Paul Mochkovitch reçoit Marc Combarel, Lead Analytics Engineer chez Brevo, plateforme CRM française anciennement connue sous le nom de Sendinblue, devenue licorne fin 2025 avec + de 200 millions d’euros d’ARR et une nouvelle levée de fonds de 500 million d’euros. Ensemble, ils reviennent sur la transformation de l’écosystème data de Brevo, passé d’un paysage fragmenté entre plusieurs outils de Business Intelligence (BI) à une plateforme analytique unifiée, gouvernée et pensée pour le self service.

Marc partage les coulisses du chantier qu’il a mené chez Brevo pour remplacer un empilement d’outils BI hétérogènes par une architecture moderne reposant sur dbt, une couche sémantique (Semantic Layer) robuste et Omni, la plateforme AI Analytics de référence pour plus de 1 000 collaborateurs.

Un retour d’expérience concret sur la modernisation d’une stack data à grande échelle, l’adoption interne d’un nouvel outil d’AI Analytics, la documentation comme levier d’IA fiable et l’évolution du rôle des équipes data à l’ère agentique.

Les temps forts de la discussion :

• Adoption d’Omni Analytics : Pourquoi Brevo a abandonné un paysage composé de multiples outils BI pour converger vers Omni Analytics.
• Le semantic layer, clé d’une transition réussie : Comment construire une couche sémantique capable de traduire le langage métier en requêtes fiables.
• Démocratisation de la donnée : Comment Omni a permis d’ouvrir et de faciliter l’accès aux données auprès de l'ensemble des équipes métiers.
• Évolution des usages : Ce qui émerge réellement chez les utilisateurs entre les dashboards traditionnels, le chat IA ou les agents autonomes.
• Intégration de l'écosystème : Comment Brevo connecte aujourd’hui Omni aux assistants IA et aux différents workflows internes.

Timeline:

• 02:00 Du marketing à la data : le parcours de Marc qui l’a mèné à la tête de la data chez Brevo.
• 07:34 Les débuts chez Brevo : quand six outils BI racontent six versions différentes de la réalité.
• 14:50 Pourquoi dbt a changé la façon dont les entreprises construisent leurs plateformes data.
• 20:20 La guerre des définitions : quand personne n’est d’accord sur ce qu’est une “conversion”.
• 23:30 Le Semantic Layer : le traducteur universel entre le langage métier et les données.
• 40:03 L’adoption d’Omni : transformer un projet data en succès d’entreprise.
• 51:47 Dashboard, chat ou agent : comment les collaborateurs de Brevo utilisent réellement l’IA au quotidien.
• 1:01:27 Les métiers de la data vont ils disparaître ? La vision de Marc sur les cinq prochaines années.

À propos :
Molia déploie et gère les systèmes d'IA des ETI et grands groupes français. Nos Forward Deployed Engineers (FDE) s'installent au contact de vos équipes métier : ils conçoivent le système, construisent votre contexte d'entreprise qui en fait un actif durable, et en assurent l'évolution pour maintenir votre système IA à la pointe et indépendant.

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Dans cet épisode de Paroles d’IA, Paul Mochkovitch reçoit Jean-François Gelfi, AI Product Lead chez Sumeria, la néo-banque de Lydia, fintech française aux millions d’utilisateurs en Europe.

Ensemble, ils reviennent sur la création de SIA, l’agent IA bancaire lancé en février 2026, qui permet aux clients d’interagir avec leur compte bancaire en langage naturel.

Ils analysent comment ils ont transformé une application bancaire statique en un agent autonome capable d'exécuter des opérations complexes. Au fil de la discussion, il décrypte les coulisses de la conception d’un produit IA sécurisé dans un environnement hautement régulé.

Un retour d’expérience concret, enrichi par une réflexion sur la nature de l’IA aujourd’hui, ses limites et son impact sur les interfaces homme-machine (IHM).

Au programme :

• L'architecture de SIA : L'usage combiné des LLMs, dispatchers et deep links pour transformer l'intention utilisateur en exécution technique.
• Sécurité & Compliance : Minimisation des données et gestion de la confiance en milieu bancaire.
• Le défi de l'évaluation : Pourquoi le « LLM-as-a-judge » ne suffit pas et comment structurer un scoring de qualité robuste.
• Partenariat stratégique : L'intégration des modèles Mistral AI au cœur de l'expérience produit.
• IA Agentique : Vers des interfaces qui anticipent, conseillent et agissent comme un véritable copilote personnel.

Timeline :

• 00:00 Parcours : Du marketing digital à l’IA Produit.
• 06:54 Lydia vs Sumeria : Redéfinir les usages bancaires.
• 09:36 Obsession produit : Supprimer la friction.
• 12:39 Architecture de SIA : Entre ambitions et contraintes techniques.
• 22:55 Compréhension d’intention : Le travail continu derrière le LLM.
• 25:52 Scoring et évaluation : Les limites du "LLM as a judge".
• 29:29 Pourquoi l'approche multimodale devient la norme.
• 33:04 Scan2Pay et collaboration avec Mistral AI.
• 40:22 Méthodologie : Construire un produit IA véritablement utile.
• 42:56 Risques, Éthique et Régulation bancaire.
• 46:28 Vision : La prochaine génération de services financiers.
• 50:02 Mot de la fin : Mieux nommer l’IA pour mieux l'utiliser.

À propos :

Molia déploie et gère les systèmes d'IA des ETI et grands groupes français. Nos Forward Deployed Engineers (FDE) s'installent au contact de vos équipes métier : ils conçoivent le système, construisent votre contexte d'entreprise qui en fait un actif durable, et en assurent l'évolution pour maintenir votre système IA à la pointe et indépendant.

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Dans cet épisode de Paroles d’IA, Paul Mochkovitch reçoit Thomas Porez, en charge du document processing chez Alan, l’assurtech française qui redéfinit l’expérience de remboursement santé. Thomas revient sur deux années d’itération pour automatiser le traitement de documents à grande échelle, dans un contexte particulièrement exigeant, entre données sensibles, contraintes réglementaires et diversité extrême des formats.

Au fil de la discussion, il décrypte l’évolution des systèmes de Document AI, des premières approches basées sur l’OCR et les règles simples jusqu’aux pipelines modernes intégrant LLM, VLM et stratégies hybrides. Un retour d’expérience concret sur ce que cela signifie réellement de mettre ces technologies en production.

Au programme :

• La transformation du document processing chez Alan, de la saisie manuelle à l’automatisation de plus en plus massive
• Les limites de l’OCR classique et l’apport des LLMs dans la compréhension des documents
• Les défis du traitement de documents à grande échelle, entre qualité, coût, performance et données sensibles
• Le rôle émergent des systèmes autonomes et des approches agentiques dans l’amélioration continue des pipelines

Un épisode incontournable pour comprendre les coulisses du Document AI en entreprise notamment dans des environnements exigeants traitant des données sensibles comme la santé ou l’assurance.

À propos :

Molia déploie et gère les systèmes d'IA des ETI et grands groupes français. Nos Forward Deployed Engineers (FDE) s'installent au contact de vos équipes métier : ils conçoivent le système, construisent votre contexte d'entreprise qui en fait un actif durable, et en assurent l'évolution pour maintenir votre système IA à la pointe et indépendant.

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Dans cet épisode de Paroles d’IA, Paul Mochkovitch reçoit Yannick Tremblais, IT Innovation Manager du Groupe Rocher, groupe international de cosmétique d’origine française et maison mère de marques comme Yves Rocher, Arbonne, Sabon ou Dr Pierre Ricaud. Ensemble, ils décryptent l’adoption de l’IA générative au sein du groupe et reviennent sur la manière dont le Groupe Rocher a abordé cette transformation, entre structuration des cas d'usage IA, expérimentation et montée en compétence des équipes.

Un épisode essentiel pour toutes les entreprises qui veulent comprendre comment déployer l’IA de façon responsable, souveraine et pragmatique.

Nous explorons ensemble :

• Comment déployer l’IA générative dans une grande entreprise sans perdre le contrôle des usages.

• Pourquoi la qualité de la documentation et des données devient un enjeu clé à l’ère de l’IA ?

• Faut-il construire ses solutions IA en interne ou s’appuyer sur des partenaires spécialisés ?

• Comment mettre en place une gouvernance IA responsable sans freiner l’innovation ?

• À quoi ressemblent les premiers cas d’usage d’agents et d’automatisation en entreprise ?

Timeline:

01:20 - Le parcours de Yannick Tremblay et la culture d'entreprise du Groupe Rocher

06:50 - L’arrivée de ChatGPT et la découverte de l’IA générative en entreprise

10:05 - Shadow AI, risques et mise en place d’un cadre d’usage

14:25 - Former les équipes au prompting et accompagner l'adoption de l'IA

24:30 - Lancement d’un premier projet IA avec un RAG interne connecté aux documents

29:20 - Les défis techniques du RAG, indexation, embeddings et retrieval

38:40 - Documentation interne et gestion des connaissances à l’ère de l’IA

45:00 - Gouvernance IA, AI Oversight Board et innovation responsable

50:40 - Automatisation, RPA et premiers cas d’usage d’agents

57:40 - Conseils pour déployer l’IA en entreprise

01:02:00 - Le mot de la fin: curiosité et futur de l’IA en entreprise

À propos :

Molia déploie et gère les systèmes d'IA des ETI et grands groupes français. Nos Forward Deployed Engineers (FDE) s'installent au contact de vos équipes métier : ils conçoivent le système, construisent votre contexte d'entreprise qui en fait un actif durable, et en assurent l'évolution pour maintenir votre système IA à la pointe et indépendant.

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Dans cet épisode de Paroles d’IA, Paul Mochkovitch reçoit Louis Poirier, Co-fondateur et CTO de Kleio, qui revient sur son parcours chez C3 AI et à la NASA, et raconte la genèse de Kleio, une solution d’agents conversationnels qui transforment l’expérience d’achat en ligne. Il aborde les défis techniques rencontrés, le rôle des nouvelles technologies dans le processus de vente, et les différences majeures entre les grands modèles de langage (LLM), les agents et les systèmes multi-agents.

Au programme :

• Les défis et opportunités liés à l'utilisation des agents IA et des systèmes multi-agents dans le développement de solutions technologiques.

• La stack technique, l’importance de la structuration des données et les enjeux de mise en production des agents pour une expérience client personnalisée.

• Les leviers de différentiation des entreprises à l’ère de l’IA dans des marchés de plus en plus concurrentiels.

Louis discute avec passion et expertise des technologies émergentes qui façonnent l'avenir de l'IA. Il partage également ses recommandations pour celles et ceux qui souhaitent se tenir informés des dernières tendances et prendre part à la révolution de l’IA.

Timeline :

01:40 - Parcours professionnel et expériences chez C3 AI

10:06 - Son expérience à la NASA et son impact sur la suite de sa carrière

14:52 - La genèse de Kleio et son positionnement sur le marché

20:12 - L’importance de l'interaction client dans le processus de vente

24:54 - Les différences entre LLM, agents et systèmes multi-agents

28:19 - La nature des agents et leur complexité

33:21 - Le système multi-agents chez Kleio

39:14 - Défis de mise en production des agents IA

46:07 - L’importance de la structuration des données

55:13 - Modèles de langage et leur utilisation

56:40 - Petits modèles de langage et efficacité

01:01:21 - L’avenir de l'expérience utilisateur

01:07:10 - Personnalisation et relations clients

01:09:48. Technologies émergentes et verticalisation

À propos :

Molia déploie et gère les systèmes d'IA des ETI et grands groupes français. Nos Forward Deployed Engineers (FDE) s'installent au contact de vos équipes métier : ils conçoivent le système, construisent votre contexte d'entreprise qui en fait un actif durable, et en assurent l'évolution pour maintenir votre système IA à la pointe et indépendant.

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Dans cet épisode de Paroles d’IA, Paul Mochkovitch reçoit Anne Bretonniere, Head of AI Emergence chez Renault Group. Avec son expérience unique, de la Silicon Valley à la direction de projets innovants en France, Anne partage son parcours, ses défis et sa vision pour l’avenir de la mobilité intelligente.

Au programme :

• La genèse de Reno, l’assistant multimodal qui révolutionne l’expérience utilisateur des véhicules Renault, notamment sur la nouvelle R5 électrique.
• Les défis techniques, organisationnels et humains derrière la conception d’une IA embarquée et connectée.
• Le rôle stratégique de l’intelligence artificielle pour transformer l’industrie automobile et au-delà.

Anne revient sur les grandes étapes de sa carrière, sa transition de la recherche en assurance à la direction de projets IA chez Nissan et Renault, et son regard unique sur l’équilibre entre innovation, accessibilité et éthique dans les technologies d’IA.

Timeline :

01:36 - De l’assurance à l’IA : un parcours atypique

05:52 - Réinventer l’expérience utilisateur avec l’IA dans l’automobile

12:46 - La naissance de Reno : partir d’une feuille blanche

19:09 - Collaboration et challenges en interne pour un projet d’ampleur

25:49 - Éthique et usages responsables de l’IA

34:27 - Les Small Language Models embarqués et leurs défis techniques

45:54 - L’avenir de l’automobile et le rôle de l’IA

50:02 - IA et souveraineté : enjeux pour la France et l’Europe

À propos :

Molia déploie et gère les systèmes d'IA des ETI et grands groupes français. Nos Forward Deployed Engineers (FDE) s'installent au contact de vos équipes métier : ils conçoivent le système, construisent votre contexte d'entreprise qui en fait un actif durable, et en assurent l'évolution pour maintenir votre système IA à la pointe et indépendant.

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Dans ce huitième épisode de Paroles d'IA, Paul Mochkovitch reçoit Aldrick Zappellini, Directeur Data & IA et Chief Data Officer du Groupe Crédit Agricole, pour une discussion approfondie sur l'IA responsable. Engagé dans la gouvernance des données et des IAs, Aldrick partage son expertise sur les enjeux techniques, éthiques et sociétaux liés à l'IA.

Au programme :

• Gouvernance des données et IA : Comment le Crédit Agricole gère la gouvernance des données et de l'IA, en tenant compte des enjeux de sécurité, de conformité et d'éthique.

• Certification et labellisation : Les démarches de certification et de labellisation RSE pour garantir une IA de confiance et responsable.

• Défis techniques et environnementaux : Les défis liés à la volumétrie des données, à la consommation énergétique des algorithmes et aux infrastructures nécessaires pour soutenir une IA responsable.

• Impact sociétal et organisationnel : Réflexion sur l'impact de l'IA sur les métiers, la répartition des tâches et les implications sociétales à long terme.

Professionnel de l'IA, décideur stratégique, ou passionné des dernières avancées tech, cet épisode vous offre une vue détaillée et concrète sur la mise en œuvre d'une IA responsable dans une grande organisation.

Timeline :

05:08 Parcours d'Aldrick Zappellini

09:38 L'IA Responsable : Définition et enjeux

14:02 Défis de la Data au Crédit Agricole

18:47 Gouvernance et éthique des données

22:59 Impact environnemental et performance des algorithmes

23:26 Traçabilité et conformité des systèmes d'IA

24:53 Formation et sensibilisation des équipes métiers

27:37 Choix des modèles d'IA : performance et explicabilité

35:20 L'Importance de l'IA explicable

37:38 Pratiques de développement éco-responsable

41:01 Optimisation des ressources et des infrastructures pour une IA durable

46:46 Mesure de l'impact environnemental des algorithmes

48:05 Réflexion sur les tâches humaines et l'IA

51:40 L'impact de l'IA sur les métiers

56:13 Vers une approche responsable de l'IA

À propos :

Molia déploie et gère les systèmes d'IA des ETI et grands groupes français. Nos Forward Deployed Engineers (FDE) s'installent au contact de vos équipes métier : ils conçoivent le système, construisent votre contexte d'entreprise qui en fait un actif durable, et en assurent l'évolution pour maintenir votre système IA à la pointe et indépendant.

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Dans ce septième épisode de Paroles d'IA, Paul Mochkovitch reçoit Maxime Labonne, Head of Post-Training chez Liquid AI, une startup née du MIT qui vient de lever $250M pour redéfinir l’optimisation des modèles d’IA. Dans cet entretien, Maxime partage son parcours, de ses débuts en cybersécurité à ses travaux de pointe sur les LLMs chez Airbus, JP Morgan, et maintenant Liquid AI. Il est aussi l'auteur du très populaire LLM Course sur GitHub, une ressource de référence pour les passionnés d’IA.

Au programme :

• L'optimisation des modèles : Les défis et les étapes du post-training : le fine-tuning supervisé et l'alignement sur les préférences humaines.
• Les LLMs nouvelle génération : Exploration des Liquid Foundation Models de Liquid AI, qui allient performance, efficacité, mémoire et capacités adaptées aux contextes variés, du cloud à l’edge.
• Évolution des workflows de développement : Comment les outils comme Qodo ou Cursor transforment le quotidien des développeurs avec l’intégration d’assistants.
• Capacités émergentes des LLMs : L'impact des contextes longs, des architectures spécialisées et des nouveaux paradigmes d'optimisation sur les performances et usages des modèles.
• Perspectives 2025 pour l'IA : Agents autonomes, modèles hybrides et l’importance croissante de l’efficacité énergétique des modèles.
• L'open-source comme moteur d'innovation : Le rôle crucial des projets collaboratifs et des contributions ouvertes pour accélérer la recherche et démocratiser les avancées en IA.

Timeline :

01:27 - Le parcours de Maxime et ses débuts avec les LLMs

06:53 - Les défis de l’entraînement et de la qualité des données

12:41 - Sa démarche d’éducation et de partage à travers GitHub

31:13 - Introduction à Liquid AI et à ses modèles LFMs

38:07 - Les étapes clés du post-training : fine-tuning supervisé et alignement sur les préférences humaines

45:56 - Feedback utilisateurs et automatisation avec des LLMs juges

54:33 - Les limites des modèles et les innovations possibles

1:09:03 - L'avenir des LLMs : centralisation ou spécialisation ?

1:12:32 - Les bénéfices du partage open-source

À propos :

Molia déploie et gère les systèmes d'IA des ETI et grands groupes français. Nos Forward Deployed Engineers (FDE) s'installent au contact de vos équipes métier : ils conçoivent le système, construisent votre contexte d'entreprise qui en fait un actif durable, et en assurent l'évolution pour maintenir votre système IA à la pointe et indépendant.

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.