Just a Click

Les agents IA dépassent rarement 80-85 % de fiabilité et dans certains contextes (finance, logistique) ce n’est tout simplement pas acceptable.Patrick Joubert, multi-entrepreneur installé à San Francisco et cofondateur de Rippletide, explique ce qui manque pour franchir ce cap : une couche d'infrastructure qui valide chaque décision avant qu'elle ne déclenche une action.À partir de cas concrets (service client, réassort logistique, rapports quotidiens), il montre pourquoi un simple RAG atteint vite ses limites, et comment une approche déterministe fondée sur des ontologies et une base graphe permet de les dépasser. Patrick partage aussi son regard sur les agents IA, le coût réel des tokens et le futur du logiciel, dans un monde où l'agent devient un nouveau point d'entrée vers les applications.Dans cet épisode vous découvrirez (entre autres) :La différence entre un workflow déterministe et un workflow agentique.Comment faire pour qu’un agent valide sa décision contre un référentiel métier, puis révise l'action prévue avant exécution.Pourquoi contrôler en priorité les actions irréversibles : remboursement, expédition, patch de production.L’importance d'avoir une couche sémantique capable d'intégrer des règles métier se trouvant dans des documents non structurés.Bonne écoute ! Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

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.

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.

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.

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.

Hugo Lassiège est le cofondateur et ex-CTO de Malt.Malt c'est une scale-up française créée en 2013, qui a grandi très très vite et levée au total plus de 200 millions de dollars.Hugo m'a fait le plaisir de venir sur le podcast pour répondre à une question simple : s'il devait reconstruire Malt en 2026, qu’est-ce que l’IA générative changerait vraiment ?Il insiste sur le vrai avantage quand tout s’accélère : les choix, l’architecture, les compromis… et la clarté du "pourquoi".Dans cet épisode, vous découvrirez (entre autres) :Comment il reconstruirait la V1 de Malt avec l'IA générative.Pourquoi l’IA augmente vraiment les seniors mais peut perdre les juniors.Les 2 plus gros pièges à éviter en scale-up.Retrouver tous les contenus d'Hugo par ici sur Eventuallycoding.Bonne écoute ! Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Cédric Magne est le CTO de l'agence lyonnaise de Ippon TechnologiesDans cet épisode, il est venu nous partager comment le métier de développeur se transforme à l'ère de l'IA générative.Nous discutons de l'évolution des outils, mais aussi de l'importance de la méthode et des tests.Vous découvrirez (entre autres):- Un cas réel d'un produit généré en 20 minutes avec de l'IA.- Comment utiliser l'IA dans un contexte d’audit de code et de modernisation.- L'importance des tests dans un monde où le code est généré par l'IA.Bonne écoute ! Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Et si votre prochaine app n’était plus dans l’App Store... mais directement dans ChatGPT ?OpenAI vient de lancer les apps dans ChatGPT et j’ai eu le plaisir de recevoir Hugues de Mezerac, CPO et AI Product Lead chez Theodo, pour décrypter ce sujet.On parle acquisition, expérience utilisateur et la bataille pour exister dans une interface conversationnelle.Dans cet épisode, vous découvrirez (entre autres) :Les 3 bonnes pratiques produit pour réussir une app dans ChatGPT.Le rôle de MCP pour rendre vos services agent-friendly.Le modèle économique derrière les apps dans ChatGPT.Bonne écoute ! Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.