un rôle 44:08 Trois réflexes pour réduire les biais quand on manage des femmes dans la tech 49:09 Computer Girls, Hidden Figures et les rôles modèles féminins en tech 53:42 Développer des lines manageriales et coacher les coachs 57:23 Pourquoi les CEO doivent s’assurer d’avoir les bons people et les bonnes compétences — 💼 Vous souhaitez travailler avec moi ? Découvrez mes services ici. — Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.
July 22 · 45 min
Comment une PM ex-Algolia a construit son propre coach IA, Marie-Laure Thuret
La plupart des gens utilisent l'IA générative pour produire plus vite. Marie-Laure Thuret l'utilise pour devenir une meilleure PM. Automatiser une tâche, c'est gagner du temps en one-shot. Progresser dans sa pratique, c'est en gagner sur la durée. C'est pour parler de cette approche que j'ai eu le plaisir de recevoir Marie-Laure, ingénieure devenue PM sur le podcast. Marie-Laure a vécu la croissance chez Algolia de l'intérieur (de 50 à 800 personnes) avant de rejoindre Evy et de co-fonder Tigo Labs. Aujourd'hui AI Product Leader & Builder, Marie-Laure utilise l'IA générative pour augmenter sa pratique produit. Elle s'est construit un coach IA qui relit ses appels clients à travers The Mom Test ou les Opportunity Solution Trees, et lui dit ce qu'elle a bien fait et ce qu'elle aurait pu mieux faire. Dans cet épisode, elle explique : Comment elle a bâti son personal OS : une couche d'automatisation, une couche de supervision. Ce que l'IA lui fait réellement gagner (80 % du travail autour des interviews clients) et ce qu'elle ne remplace pas. Pourquoi la vraie prochaine avancée des LLM sera, selon elle, de savoir s'arrêter. Bonne écoute ! — 💼 Vous souhaitez travailler avec moi ? Découvrez mes services ici. — Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.
July 20 · 51 min
Ce qu'un PM a appris en livrant pour 7 millions d'abonnés, Pierre Verdu
L'IA générative accélère toute la phase de discovery : interviews, synthèse, prototypes. Ce qui prenait des semaines prend des heures. Alors, pourquoi autant d'équipes produit continuent de la sauter ? Car elles confondent construire vite avec construire la bonne solution. La vitesse ne sert à rien si elle répond au mauvais problème. C'est pour parler de méthode produit que j'ai eu le plaisir de recevoir Pierre Verdu, ex entrepreneur (Prizm) et ex lead PM chez Free. Quand Pierre était chez Free, Xavier Niel lui a demandé de créer un Wi-Fi sans bande 5GHz, pour rester pas cher. Mais, quand il est allé chercher la data, 50% des utilisateurs étaient sur cette bande : ils l'ont quand même mise dans le répéteur. Cet exemple rappelle l'importance de comprendre l'intention derrière une demande, et la discipline produit nécessaire pour y répondre. Dans cet épisode, Pierre explique : L'importance de la discovery pour vérifier que l'on répond au bon problème. Comment une mauvaise décision produit non testée peut te coûter très cher. Ce que la GenAI permet d'accélérer, et où l'humain reste indispensable. Bonne écoute ! — 💼 Vous souhaitez travailler avec moi ? Découvrez mes services ici. — Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.
July 14 · 54 min
Commerce agentique : combien parier sur un canal qui ne pèse encore rien, Anne-Claire Baschet
Fin 2027, le trafic des agents dépassera le search classique. La vraie question n'est pas d'y croire ou non. C'est de décider, maintenant, combien tu investis pour être trouvable par des agents qui ne pèsent presque rien dans ton trafic aujourd'hui. Ce scénario est celui que défend Anne-Claire Baschet, Chief Data & AI officer chez Mirakl. Mirakl, c'est l'infrastructure invisible qui fait tourner le e-commerce de grands retailers et marques internationales. Anne-Claire est venue décrypter l'état réel du commerce agentique et les décisions qu'il impose déjà. Elle explique : Les quatre étapes du commerce agentique et l'état actuel du marché. Comment penser sa stratégie d'exposition aux LLMs. La place du SEO face à l'optimisation pour les moteurs de réponse d'IA génératives (GEO/AEO). Pourquoi les conversational attributes deviennent critiques pour aider l'agent IA à comprendre les usages, les situations, les contraintes et même des informations visuelles que l'humain déduit d'une image. L'importance de tester vite sur le core business plutôt que sur des cas marginaux à faible ROI. — 💼 Vous souhaitez travailler avec moi ? Découvrez mes services ici. — Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.
June 29 · 47 min
Product marketing early stage : partez du terrain, pas du produit, Elena Souiller-Fedorenkova
Elena Souiller-Fedorenkova est la Chief Marketing Officer de KNAVE, une FinTech de paiement à l'usage. Elle est venue sur le podcast pour expliquer comment poser les bases du product marketing en early stage : valider le terrain avant de construire et savoir présenter une solution complexe sans diluer la marque. Dans cet épisode, elle explique : L'erreur classique : développer un produit abouti avant d'avoir prouvé que le marché paiera. Travailler avec des design partners sans leur céder le pricing ni le positionnement. Pourquoi le SaaS de KNAVE est fourni gratuitement et comment ancrer un prix dans des points de référence connus. Comment retravailler son positionnement pour chaque verticale : automobile, instruments de musique, robots de service. Où l'IA augmente le métier du PMM et où l’humain reste irremplaçable. Bonne écoute ! — 💼 Vous souhaitez travailler avec moi ? Découvrez mes services ici. — Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.
June 25 · 1 hr 5 min
Agents IA : pourquoi 80% de fiabilité ne suffira jamais, Patrick Joubert
Les agents IA dépassent rarement 80-85 % de fiabilité et dans certains contextes (finance, logistique) ce n’est tout simplement pas acceptable. Patrick Joubert, multi-entrepreneur installé à San Francisco et cofondateur de Rippletide, explique ce qui manque pour franchir ce cap : une couche d'infrastructure qui valide chaque décision avant qu'elle ne déclenche une action. À partir de cas concrets (service client, réassort logistique, rapports quotidiens), il montre pourquoi un simple RAG atteint vite ses limites, et comment une approche déterministe fondée sur des ontologies et une base graphe permet de les dépasser. Patrick partage aussi son regard sur les agents IA, le coût réel des tokens et le futur du logiciel, dans un monde où l'agent devient un nouveau point d'entrée vers les applications. Dans cet épisode vous découvrirez (entre autres) : La différence entre un workflow déterministe et un workflow agentique. Comment faire pour qu’un agent valide sa décision contre un référentiel métier, puis révise l'action prévue avant exécution. Pourquoi contrôler en priorité les actions irréversibles : remboursement, expédition, patch de production. L’importance d'avoir une couche sémantique capable d'intégrer des règles métier se trouvant dans des documents non structurés. Bonne écoute ! — 💼 Vous souhaitez travailler avec moi ? Découvrez mes services ici. — Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.
June 22 · 1 hr 11 min
État, industrie, finance : ce que les US exécutent pendant que l'Europe annonce, Alain Garnier
Si ton produit dépend d'une plateforme que tu ne contrôles pas, alors tu peux tout perdre du jour au lendemain. Alain Garnier l'a vécu : Jamespot a perdu 80 % de son trafic B2C en une nuit, à cause de sa dépendance à Google. 40 ans dans le numérique, fondateur bootstrap de Jamespot (50 personnes, 400 000 utilisateurs, zéro levée), engagé de longue date sur la souveraineté : Alain a vu de l'intérieur le décrochage européen mais il est aussi convaincu que celui-ci n'a rien d'une fatalité ! Dans cet épisode, il explique : Pourquoi la réussite libérale américaine est d'abord une décision d'État : PayPal, Tesla, SpaceX et l'alignement État-industrie-finance. En quoi notre dépendance aux GAFAM n'est pas qu'un sujet de qualité produit, mais de règles de marché, de commande publique et de financement. Le vrai décrochage tech français n'était pas technique (Minitel, web, Arisem) mais politique. Comment sortir de notre dépendance aux logiciels américains. (00:00) Parcours tech et souveraineté (04:29) Minitel et web naissant (07:22) Les banques refusent la boîte (12:24) B2B contre B2C (16:01) Le décrochage de l’État (22:20) Cloud au centre et data centers (26:54) Le modèle Musk (31:47) Dépendance numérique européenne (38:22) Google coupe Jamespot (42:50) French Tech sur infras américaines (46:55) BPI sort de la stack américaine (50:09) La honte change de camp (53:01) Bootstrap ou levée de fonds (58:46) Passer aux outils européens (01:02:01) Limiter les géants (01:06:26) Lire, écouter, coder (01:09:25) Nouvelle génération tech — 💼 Vous souhaitez travailler avec moi ? Découvrez mes services ici. — Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.
June 15 · 1 hr 11 min
Une équipe produit qui shippe avec l'IA : ce que ça veut dire vraiment, Florian Bruniaux
Deux devs seniors qui font le travail de huit. Un profil produit qui n'avait jamais écrit une ligne de code et qui envoie ses pull requests en prod au bout d'une semaine. Un goulot d'étranglement qui se déplace des développeurs vers le produit. C’est ce qu’a vécu Florian Bruniaux, founding AI engineer chez Méthode Aristote, lorsqu’il a adopté l’IA à l’échelle. Et il m’a fait le plaisir de venir partager son retour d’expérience sur l'organisation tech & product IA qu'il a mise en place. Dans cet épisode, il explique : Pourquoi il a refusé le vibe coding au début afin de poser des bases saines, avant d'accélérer avec l'IA. Comment des hooks et des garde-fous lui ont permis de laisser un profil 100% produit pousser ses propres PR sans rien casser. Pourquoi son rôle s’est déplacé de la production de code vers l’outillage pour permettre aux non-tech de coder proprement. En quoi l’âge d’or des développeurs est révolu. — 💼 Vous souhaitez travailler avec moi ? Découvrez mes services ici. — Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.
June 8 · 57 min
Personal OS : ce qu'un product manager senior délègue à l'IA et ce qu'il refuse de lâcher, Lucas Cerdan
Tu as Cursor ou Claude ouvert quelque part. Tu as vu les démos, les playbooks IA sur LinkedIn, écouté des conférences. Et pourtant, six mois plus tard, ta semaine de PM ressemble encore à celle d'avant et tu portes la même charge mentale. Lucas Cerdan a 15 ans d'expérience dans le Product management. Il est passé par de très belles boîtes telles que Algolia (premier PM, jusqu'à plus de 800 personnes), Databricks, Datadog. Aujourd'hui il est Principal Product Manager chez Samsara, société B2B de plus de 6000 personnes spécialisée dans l'IoT et cotée en bourse. Il est aussi co-créateur de La Product Conf, la plus grande conférence product en France. Lucas a construit tout son parcours en tant que contributeur individuel et avec l'IA, il a complètement repensé sa façon de travailler autour de ce qu'il appelle son Personal OS. Dans cet épisode il explique : Comment le leadership de Samsara a accéléré l'adoption IA chez ses PMs : pas de prescription d'outils, juste enlever les barrières. Ce qu'il délègue à ses agents (extraction de tâches, premiers drafts, recherches transverses) et ce qu'il refuse de lâcher (la décision, le contact client, le craft de distribution). Pourquoi la distribution est l'élément différenciant en 2026 et ce que ça change pour la place du PM. Note : Le livre Who moved my cheese dont nous avons parlé en fin d'échange. — 💼 Vous souhaitez travailler avec moi ? Découvrez mes services ici. — Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.
June 1 · 47 min
De 15 à 90 % de fiabilité sur vos agents IA grâce au context engineering, Claire Gouze
Tes features IA en production ne donnent pas la fiabilité espérée et ton réflexe naturel c'est d'améliorer les prompts et complexifier le harness. Mais si le sujet était ailleurs ? Claire Gouze est la cofondatrice et CEO de nao Labs où elle construit le premier agent open source dédié à l'analyse de données. Sur ses propres agents, elle est passée de 15 % à 90 % de fiabilité grâce au context engineering. Dans cet épisode, elle explique : Pourquoi un agent qui échoue est souvent le reflet d'ambiguïtés que ton équipe n'a jamais clarifiées sur sa propre data. La méthode concrète pour mesurer la fiabilité d'un agent en production : tests unitaires, ordres de grandeur réalistes, et ce qu'il faut tester en priorité. Le shift de fond : passer d'un monde où l'on jugeait le code à un monde où l'on juge l'output, et ce que ça change dans notre façon de construire les produits. Pour recevoir mes analyses et ne pas manquer les prochains épisodes, pense à t'abonner à la newsletter sur justaclick.fr — 💼 Vous souhaitez travailler avec moi ? Découvrez mes services ici. — Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.
May 25 · 1 hr 2 min
Tokens, GPU, souveraineté : ce qu'il faut comprendre de l'IA pour bien décider, Jean-Philippe Fourès
Tu veux intégrer de l'IA dans ton produit mais plus tes utilisateurs s'en servent, plus ta facture grimpe et ta marge, elle, ne suit pas. Le modèle économique du SaaS classique ne survit pas tel quel à l'IA générative, et peu de décideurs produit ont vraiment regardé ce que ça change. Jean-Philippe Fourès est VP Product chez Iguane Solutions, où il déploie des modèles IA sur infrastructure dédiée pour des clients dans la banque, l'assurance et la santé. Venu de la tech et du Big Data, il fait le pont entre le fonctionnement réel de l'IA et ce que ça change pour tes arbitrages produit. Dans cet épisode, il explique : Le coût réel d'un token, et ce que ça implique pour une feature IA à l'échelle. Closed source, open-weight, modèle hébergé : comment choisir le bon modèle selon ton contexte. Pourquoi la vraie question de la souveraineté n'est pas le coût, mais qui peut lire tes données et ce que ton contrat avec un éditeur US ne te protège pas de faire. Comment un petit modèle spécialisé, réentraîné en quelques heures, peut battre un modèle frontière hors de prix. Pour retrouver la communauté Product Partners c'est par là. — 💼 Vous souhaitez travailler avec moi ? Découvrez mes services ici. — Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.
May 18 · 44 min
Human-in-the-Loop : déployer de l'IA en production sans tout casser, Céline Delaugère
Céline Delaugère est la cofondatrice et CEO de MyDataMachine, une entreprise qui accompagne ses clients sur des cas d'usage de l'IA liés à la vidéo : détection d'opportunités de vente en magasin, lutte contre le vol à l'étalage, reconnaissance de tendances mode, classification de véhicules. Son équipe annote en moyenne 1,5 million d'images par mois pour fiabiliser les modèles de vision de ses clients. Dans cet épisode, Céline partage son expérience sur le concept de Human-in-the-Loop (HITL) et en quoi cette méthode permet à la fois d'itérer vite et de déployer des systèmes IA robustes. Tu apprendras : Pourquoi un modèle à 70% de réussite peut quand même partir en production. Pourquoi l'expertise métier (mode, retail, médical, automobile) devient l'actif le plus rare pour entraîner les IA verticales. Pourquoi le métier de data annotator est aujourd'hui dans le top 3 des jobs en croissance sur LinkedIn. Les 3 endroits exacts où l'humain doit intervenir dans le cycle de vie d'un modèle IA. Comment construire un dataset d'évaluation vraiment robuste. Retrouve Céline sur LinkedIn et sa newsletter Vision Before Technology ici. — 💼 Vous souhaitez travailler avec moi ? Découvrez mes services ici. — Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.
May 11 · 46 min
LLM as a judge : pourquoi l’évaluation par l’IA ne suffit pas, Laurent Zhang
Comment évaluer un agent IA quand il ne se contente plus de répondre, mais choisit ses outils, manipule des données et déclenche des actions ? Laurent Zhang est le cofondateur de Mankinds, une plateforme d’évaluation d’applications IA incubée à Station F dans le programme F/ai. Dans cet épisode, il partage son expérience sur l'évaluation des applications d’IA générative et les systèmes agentiques. Nous discutons notamment des alternatives au "LLM as a judge" avec des tests plus déterministes, auditables et adaptés aux secteurs régulés. Il explique : La différence entre un workflow IA séquentiel vs un agent autonome. Les limites de la méthode d'évaluation avec un LLM (LLM as a judge) et les alternatives. L'approche d'évaluation que propose Mankind avec des scoreurs déterministes et des datasets contextualisés. Pourquoi la conformité n'est pas un frein mais un accélérateur à l'innovation. (00:00:00) Parcours de Laurent et mission de Mankind (00:06:21) Systèmes agentiques et limites du LLM as a judge (00:15:27) Du contexte aux tests déterministes (00:25:31) Orchestration, modèles et mise en production (00:36:03) RAG, graphes et adoption de l’IA agentique — 💼 Vous souhaitez travailler avec moi ? Découvrez mes services ici. — Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.
May 4 · 1 hr 4 min
6,5 milliards de téléchargements sans un euro de pub : l'histoire de VLC, Jean-Baptiste Kempf
Jean-Baptiste Kempf est le président de l'association VideoLAN et porte VLC Media Player depuis plus de 20 ans. VLC c'est un logiciel téléchargé 6,5 milliards de fois et utilisé par des centaines de millions de personnes, sans qu'un euro n'ait jamais été investi en publicité. Dans cet épisode on revient sur l'histoire du projet (né d'une association étudiante à Centrale en 1998), la philosophie qui a permis cette croissance hors-norme, et les apprentissages que Jean-Baptiste en tire après 20 ans à construire des produits. Il explique : Pourquoi le "complain-driven development" est plus efficace que 6 mois de discovery. Comment une tagline de 4 mots "VLC plays everything, runs everywhere" a structuré 20 ans de gouvernance open source et tranché des centaines de débats produit. Pourquoi VLC n'est pas joli mais marche, et pourquoi la rapidité et la hiérarchisation des fonctionnalités sont sous-estimées par les designers d'aujourd'hui. Où se déplace la vraie barrière à l'entrée à l'ère du vibe coding. — 💼 Vous souhaitez travailler avec moi ? Découvrez mes services ici. — Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.
April 27 · 52 min
AI Native PM : construire plus vite mais construire mieux, Benoit Terpereau
Et si le futur du Product Management ne consistait plus seulement à cadrer, mais aussi à construire ? Dans cet épisode, Benoît Terpereau partage sa vision du Product Management augmenté par l'IA générative, où les profils produit deviennent des product builders capables de concevoir, tester et livrer plus vite tout en restant centrés sur la valeur utilisateur et business. Benoît est ingénieur de formation, passé par des rôles de développeur, CTO, Product Manager, directeur produit, VP produit et CPTO, notamment chez My Little Paris, Deezer, Lunii et aujourd'hui Believe, où il pilote une équipe produit d'une cinquantaine de personnes. Il explique : ▪️ Pourquoi aujourd'hui seul un tiers du code livré apporte réellement de la valeur et pourquoi accélérer sans discernement ne ferait qu'amplifier ce gaspillage. ▪️ Comment il déploie cette transformation chez Believe avec une no-code factory et un programme beta "AI Native PM". ▪️ Pourquoi les PM doivent devenir plus business et mesurer leur impact sur les revenus car c’est là que se joue leur légitimité quand tout le monde peut builder. ▪️ Pourquoi l'empathie reste la compétence numéro un et pourquoi un PM ne devrait pas passer une journée sans interagir avec un utilisateur. ▪️ Sa méthode en 3 phases : interviews dé-biaisées par l'IA, prototypes fonctionnels testés par les utilisateurs, synthèse des retours assistée par la GenAI. Vous pouvez contacter Benoit sur LinkedIn par ici. — 💼 Vous souhaitez travailler avec moi ? Découvrez mes services ici. — Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.
April 20 · 56 min
5 devs, 3 produits, 12 mois : le pari AI-native d'une startup en secteur réglementé, Hugo des Longchamps
Hugo des Longchamps pilote la tech chez Paladin, une startup qui modernise la santé au travail. Avant ça, il a passé huit ans chez Keobiz, où il est passé de premier dev à CTO d'une équipe d'une douzaine de personnes, dans une boîte à 40 millions d'ARR. Début 2025, il rejoint Paladin, une boîte de moins de six mois et de trois personnes alors. Un an plus tard : trois produits certifiés en production, une équipe de cinq devs, et un go-live au 1er janvier 2026. Dans cet épisode, il raconte comment il s'y est pris : ▪️ Imposer Cursor à toute l'équipe dès le jour 1 et gérer la résistance. ▪️ Le dev de demain n'écrit plus de code : il orchestre des agents. ▪️ Le vrai goulot d'étranglement : la review humaine, et pourquoi il refuse encore de l'automatiser. ▪️ Apprendre Terraform sans IA, puis construire un agent capable de terraformer 130 ressources AWS en autonomie. — 💼 Vous souhaitez travailler avec moi ? Découvrez mes services ici. — Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.
April 13 · 52 min
Gens de Confiance : construire un produit autour de la confiance sans la trahir, Olivier Brandicourt
Olivier Brandicourt partage son expérience autour du développement d'une marketplace basée sur la confiance et la transparence tout en maintenant un modèle économique durable et une culture d'entreprise bienveillante. Olivier est un leader produit avec plus de 10 ans d'expérience dans la gestion de marketplaces internationales. Il est aujourd'hui VP Produit chez Gens de Confiance. Il explique : ▪️ Comment faire de la confiance la proposition de valeur centrale d'une marketplace. ▪️ Le modèle économique de Gens de Confiance basé sur l'immobilier et la location de vacances. ▪️ Pourquoi certaines verticales ne sont volontairement pas monétisées. ▪️ Leur utilisation de l'IA générative pour détecter les fraudes tout en préservant le lien humain entre les membres. — 💼 Vous souhaitez travailler avec moi ? Découvrez mes services ici. — Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Showing 1–20 of 24 episodes