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.

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

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.

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

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

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

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.

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

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.

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

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

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

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.

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

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.

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