DataGen

Michel Moriniaux travaille dans la Silicon Valley depuis dix ans. Il a été lead de l’équipe Infrastructure chez Criteo aux États-Unis, puis manager de plusieurs équipes techniques chez LinkedIn. Plus récemment, il est devenu Head of Observability chez GEICO, l’un des plus gros assureurs américains.

On aborde :

🔥 Comment Michel est arrivé aux États-Unis (Epita, Criteo…) et ses premières impressions
🔥 Son expérience chez LinkedIn et ce qu'on apprend dans une big tech américaine
🔥 Les différences entre les équipes tech françaises et américaines : recrutement, culture, niveau technique…
🔥 Pourquoi il a rejoint récemment une grosse entreprise (GEICO) plutôt qu’une autre big tech

💪 SE FORMER A L'AGENTIQUE AVEC DATABIRD ET DATAGEN

On a lancé avec DataBird 3 bootcamps IA :
👉 DataGen apporte sa vision du marché pour co-construire et faire évoluer les programmes
👉 DataBird apporte son expertise dans la formation avec 4000+ profils Data & IA formés
Découvrez toutes les formations et bénéficiez de 5% de réduction (uniquement en réservant via ce lien) : ici

Dans le cadre de ce partenariat, DataGen touche une commission sur les inscriptions. 🙂

📚 RESSOURCES

- Le LinkedIn de Michel
- Pour recevoir la liste des 10 outils data & IA à suivre en 2025, inscrivez-vous à la newsletter DataGen ici

🎬 CHAPITRES

00:00 Son parcours en 2 mots
03:01 Son expérience chez Criteo
09:05 Son expérience chez Linkedin
13:18 Les différences entre équipes tech FR et US
15:24 Son arrivée chez GEICO
18:06 Pourquoi GEICO plutôt qu’une big tech US ?
22:59 Big Tech US : encore la voie royale ?
24:19 Retravailler en France ?
25:04 Ou partir en Chine ?

🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER

#301 - YouTube, Snapchat : Lancer une équipe data dédiée à la croissance
#290 - Facebook, Slack & Patreon : Culture Data, Rôle du Data Scientist et Importance de l’influence
#292 - Doordash : Monter une équipe Data Science & Analytics (aux US)

👋 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.

Jordan Gomes a lancé des équipes data dédiées à la croissance chez YouTube puis Snapchat. Il est aujourd'hui VP Analytics chez Chess.com.

On aborde :

🔥 Sa transition du business à la data et les différences entre YouTube et Snapchat (maturité, vitesse, prise de risque)
🔥 La création de l'équipe Growth Science et Analytics chez YouTube (missions, profils, difficultés)
🔥 L’adoption de l’IA pour la data chez Snapchat (automatisation des analyses, animation de la communauté)
🔥 Son nouveau rôle de VP Analytics chez Chess.com (licorne US) et ses premières initiatives

❤️ PARTENAIRE

Ce podcast est rendu possible par Actian.

👉 Ecouter l’épisode avec Ole Olesen-Bagneux ici
👉 Recevoir l'early release de la 2ème édition de The Enterprise Data Catalog, le livre d'Ole
👉 Contacter Ole sur LinkedIn ou par mail : ole.olesenbagneux@hcl-software.com

📚 RESSOURCES

- Le LinkedIn de Jordan
- Le livre Startup Communities: Building an Entrepreneurial Ecosystem in Your City de Brad Feld autour de la Boulder Thesis
- L’ Article sur le recrutement comme problème de prédiction
- Les offres d’emplois chez Chess.com
- Pour recevoir les 100+ ressources préférées des Head of Data invités sur DataGen, s'inscrire à la newsletter ici

🎬 CHAPITRES

00:00 Le parcours de Jordan : YouTube, Snapchat…
04:36 YouTube vs Snapchat
06:56 Lancer une équipe data chez YouTube
12:32 L’impact de l’équipe sur le produit
16:36 Ses plus grosses difficultés
17:59 Le déploiement de l’IA pour la data chez Snap
22:52 VP Analytics : 1ères initiatives 26:32 Ses ressources préférées
27:57 Ce qui l’a fait progresser

🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER

#292 - DoorDash : Comment monter une équipe Data Science & Analytics (aux US)
#290 - Meta & Slack : Culture Data, rôle du Data Scientist et importance de l'Influence
#286 - Meta : Comment fonctionne l’équipe Research Science (organisation & culture)

👋 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.

Gio Granato est Head of Data & AI chez Checkr, la licorne américaine spécialisée dans la vérification des antécédents.

Gio est dans la Silicon Valley depuis plus de 10 ans. Il a notamment passé 3 ans chez Google en tant que Data Scientist puis a managé une équipe de 10 Data Scientists chez Meta.

Il va nous parler des plus gros enseignements qu’il a tirés de ses expériences chez Google et Meta puis nous expliquer comment il a structuré la stratégie agentique chez Checkr.

On aborde :

🔥 Le parcours de Gio et ses learnings chez Google et Meta
🔥 Chantier #1 : Mettre en place des agents pour la data et l’analytics (Omni, Claude…)
🔥 Chantier #2 : Mettre en place des agents pour l’engineering et le développement (”Constitution”, Claude Code)
🔥 Ses plus grosses difficultés et sa vision du futur de la Data & de l’IA

❤️ PARTENAIRE

Ce podcast est rendu possible par Actian.

👉 Ecouter l’épisode avec Ole Olesen-Bagneux ici
👉 Recevoir l'early release de la 2ème édition de The Enterprise Data Catalog, le livre d'Ole
👉 Contacter Ole sur LinkedIn ou par mail : ole.olesenbagneux@hcl-software.com

📚 RESSOURCES

- Le LinkedIn de Gio
- Le livre Politics and the English Language de George Orwell
- Pour recevoir le dossier sur les parcours des Head of Data & IA des plus belles boites, s'inscrire à la newsletter ici

🎬 CHAPITRES

00:00 Le parcours de Gio
03:00 Ses learnings chez Google et Meta
05:02 Présentation de Checkr
07:01 Le contexte data chez Checkr
11:31 Chantier #1 : La stratégie agentique & AI analytics
21:49 Chantier #2 : L’agentique pour l’engineering
26:39 Ses plus grosses difficultés sur l’agentique
28:31 Leur stack
30:25 Leurs prochaines étapes
32:21 Ses recommandations de contenu
33:17 Ce qui le fait progresser

🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER

#295 - Malt : Construire un agent AI Analytics fiable à 90%
#281 - Gorgias : Créer sa couche de contexte pour l'agent AI Analytics
#236 - Photoroom : Déployer une stratégie GenAI pour l’analytics et x15 sa vitesse de delivery

👋 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.

Ole Olesen-Bagneux est Chief Evangelist chez Actian, le groupe qui propose une Data Intelligence Platform et qui a notamment racheté le Data Catalog Zeenea en 2024. Avant ça, Ole a été Enterprise and Data Architect dans plusieurs grands groupes et a écrit deux livres sur le data management qui sont devenus des références.

On aborde :

🔥 Le Federated Knowledge Graph : la technologie qui permet à un Data Catalog d'être performant
🔥 L'IA au service de la gouvernance : descriptions automatiques, tagging et recherche avancée
🔥 Le changement global de paradigme : de la barre de recherche vers le conversationnel
🔥 Les trois briques d'Actian : base de données, data & AI management et business intelligence

❤️ PARTENAIRE

Ce podcast est rendu possible par Actian.

👉 Recevez l'early release de la 2ème édition de The Enterprise Data Catalog, le livre d'Ole
👉 Contacter Ole sur LinkedIn ou par mail : ole.olesenbagneux@hcl-software.com

📚 RESSOURCES

•⁠ ⁠Le LinkedIn d'Ole
•⁠ La nouvelle édition de son livre ⁠The Enterprise Data Catalog
•⁠ ⁠Le livre The C4 Model: Visualizing Software Architecture de Simon Brown

🎬 CHAPITRES

00:00 Le parcours d'Ole
02:53 Brique #1 : Base de données
05:23 Brique #2 : Data & AI Management
07:04 Brique #3 : Business Intelligence
08:49 Federated Knowledge Graph
15:25 L'IA au service de la gouvernance
18:08 Data Contrats & Data Products
21:22 Le changement de paradigme
26:10 Sa recommandation de contenu
27:10 Son meilleur conseil

🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER

#270 - Les outils de la Data Gouvernance avec Charlotte Ledoux
#185 - Masterclass | Mettre en place un Data Catalog avec Rachid Tighremt
#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 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.

Alexandre Robicquet a monté une startup dans l’IA qu’il a vendue à OpenAI en 2025. Il a ensuite choisi de rester chez OpenAI comme Research Scientist pendant un peu plus d’un an avant de finalement rejoindre Google.

On aborde :

🔥 Son parcours de CEO à Research Scientist chez OpenAI, et son rôle dans le développement des modèles
🔥 Le cycle de développement des modèles : entraînement, évaluation et gestion des biais
🔥 La course aux modèles entre OpenAI, Anthropic et Google, et les choix stratégiques de chacun
🔥 Les grands risques de l’IA : sécurité, manipulation et impacts sur la société

💪 SE FORMER A L'AGENTIQUE AVEC DATABIRD ET DATAGEN

On a lancé avec DataBird 3 bootcamps IA :
👉 DataGen apporte sa vision du marché pour co-construire et faire évoluer les programmes
👉 DataBird apporte son expertise dans la formation avec 4000+ profils Data & IA formés

Découvrez toutes les formations et bénéficiez de 5% de réduction, uniquement en réservant via ce lien

Dans le cadre de ce partenariat, DataGen touche une commission sur les inscriptions. 🙂

📚 RESSOURCES

- Le LinkedIn de Alexandre
- Le compte X d’Andrej Karpathy

🎬 CHAPITRES

00:00 De CEO à Research Scientist
04:56 Research Scientist chez OpenAI
17:04 Cycles de développement des modèles
21:57 Course OpenAI / Anthropic / Google
27:22 Gestion des biais
32:10 Risques de l'IA
39:55 Reco de contenu d’Alexandre
41:08 Le meilleur conseil qu’on lui ait donné

🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER

#297 - Palantir, Google, Expedia : Les clés pour réussir ses produits IA
#292 - DoorDash : Monter une équipe Data Science & Analytics (aux US)
#286 - Meta : Comment fonctionne l’équipe Research Science (organisation & culture)

💪 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

👋 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.