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 DATAGEN

On 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 DataBird

DataGen 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

🎬 CHAPITRES

00:00 Qu’est-ce que Sweep ?

02:03 Le parcours d’Adèle

02:46 Le contexte data & IA à son arrivée

04:06 Chantier #1 : Stack

05:59 Chantier #2 : Analytics

07:36 Chantier #3 : Agents IA

10:04 Orga de l’équipe Data & IA

11:22 Leurs plus grosses difficultés

14:38 Leurs prochaines étapes

15:12 Sa reco de contenu

15:28 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 GRATUITEMENT

1/ 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

🎬 CHAPTERS

00:00 Introduction to N26

03:25 How he became Head of Data for Marketing at N26

10:49 1st project: implementing a Marketing Mix Model

17:36 2nd project: building a User Value Model

20:57 3rd project: Data Governance & Quality

23:37 The data stack at N26

25:16 The biggest challenges

29:29 What’s next: decision automation

31:11 Mathias’s favorite resources

32:14 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 FREE

1/ 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

🎬 CHAPITRES

00:00 Le parcours de Nicolas

03:41 Le contexte à son arrivée

05:14 Chantier #1 : Centralisation des features (aka Feature Store)

08:05 Chantier #2 : Optimisation des pipelines ML et CI/CD

10:34 Chantier #3 : Monitoring & alerting

16:01 Comment l'arrivée des GenAI impacte les besoins MLOps

18:39 Le premier projet LLMOps

24:22 L’acculturation des équipes Engineering

29:58 Leur stack MLOps

34:20 Leurs prochaines étapes

35:56 Sa recommandation de contenu

36:54 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 GRATUITEMENT

1/ 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 DATAGEN

On 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 DataBird

DataGen 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”

🎬 CHAPITRES

00:00 Fusion dbt x Fivetran

06:18 La stratégie du côté de dbt

09:44 La stratégie du côté de Fivetran

12:54 L’impact sur les équipe Data

19:44 Quelles seront les synergies ?

22:41 Les news clés de dbt Coalesce

24:55 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 GRATUITEMENT

1/ 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 DATAGEN

On 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 DataBird

DataGen 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

🎬 CHAPITRES

0:00 Son parcours

02:23 L’orga de l’équipe Data

02:56 L’approche Analytics Engineering

05:00 Les 1ères actions

12:01 La gouvernance

13:41 Semantic Layer dans dbt

19:29 Intégration de Dust

24:32 Automatisations avec n8n

26:25 Next steps

26:56 Sa reco de contenu

27:37 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 GRATUITEMENT

1/ 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

❤️ SPONSOR

This 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)

🎬 CHAPTERS

00:00 Colin’s career path

01:37 Omni’s initial vision

05:07 From Looker to Omni

09:42 Why data leaders choose Omni

15:53 AI for Analysis (”Chat with your data”): what Omni did differently in its Semantic Layer to make it work

20:12 “Building in public” at Omni

24:36 The evolution of data teams

30:58 The specifics of the French market

32:30 Colin’s resource recommendations

33:13 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 FREE

1/ 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 ! 🔥

🎬 CHAPITRES

00:00 Intro

01:25 Les performances

03:20 Le top 3 épisodes

05:06 Le chiffre d'affaires

07:49 Grosse news

10:39 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 GRATUITEMENT

1/ 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

🎬 CHAPITRES

00:00 Leur orga

03:00 Le contexte data

03:50 Chantier #1 : Achitecture Cloud

07:34 Chantier #2 : Gouvernance

10:55 Chantier #3 : Temps réel

13:38 Cas d’usage : la “rétrainspective”

15:45 Leurs 3 plus grosses difficultés

22:25 Leurs prochaines étapes

23:18 Sa ressource préférée

24:23 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 GRATUITEMENT

1/ Abonnez-vous 🔔

2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰

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