DataGen

Marc Sanselme est expert IA, diplômé de Polytechnique et de l’ENS, et a travaillé dans de belles boîtes comme Tesla ou Owkin, la licorne française spécialisée dans l’IA et la santé. Il a monté un cabinet de conseil spécialisé en IA, Scopeo et plus récemment, AI Tailor, un logiciel spécialisé dans l'IA sur mesure. En parallèle, il a lancé le podcast Data Driven 101 dans lequel il a échangé avec presqu’une centaine d’experts Data & IA.On décrypte 4 tendances GenAI :🔥 LLM spécialisés versus LLM généralistes🔥 L’émergence des agents IA et leur différence avec les chatbots🔥 L’industrialisation des projets GenIA et le concept “LLM as a judge”🔥 La course à la performance des modèles (aka l’histoire de Deepseek)💪 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 donc touche une commission sur les inscriptions. 🙂📚 RESSOURCES- Le LinkedIn de Marc- Son podcast Data Driven 101- Le LinkedIn de Peter Gotsev, Head of AI chez Moonpig- L'édition spéciale Les 40 chantiers Data & IA à lancer en 2025 de notre newsletter🎬 CHAPITRES00:00 Le parcours de Marc01:23 LLM spécialisés VS LLM généralistes06:25 Agents IA VS Chatbot (LLM)13:55 L’industrialisation (LLM as a Judge)18:16 La course à la performance (Deepseek)22:31 Sa ressource préférée du moment🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER #171 - Snowflake : Une stack unique pour l’Analytics & l’IA #197 - Déployer des agents IA dans le Retail avec Agentforce de Salesforce#196 - Pigment : Monter l’équipe GenAI d’une licorne👋 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.

Laurent Borel est Data & Analytics Manager pour le département Supply Chain chez Decathlon. Il y a 5 ans, ils étaient 3 dans l’équipe. Aujourd’hui, ils sont une 30aine. Des Data Analysts, Data Scientists… tous spécialisés sur la Supply Chain.On aborde :🔥 Le lancement de l’équipe Data & Analytics et son organisation🔥 Leurs principaux chantiers : Modern Data Stack, Data Governance, offre…🔥 Quelques exemples de projets Supply Chain : Analytics & Machine Learning🔥 Le plus gros challenge de Laurent : la croissance de l’équipe💪 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 Laurent- La vidéo de Thinkerview avec Cédric Villani et Justine Cassel- L’article Hype Sustainability, the Price of the Bigger is Better in AI- L'édition spéciale Les 100+ ressources des leaders data invités sur DataGen de notre newsletter🎬 CHAPITRES00:00 Le lancement de l’équipe Data & Analytics02:15 Son organisation chez Decathlon05:52 Les principaux chantiers menés14:24 Des exemples de projets Analytics et ML19:35 Leurs plus gros challenges23:06 Leurs prochaines étapes24:54 Les questions de la fin (ressources, conseils…)🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER#60 - Decathlon : Implémenter une nouvelle stratégie Analytics#190 - Decathlon : Lancer l’équipe People Analytics#119 - Carrefour : Passer d’un Data Lab à une Analytics Factory👋 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.

Solène Bergaire est Lead Data Scientist chez Pernod Ricard. On revient sur son plus gros challenge de ces dernières années : scaler l’équipe Data Science.On aborde :🔥 La genèse de l’équipe Data Science chez Pernod Ricard🔥 L’organisation de l’équipe et leur stack (Scikit-learn, PyTorch…)🔥 Deux projets Data Science : Promotion & Pricing🔥 Les difficultés rencontrées par Solène et ses prochaines étapes💪 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 Solène- Les formations Coursera- La plateforme Medium- L'édition spéciale Les 40 chantiers Data & IA à lancer en 2025 de notre newsletter🎬 CHAPITRES00:00 La genèse de l’équipe Data Science03:25 Leur organisation09:49 Leur stack11:05 Leurs projets14:17 Leurs difficultés20:14 Leurs prochaines étapes21:17 Les questions de la fin (ressources, conseils…)🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER#194 - Sanofi : Les 3 piliers de leur Stratégie Data & IA (cas d’usage, Data Mesh, Stack)#110 - Back Market : Leur stratégie Data Science#54 - Pernod Ricard : Lancer des programmes de Data Science👋 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.

Salma Bakouk est une experte en Data Gouvernance, elle a co-fondé Sifflet, la solution de Data Observability utilisée par des grands groupes comme Carrefour, BBC, Saint-Gobain mais aussi par des scaleups comme Dailymotion.On aborde :🔥 Qu’est-ce que la Data Observability et comment la discipline a émergé🔥 Dans quels contextes on met en place une approche Data Observability🔥 Comment on la met en place : Pré-POC, POC, benchmark, fonctionnalités…🔥 La différence entre un outil de Data Observability et un Data Catalog❤️ PARTENAIRECe podcast est rendu possible par Sifflet, la solution de Data Observability utilisée par des grands groupes comme Carrefour, BBC, Saint-Gobain mais aussi des scaleups comme Dailymotion.👉 Télécharger le guide pour valider si vous devez mettre en place une approche Data Observability👉 Contacter Salma sur LinkedIn ou par mail : salma@siffletdata.com📚 RESSOURCES- Le LinkedIn de Salma- Le Medium de Tristan Handy, fondateur & CEO de dbt- Le blog Data Expresso- Le LinkedIn de Joe Reis- L'édition spéciale Les 100+ ressources des leaders data invités sur DataGen de notre newsletter🎬 CHAPITRES00:00 Sifflet en deux mots00:34 Le parcours de Salma03:16 Qu’est-ce que la Data Observability ?05:48 Dans quels contextes la mettre en place ?10:32 Les 2 étapes clés16:29 Les fonctionnalités de Sifflet (lineage, documentation...)21:02 Data Catalog VS Data Observability24:58 Durée d'implémentation28:07 L’impact de l’IA sur Sifflet et sur la Data Observability30:30 Les questions de la fin (ressources, conseils…)🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER#200 - Mettre en place un framework Data Domain avec Charlotte Ledoux#168 - Comprendre les rôles clés de la Data Gouvernance#144 - Mettre en place une Data Gouvernance avec Charlotte Ledoux💪 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👋 PLUS DE CONTENU DATA ?1/ Suivez-moi sur LinkedIn ici 🤳2/ Inscrivez-vous à la newsletter (synthèses, événements) ici 💌 Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Matthieu Rousseau, expert en Data Engineering et fondateur de Modeo, explique les merveilles d'une Modern Data Stack. Il aborde les outils indispensables, comme DBT et Snowflake, pour transformer l'analyse des données. Découvrez comment la modernisation améliore l'efficacité et l'expérience client. Matthieu partage des conseils pratiques pour naviguer les défis de l'intégration et souligne l'importance de l'IA dans ce domaine. Avez-vous déjà pensé à la French Data Stack ? Un aperçu fascinant des innovations en France vous attend !

Christophe Blefari est Staff Data Engineer, auteur de la newsletter data la plus connue au sein de l’écosystème français (Blef.fr), co-fondateur de nao et surtout selon moi l’un des plus gros experts data en France.On aborde :🔥 Qu’est-ce qu’un Staff et pourquoi le rôle émerge en France🔥 La différence entre un Staff, un Senior et un Engineering Manager🔥 Comment on devient Staff et le marché du Staff en France🔥 Comment le métier de Data Engineer évolue avec l’IA💪 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🎙 Regarder l’épisode 151 Devenir Analytics Engineer en 6 semainesDataGen opère ce bootcamp Analytics Engineering en collaboration avec DataBird et donc touche une commission sur les inscriptions. 🙂📚 RESSOURCES- Le LinkedIn de Christophe- La newsletter de Christophe- L’article "Senior to Staff" dans la newsletter Technical Leadership- Le site StaffEng- Le Github Career Paths de Dropbox- Le Career Path d’Alan🎬 CHAPITRES00:00 Qu’est-ce qu’un Staff ?05:21 Le Staff Data Engineer, Bras Droit Tech du VP Data ?09:18 Staff Data Engineer vs Engineering Manager13:45 Comment devenir Staff Data Engineer ?17:43 Le marché du Staff en France21:13 L’évolution du Data Engineering avec l’IA25:18 Les changements de projets28:15 Les recommandations de contenu de Blef🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER#183 - BlaBlaCar : Adopter une approche “Staff” dans l’équipe Data🇺🇸 #114 - BlaBlaCar : Managing 50 Data People with Manu, VP Data#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.

Juliette Bon est Data Analytics Team Lead chez Pennylane, la licorne (148 millions levés) qui propose une solution de gestion des finances et de comptabilité. Aujourd’hui, revient sur son plus gros challenge : monter une équipe Data Analytics.On aborde :🔥 Le contexte autour du lancement de l’équipe Data Analytics chez Pennylane🔥 Les 2 chantiers principaux : recrutement & organisation🔥 Ses plus grosses difficultés et ses conseils pour monter une équipe Data Analytics🔥 Un exemple de projet Analytics et les prochaines étapes pour l’équipe💪 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🎙 Regarder l’épisode 151 Devenir Analytics Engineer en 6 semainesDataGen opère ce bootcamp Analytics Engineering en collaboration avec DataBird et donc touche une commission sur les inscriptions. 🙂📚 RESSOURCES- Le LinkedIn de Juliette- Le podcast The Analytics Power Hour- L'édition spéciale Les 40 chantiers Data & IA à lancer en 2025 de notre newsletter🎬 CHAPITRES00:00 Pennylane en 2 mots04:30 Le contexte autour du lancement de l’équipe Data Analytics06:54 1er chantier : le recrutement11:28 2ème chantier : l’orga de l’équipe17:50 Les difficultés qu’a rencontrées Juliette22:10 Un exemple de projet Analytics à forte valeur ajoutée24:59 Les conseils de Juliette27:24 Leurs prochaines étapes29:21 Dernières questions (incl. ses ressources préférées)🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER #190 - Decathlon : Lancer l’équipe People Analytics#136 - Qonto : Scaler le département Data d’une licorne#126 - Comment l’ex-Head of Data de Lydia monte le département Data chez May👋 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 & IA Gouvernance qui crée du contenu sur LinkedIn avec beaucoup de succès (+35K abonnés). Dans ce 3ème épisode ensemble, Charlotte nous fait une Masterclass sur la mise en place d'un framework data domain.On aborde :🔥 L’approche Data Domain : définition & les 3 types d’approche🔥 L’organisation des équipes par Data Domain et les livrables types d’une squad🔥 Les conseils de Charlotte pour mettre en place un framework Data Domain🔥 L’avis de Charlotte sur 2 tendances de la Data Gouvernance : centralisation VS décentralisation & Self-Service💪 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 Charlotte- L’article Why Data Mesh will fail?🎬 CHAPITRES00:00 Qu’est-ce que le framework Data Domain ?01:51 Les différentes approches06:16 L’orga des équipes par Data Domain08:53 Les livrables types d’une Squad Data Domain12:49 Les conseils de Charlotte14:34 Retour sur 2 tendances Data Gouv19:22 Retour en arrière sur le Self-Service22:21 La news de Charlotte (Why Data Mesh will fail?)🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER#191 - Tableau : Mettre en place une stratégie Self-Service Analytics#168 - Comprendre 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)#101 - Kering : Lancer un programme de Data Gouvernance avec une approche Data Mesh👋 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.

Maud est passée d’un rôle de Data Analyst à un rôle de Data Analyst Full-Stack en Freelance. Dans cet épisode, elle nous parle de sa transition, de sa formation et de son nouveau rôle.On aborde :🔥 Son parcours : de Data Analyst à Data Analyst Full-Stack🔥 Le bootcamp Analytics Engineering DataBird x DataGen qu’elle a suivi🔥 Comment elle est passée en freelance à la suite du bootcamp🔥 Ses conseils pour devenir Data Analyst 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🎙 Regarder l’épisode 151 Devenir Analytics Engineer en 6 semainesDataGen opère ce bootcamp Analytics Engineering en collaboration avec DataBird et donc touche une commission sur les inscriptions. 🙂📚 RESSOURCES- Le LinkedIn de Maud- Le LinkedIn de Willis Nana- Le LinkedIn de Zach Wilson- Le LinkedIn de Phuong Nguyen- Le LinkedIn de Kevin Rosamont- Le LinkedIn de Benjamin Dubreu- Le LinkedIn de Morgan Gautherot- Le programme du bootcamp- L'édition spéciale Les 100+ ressources des leaders data invités sur DataGen de notre newsletter🎬 CHAPITRES00:00 Son parcours05:57 Le Bootcamp DataGen x DataBird09:19 Ses nouvelles compétences10:41 Les modules dbt11:53 Sa transition en freelance14:30 Sa mission actuelle16:44 Ses conseils20:21 Ses ressources préférées🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER#182 - Ex-Data Analyst, elle est devenue Analytics Engineer #169 - Ex-Data Analyst, elle est passée Analytics Engineer en freelance #151 - Devenir Analytics Engineer en 6 semaines avec DataBird et DataGen👋 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.

Alma Garcia-Mariller est Head of Business Analytics chez Swile, la licorne française qui améliore l'expérience des employés au travail grâce à ses titres restaurants, cartes cadeaux et avantages mobilité.On aborde :🔥 Le contexte autour du changement de stratégie Data🔥 La nouvelle stratégie Data : projets, organisation, stack🔥 Les plus grosses difficultés rencontrées par Alma et son équipe🔥 Les prochaines étapes pour l’équipe Data chez Swile❤️ PARTENAIRECe podcast est rendu possible par Keyrus, le cabinet de conseil spécialisé sur la Data et l'IA.👉 Découvrir la masterclass Mettre en place une Data Analytics Factory👉 Recevoir le livre blanc qui reprend l’approche présentée dans le détail👉 Contacter Brahim sur LinkedIn ou par mail : brahim.abdesslam@keyrus.com📚 RESSOURCES- Le LinkedIn d’Alma- Le LinkedIn de Théo Alves d'Acosta et son Substack🎬 CHAPITRES00:00 Pourquoi mettre en place une nouvelle stratégie ?05:42 La nouvelle stratégie Data09:54 Leurs projets Analytics15:39 Leur stack data17:50 Les plus grosses difficultés18:55 Leurs prochaines étapes27:00 Les dernières questions (incl. ses ressources préférées)🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER #174 - Qonto : Adopter une approche Analytics Engineering & Self-Service#154 - Doctolib : Adopter une approche Analytics Engineering et Self-Service#150 - Back Market : Re-centraliser l’équipe et la stratégie Data (organigramme, 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🎙 Ecouter l’épisode #151 Devenir Analytics Engineer en 6 semaines👋 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.