– Marc — 00:00 :

 Aujourd’hui, je reçois Samuel Fillon, ingénieur des ponts et chaussées, fondateur de sommelier du parfum, sommelier du parfum est une start-up de machine learning appliquée à la parfumerie, créée en 2017 et bootstrapé. Bonjour Samuel, Salut Marc. Alors Samuel, est-ce que tu peux nous parler de sommelier du parfum? Qu’est-ce que vous faites exactement? 

– Samuel — 00:17 :

 Ouais, carrément. Alors sommelier du parfum. L’idée, en fait, c’est de fournir à la fois au consommateur de parfum et aux professionnels de la parfumerie des outils data driven qui peut leur permettre de prendre des décisions plus rationnelles. Donc, dans l’approche Consumer, dans le cadre de l’achat de parfum. Et pour les professionnels de la parfumerie, quand ils sont en train de créer des nouveaux parfums pour le grand public. 

– Marc — 00:35 :

 Ok donc vous donner du feedback à ceux qui créent les parfums d’un côté et éventuellement de la recommandation du côté utilisateur. 

– Samuel — 00:43 :

 Ouais, absolument, c’est exactement le pas en fait. On a donc encore une fois une double casquette. Nos activités sont assez séparées l’une de l’autre. Côté Consumer, on a une APP qui est un peu une encyclopédie du parfum qui est disponible sur IOS Android qui est aussi complémentée d’une marketplace de découverte de parfumerie de niche. Donc c’est la parfumerie un peu alternative qu’on ne trouve pas forcément chez. Sephora, mariono et autres avec un une mécanique de découverte à distance si on veut, en fonction des goûts et des préférences des utilisateurs. Donc ça c’est la casquette contumace. Et puis de l’autre côté, on a une casquette vraiment B to B qui est encore une fois communique assez peu avec la casquette B to C et là l’idée c’est qu’enfin nos utilisateurs c’est des parfumeurs, c’est les professionnels de la parfumerie et on les accompagne dans toutes les questions qu’elles peuvent avoir sur la compréhension des consommateurs, pas nécessairement en France mais partout dans le monde. Et si on veut l’idée c’est pour pour se rendre un petit peu compte de ce que ça peut vouloir dire et à quelle réponse on peut apporter. Voilà à leurs questions, ça peut être se dire voilà. Imaginons que demain on est, je suis parfumeur et cherche à faire une rose nostalgique pour la Chine. Ok donc c’est un brief qui peut être réel. Alors là c’est un brief qui est fictif hein, mais c’est le genre de brief qu’on peut s’imaginer de vous répondre en tant que parfumeur. Voilà et nos approches en fait, répondent assez jusqu’à ça. 

– Marc — 01:53 :

 D’accord, OK avant de rentrer, peut être dans le détail des algo au niveau de la data elle même déjà quel type de données vous manipulez? Et puis en tant qu’organisation, comment est ce que vous êtes organisé au niveau de l’équipe pour traiter tous les sujets data? 

– Samuel — 02:07 :

 Alors sur la partie B to C, tu l’as dit un petit peu avant, on est vraiment focalisé sur la recommandation. Donc il y a 2 types de données si tu veux qui rentrent en compte, c’est déjà d’une part, on a dû constituer une base de données de parfum la plus exhaustive possible, hein. On a des dizaines de milliers de références sur lesquelles on va avoir des informations olfactives, donc c’est ce qu’on appelle des les notes du parfum. Donc ça va être la pêche par exemple, c’est une note, la vanille, c’est une note. 

– Marc — 02:27 :

 Quand tu dis les informations olfactives, c’est une description en langage naturel, non. 

– Samuel — 02:30 :

 C’est c’est plus structuré que ça en fait, on arrive à sourcer à partir de certains sites spécialisés et de nos autres propres analyses, ce qu’on appelle donc la pyramide du parfum qui est en gros la la décomposition, la combinaison linéaire. Si tu veux de notes avec des poids à chaque note, ceci. Donc c’est pas juste, on va regarder dans les commentaires de Conso et qui vont dire Ah bah tiens je pense qu’il y a un peu de vanille, un peu de pêche et nous du coup on va le le structurer c’est on récupère et on traite de la donnée qui est déjà structurée, objective, d’accord. Et donc dans les reco si tu veux il y a pas mal de choses qui rentrent en compte traditionnellement quand on fait de la reco si tu prends par exemple Amazon qui te met en bas de page les consos ou aussi MSA vous allez aimer ça en fait ils ils traitent un parfum comme un pot d’yaourt souvent ce qui est utilisé c’est des réductions de matrices genre facturation de matrice pardon où du coup tu as une grande matrice avec des objets d’un côté et puis enfin du coup déduction de l’autre et puis de Factory c’est un espace latent dans lequel tu peux pas enfin comprendre grand chose. Mais en tout cas tu utilises ça dès que tu es sur une verticale assez spécifique sur laquelle t’as beaucoup d’infos. Donc là l’occurrence le parfum dans lequel tu vas avoir des des informations de type olfactives ou pas mal d’autres choses. T’es obligé de faire des approches beaucoup plus Customs si tu veux être pertinent et un autre truc c’est qu’en fait quand tu fais de la Reco sur Amazon ce qui se passe c’est que tu peux faire ta facturation matrice pendant la nuit, ça te prend 3 heures de calcul et à la fin du coup tu vas pouvoir avoir des recaux qui vont être préprocés dans notre cas. En fait notre conso il arrive sur le site il rentre ses préférences et en fait 30 secondes plus tard. Toi tu dois le faire des revues donc tu vois y a pas mal de choses qui devaient être adaptées. Ça, c’est pour le B to c après en B to B, C’est assez différent. Effectivement, on a beaucoup de scraping, de review, on fait beaucoup de NLP sur C Reviews en ce moment, on se régale avec les LLM qui peuvent faire plein de choses nouvelles. Mais si tu veux on a d’une part des reviews de conso encore une fois partout dans le monde, Chine, Russie, US Europe de l’Ouest, et cetera. D’autre part des données business qu’on traite que nos clients nous envoient depuis tout un tas d’autres choses. Voilà, mais nous on pourra parler peut être un peu plus en détail, mais c’est vrai qu’un truc qu’on regarde pas mal et qui est assez lié à l’approche de Rocco pour le coup EN B to c’est ce qu’on appelle des paniers de préférence. C’est en fait quand t’as un utilisateur a qui va aimer un parfum A et B un utilisateur B qui va aimer parfum B et C en fait tu vas pouvoir comprendre des concurrences entre les parfums qui sont agnostiques, des caractéristiques olfactives pures des produits mais qui ont capturé d’autres trucs, par exemple des éléments de branding en commun. Ah bah tiens, les flacons ils sont Bleus tu vois? Ah bah tiens c’est rigolo parce qu’en fait tu peux te rendre compte que bah si un flacon a une forme particulière tu vois, ça peut être plus importance que si il est en commun de la vanille ou du gingembre ou je sais pas comment OK. 

– Marc — 04:53 :

 Donc, si je rebondis peut être d’abord sur le premier point sur du B to c. Donc on part à Amazon, donc factorisation de matrice le fait finalement de dire parce que tu as aimé tel et tel autre produit, on te recommande celui-ci est ce qu’on pourrait pas on va dire faire la même chose juste pour les parfums je je suis d’accord que finalement sur Amazon le le fait d’avoir acheté des produits d’entretien des produits de bricolage, des produits d’informatique a priori pas beaucoup de de sens pour te recommander l’un parfum ou un autre si on avait un peu plus de données d’historique sur les parfums, est ce qu’on pourrait faire l’algo d’Amazon, de Netflix de de voilà la Factorisation Matrix est ce qu’on est ce qu’on pourrait le faire? Avec juste les parfums, est ce que ce serait une approche valide? 

– Samuel — 05:37 :

 Alors je je reformule un peu la question pour aller sur la comprise, mais je pense que du coup le pas d’Amazon Netflix il est assez différent parce qu’en fait l’Amazon est obligé de traiter des centaines de verticales différentes. Du coup ça leur demanderait une bande passante vraiment très importante de devoir avoir un un algo spécialisé dans chacune de ces verticales. Alors ils le font peut être hein. Honnêtement j’en ai aucune idée et surtout ça leur demanderait de constituer des bases de données avec des features sur les produits qui serviraient à bien comprendre vraiment important. Alors du coup peut être que pour eux qui font des centaines de milliards de de de CAC volumes d’affaires ça peut avoir un intérêt ou pas? Avoir dans le cas de Netflix, c’est un peu différent parce que pour le coup eux ils ont donc verticalisé, ils traitent de la série ou du film. Cul de Q et il me semble que de toute façon Netflix a été dans le dans le domaine de du système de Rocco, c’est le pionnier qui a permis à ce que la recherche se développé et où c’était Netflix prise en 2009 ou un peu avant? Et justement eux, ce qu’ils ont permis de faire avec les datasets qui sont rendus publics, c’est d’aller bien au-delà des approches complètement agnostiques de la verticale pour aller regarder très spécifiquement ce qui peut se faire sur des films ou des ou sur du contenu audiovisuel, donc de notre point de vue on serait plus dans un use case type Netflix qu’Amazon. D’accord, tu m’avais posé la question tout à l’heure de comment est ce qu’on gérait il me semble les les données en interne? On fait du fond d’internes déjà, on essaie de pas trop justement parce que c’est très proche de notre cœur de métier, donc c’est des choses qu’on essaie de D externaliser aussi peu que possible. Ouais et donc on a une team qui fait ça, on a un data ingénieur qui donc job c’est de gérer nos pipelines de scrapping, de processer tous les données et de faire tourner les algo de de ML sur enfin d’un LP sur toutes nos reviews notamment. Et puis on a un ingénieur en en machine learning qui est une grosse casquette NLP aussi et qui justement va créer les nouvelles approches qui nous permettent d’etre plus pertinent pour nos clients en demain. Puis il se trouve que à la base donc on est à peu près 6 7 ans en tant que boîte. Dans très longtemps, c’est moi qui me suis occupé de cette partie en tout cas. 

– Marc — 07:21 :

 Ok alors quel genre de data vous aviez comme point de départ pour vos algo? C’est c’est des algo qui sont quand même gourmands en données. La recommandation comment on monte une boîte quand on a à priori pas de données au début? Comment est ce qu’on se constitue le premier? La première mise de départ? 

– Samuel — 07:37 :

 Ouais, du coup sur une verticale spécifique dans le parfum, en gros il faut forcément commencer d’une base de données même si tu as des commentaires sur des tu peux récupérer des commentaires sur des sites de Retail, tu vas pas pouvoir en faire grand chose parce que là tu vas traiter ton objet produit comme tu traiterais là pour le coup des pots d’yaourt c’est pas forcément important, c’est pas forcément pertinent. Première chose à à constituer, donc, c’est une base de données. Ça nous a pris franchement, littéralement des années de faire quelque chose de propre, ce qu’on a combiné pas mal de données qui étaient disponibles en ligne. On a parlé des données olfactives, après y a plein de choses. Enfin YAYAYA ce qu’on a dans le le domaine de la parfumerie, c’est le même vocabulaire que dans la musique. T’as tes notes, t’as des accords, t’as ce genre de choses, il faut pouvoir processer tout ça pour qu’il soit traitable d’un point de vue, même mathématique, si tu veux un un parfum, on l’a dit un peu avant, on peut le considérer comme une combinaison linéaire de notes. Maintenant les notes, y en a, tu vois, tu peux dire qu’il y en a 1000, 1200 différentes, donc en fait t’es dans un espace qui est hyper sparse, tu peux utiliser une norme L 2 par exemple pour phase d’opération mais tes résultats vont être un peu nazes donc y a tout un paradigme qu’il faut créer sur ta verticale pour pouvoir traiter ton objet de façon pertinente. Et donc ça ça demande quand même pas mal de travail et surtout ça demande beaucoup de compréhension au métier. Il faut être ultra immergé sur ton secteur si possible passer beaucoup de temps avec les gens qui travaillent dessus parce qu’il va y avoir des des insights intéressants. Le parfum c’est quand même un truc qui est assez éloigné de nos enfin tu vois c’est très sensoriel, c’est très subjectif d’une certaine façon et donc tout ce que les ingers ont pas l’habitude de traiter quoi. Et ensuite après sur la partie roco, c’est du test and learn c’est de chiper le plus vite possible des dans notre cas, on a commencé par du Consumer Hein, mais c’était en 2017 c’était Chat Bot à l’époque et donc c’est typé le plus vite possible pour avoir des feedback sur tes voilà de de tes Consumer qui peuvent te dire c’est ta direction est bonne ou pas quoi. 

– Marc — 09:18 :

 Ok alors du coup, maintenant que vous avez toutes ces années d’expérience, quelle serait la data idéale? Celle si vous pouviez la collecter de cette façon ou si vous la collectez déjà? Quelle est la data idéale pour entraîner vos algo? 

– Samuel — 09:31 :

 Alors dans le meilleur des mondes, parce que du coup on récupère des donc dans le cas des reviews des données qui viennent un peu de partout dans le monde. Donc déjà il faut les traduire correctement. Et c’est con, mais par exemple la traduction depuis le Chinois elle est pas très bonne en général en machine translation elle est plutôt pas terrible alors t’as des t’as des approches qui marchent plus que d’autres hein. Par exemple t’as des API chinoises qui ont l’habitude de faire du Chinois to English ou ou ou inversement même des API comme DPL le font correctement mais en tout cas enfin ça reste pas parfait, c’est pas du tout comme français anglais qui est vraiment irréprochable de nos jours. Après au-delà de ça nous on peut être plus pertinent si la donnée elle est bien contextualisée dans le meilleur des mondes à chaque fois qu’on traite une review, Ben en fait on aurait sans que ça soit. Des données à caractère personnel, mais au moins tranche d’âge, sexe, région dans laquelle se trouve la personne. Ça nous permettrait de faire beaucoup, beaucoup plus de choses encore. Ça dépend les pas hein. Y a des fois on a accès à peu près à ces infos ou à des proxys vers ces infos. Mais très souvent on a juste un pseudo. Et puis une note et un texte. Et puis plus un site ce qui permettait de plein de choses, mais pas autant que ce qu’on veut. 

– Marc — 10:27 :

 D’accord, ça, ça serait côté B to B. 

– Samuel — 10:30 :

 Je mélange un peu les 2 parce que c’est vrai qu’encore une fois, les 2 casquettes font que je réponde de temps en temps. Plus de côté consumeur plutôt côté B to B en B to c ouais en fait, ce qui est plutôt pas mal c’est que vu qu’on a on fait pas mal de recommandations, on est en mesure d’avoir du feedback. Sur les recaux qu’on produit donc juste quelques mots sur le système de recommandation EN B to c, donc nos utilisateurs ont une sorte d onboarding sur notre site ou sur notre APP, donc ils vont entrer. Voilà moi j’aime le patchouli, j’ai porté tel ou tel parfum, cherche un parfum pour l’hiver, j’étais l’âge et cetera, et nous on sort une reco de parfum à essayer chez soi. Et le principe c’est que pour 20€ en tant que Conso tu reçois un kit de 5 échantillons encore une fois complètement. Alors les parfums sont pas Customs mais le panachage? Il l’est et donc en plus de ton kit, tu reçois un bon d’achat de 20€ si tu veux acheter derrière les flacons de des parfums que t’as testé. C’est un peu un un fusillade de cartouches si tu veux pour apprendre en fait avoir du feedback et des recommandations c’est que tu peux pas vraiment déduire grand chose des échantillons qui sont choisis par ton conso parce qu’en fait ils l’ont pas encore testé à ce moment-là Par contre tu apprends de la conversion vers un flacon donc c’est un poil complexe à intégrer. Par exemple dans une fonction d’erreur mais c’est ça qui nous permet tout de même de faire fonctionner la machine. Et puis ça qu’on a l’avantage d’avoir une certaine diversité géographique. On a beaucoup d’utilisateurs allemands par exemple la région germanophone, beaucoup de japonais, on a eu à l’époque avant enfin beaucoup de Russes. Et donc in fine, on peut comprendre tout de même pas mal de choses à partir de de ces retours là OK. 

– Marc — 12:02 :

 Ouais, ça peut être intéressant de se rendre compte finalement. Salon les cultures comme les goûts changent où l’influence du pays de la zone localisation sur l’égo. Ouais, absolument. 

– Samuel — 12:13 :

 Alors y a un truc qui dépasse un petit peu notre notre cadre si tu veux, mais en fait l’industrie du parfum faut se rendre compte d’un truc, c’est qu’alors tu peux parler des grandes marques. Tu vois Chanel, Hugo Boss, Juvitch et cetera. La réalité c’est que t’as 3 ou 4 fournisseurs de matières premières et des formules qui formulent pour tout le monde, donc quant à un parfum qui sort de chez Lacoste, c’est pas un parfumeur chez Lacoste qui l’a créé, c’est une boîte qui un sous-traitant en fait, qui fournit ses les formules et la matière première d’accord, et en fait c’est 3 ou 4 boîtes, elles font pas que des parfums, elles font toute l’industrie qui a un goût ou une odeur, c’est à dire c’est les lessives, c’est les détergents, produits d’entretien, c’est les odeurs dans l’agroalimentaire parce que c’est pareil, hein, Unilever et autres, ils achètent des composés qui se sont produits par ces boîtes là, donc ces entreprises elles sont d’un impact sur 2 de nos sens. Si tu veux à l’échelle mondiale qui est très important et qui est totalement sous le radar, personne s’aime trop la concentration. Oligopolistique en fait de de de ce marché, mais la réalité, c’est que tout ce qui peut être fait, on va dire, pour orienter un petit peu leur prise de décision, un impact sur littéralement la totalité des consommateurs sur terre. 

– Marc — 13:16 :

 Quoi mais ça lisse un peu l’égo du coup. 

– Samuel — 13:18 :

 Bah en fait c’est le son, c’est le challenge en fait les cette industrie elle est alors je dirais pas qu’elle est pas data driven mais elle est de façon un petit peu old School si tu veux le la façon assez classique de d’utiliser les données on va dire dans le cadre d’un développement de parfums, c’est que donc t’as une marque qui va arriver avec un brief donc c’est voilà comme comme dans d’autres industries hein, je pense qu’il faut. Voilà on disait réinventer la rose en Chine, et cetera. Et donc elle va l’envoyer à ta à la maison de composition. Qu’est ce qu’on fait ça. Ils font des variations possibles sur ce thème et la marque derrière ou la maison de composition va faire tester sur chacun des marchés qui l’intéresse ses différentes variantes. Donc tu vas avoir un groupe de 10 personnes en Chine, un groupe de 10 personnes au Japon, de 10 personnes en France, aux US et cetera, et en fait la plupart des lancements de parfum, ils sont mondiaux, c’est le même parfum partout dans le monde. Mais le problème c’est que, en moyenne, si y a ce qui s’est passé, c’est que le les les variantes qui vont être retenues c’est celles qui sont le plus proche de la moyenne mondiale des goûts. Logique, Ouais, tu cherches à à maximiser ton espérance. Tu as genre sur tout la terre, tu cherches pas à être hyper clivant et hyper performant sur un seul de ces marchés. Et vu que tous les développements de parfum sont réalisés de cette façon, tu as une convergence vers la moyenne mondiale des goûts et tu peux rajouter à ça le fait que la plupart des gens enfin il y a de plus en plus de gens sont en milieu urbain nos jours et donc sont de moins en moins exposés naturels et du coup en fait ça accélère encore cet effet là. D’accord donc nous si tu veux le l’idée et l’enfin en tout cas ce qu’on ce qu’on essaie de permettre de faire à nos clients, c’est d’aller repérer des niches olfactives, des White Space. Tu vois, tu peux l’appeler comme tu veux. Des opportunités qui font que ça leur permet d’avoir des données qui backent une prise de risque et qui leur permet d’aller. Bah d’être clivant hein, tout simplement sur un marché donné, tu peux te dire bah voilà, demain nous on peut fournir les données pour dire on fait une rose nostalgique pour la Chine qui va être hyper clivante, mais pour 1/4 ou 1/8 des conso chinois de cette région de la Chine ça va être le parfum de leur vie et de cette façon tu peux un peu briser le cette espèce de cercle vicieux de la création un peu stérile qui se regarde le nombril quoi. 

– Marc — 15:16 :

 Ouais, parce que je, je me demandais si on fait le parallèle avec le monde de la mode? Il y a beaucoup de petites marques qui émergent, presque les petites, les petites marques qui mangent les grosses pour caricaturer, est-ce que dans la parfumerie on peut imaginer où on peut voir ce genre de choses? Est-ce que justement ce lissage à l’échelle mondiale et cette envie de personnalisation globale va pas amener à des toutes petites marques qui performent sur des petits marchés de de nouveau, on va dire une espèce de retour en arrière. 

– Samuel — 15:42 :

 C’est exactement ce qui se passe, ça fait une vingtaine d’années à peu près en France, on a quelques marques comme l’artisan parfumeur, les éditions de parfum Frédéric mal notamment. Ou même diptyque, hein, c’est des marques qui ont un petit peu capté l’esprit du temps. Déjà de l’époque, ou en tout cas ils ont été assez visionnaires dans l’idée de bah ils ont compris les problèmes de l’industrie du parfum. Ils ont anticipé et ont créé une offre alternative encore une fois plus clivante, plus simple aussi d’une certaine mobilisation plus identifiable et qui répond à un problème de que se posent tous les consommateurs qui ont chez Sephora un jour qui est bah in fine, j’ai pas envie de sentir comme mon voisin de métro quoi tu vois? Et ces petites marques là l’ont fait avec beaucoup de réussite. Aujourd’hui, le marché est maintenant. Très saturé de ses petites marques qui justement essayent de de grignoter des parts de marché sur les plus grosses mais t’as des supers success stories, notamment dans les marques dont je t’ai parlé qui ont été assez précurseurs sur le sujet quoi. 

– Marc — 16:35 :

 Alors est ce que tu peux nous parler de la recommandation Consumer Facing en général? Quelles sont les particularités? Quels conseils tu peux donner sur la partie UX user expérience user interface? 

– Samuel — 16:47 :

 Alors ce qu’il faut se dire, c’est que la seule chose qui compte, c’est la perception de ton consommateur qui reçoit la recommandation. Et donc ouais, j’ai envie d’un output, une recommandation qui est expliquée concrètement, même si elle est de moins bonne qualité qu’une reco qui ne l’est pas en fait va être enfin il va y avoir beaucoup plus de valeur perçue pour ton consommateur final. Si par exemple je te dis Bah tiens tu voilà tu m’as mis tous tes paramètres là donc dans l’unboarding donc ton amour pour le patchouli et autres et en fait je te fais 5 recours qui tombent comme ça sur un cheveu comme un un cheveu sur la soupe. En fait vu que tu es pas expert t’as aucun moyen de savoir si cette reco là elle est pertinente. À l’inverse si t’arrives et je pense que ça c’est valable très très largement au-delà du de note verticale. Si tu arrives et que tu dis OK ce parfum là, je te le recommande parce que tu m’as dit que t’aimais tel autre truc? Et il y a ça en commun. Et en plus là elle est traitée avec un petit peu plus de tu vois de de d’épices et ça ça correspond à un autre goût que j’ai pu capturer via un autre. Des éléments que tu as entré dans le formulaire. Bon en fait là ton conso il il comprend, voilà il comprend et si tu vois ça lui permet d’il y a pas l’impression d’avoir perdu son temps en en entrant tu vois les données du formulaire et ça lui donne la sensation d’être d’être compris et ça ça change tout. Après il y a un autre élément je pense qui est OK Auquel on on on pens  e pas forcément de prime abord. C’est que tu sais on quand tu développes pour le web, en général tu essaies de retirer le maximum de frictions dès que t’as la friction, tu la retires. Tu fais des parcours d’utilisateurs les plus courts possibles qui vont droit à l’essentiel, et cetera, et en fait de temps en temps, l’ajout d’une toute petite friction peut avoir un vrai intérêt. Donc typiquement tu as des cas un peu tu vois classiques du genre Bah tu vois quand tu veux supprimer un truc dans une base de données on va dire est ce que vous êtes vraiment vraiment sûr? Donc ça c’est un exemple de friction ajouter qui peut servir le client mais après il y a un autre truc qui permet de servir la la le crédit que tu vas accorder à la recommandation dans le cadre de la Reco c’est en fait de juste ajouter un loader par exemple, une fois que tu as rentré tous tes paramètres si ton algo il est bien optimisé ça prend pas des heures et éventuellement ça prend cent m s je veux dire Si ton conso il reçoit une recommandation après cent m s il va se dire en fait le truc il est pas beaucoup tout à fait quoi si tu mets à l’odeur complètement artificielle de 3 secondes avec une petite anime qui dit ouais tout on est en train de de déballer tous les cartons pour trouver le truc qu’il te faut. Bah c’est con mais ça marche tu vois et c’est pareil dans lesquels alors c’est pas dans nos univers nous mais tu vois par exemple quand t’as un un une vérification de sécurité quand tu te connectes à une plateforme de crypto je sais pas quoi c’est pareil tu il peut être instant mais bon si tu attends 4 secondes, t’es heureux de le faire quoi ah ouais? 

– Marc — 19:17 :

 Et alors tu disais finalement, il faut expliquer, je rebondis plus sur la première partie de ta réponse sur l’il faut expliquer comment est ce qu’on fait concrètement parce que le machine learning AA ce gros problème d’être souvent difficile à expliquer comment? On fait pour le le faire ce lien entre mon goût pour le Patiolique t’as interprété comme si et que tu relis avec tel critère de de ce parfum, c’est. 

– Samuel — 19:42 :

 Vraiment un problème de de Deep learning, souvent d’avoir genre plein de couches d’attraction qui capturent plein de trucs dans tous les sens, mais on est incapable de comprendre. Ouais, la réalité c’est que dans ces cas-là il faut éventuellement faire tourner des algo spécifiquement justement. Pour essayer de détecter les les similarités entre donc ce que t’as sorti en output et le contenu de ton formulaire et là éventuellement ça peut être des choses beaucoup plus simples. T’es pas obligé de faire des choses hyper complexes, tu peux aller juste regarder. Bah tiens concrètement tu calcules la distance. On serait parfois en output et tous les parfums que t’as rentrés, Ben tu vas directement, ça peut te permettre de commencer à à avoir à avoir des explications et c’est aussi là où t’es pas obligé d’interférer en fait avec ton algo qui te produit tes reco mais juste voilà t’es obligé d’éventuellement de construire 2-3-2-3 briques par-dessus voilà. 

– Marc — 20:21 :

 D’accord, donc potentiellement ça, ça peut être 2 algo différents. C’est pas gênant parce que. Ce qui compte à la fin, c’est de servir les 2 objectifs, celui de faire une bonne reco et celui de donner une explication qui convainc un peu le le l’utilisateur. 

– Samuel — 20:33 :

 Ouais, exactement. 

– Marc — 20:34 :

 D’un point de vue produit à quoi ça ressemblait, les différentes versions et le cheminement qui vous a amené où vous êtes. 

– Samuel — 20:41 :

 Alors comme je t’ai dit, c’est un cheminement qui est pas lent, mais on on a pas mal pivoté, on s’est pas mal cherché. Si tu veux le point de départ, ça a été quand même bon. Moi je je suis impressionné de parfum on va dire. Je pense qu’il est vraiment un truc à faire à l’intersection de la verticale parfum avec une approche ML et on on lèverait des gens. Le fait qu’on est en France et que c’est une industrie de pointe on va dire. En France, et donc à l’intersection de ça, il y avait pas grand monde si tu veux. Après j’avais pas un use case particulier en tête. En tout cas je me suis dit Ah bah tiens le truc le plus évident à faire c’est d’aider les gens dans la recommandation de parfum de la recherche de parfum parce que c’est un truc qui est vécu par beaucoup de gens. Moi j’ai je l’avais vécu en fait à la base c’était c’était ça mon point d’entrée aussi, c’est à dire chercher un parfum pour mon frère. Je me suis dit putain en fait tu vois, genre en magasin on se fait rouler parce que les vendeurs ont pas forcément la connaissance de ce qu’ils ont en stock en fait juste pour pouvoir t’aider avec d’use case assez basique et putain il y a vraiment un truc à faire. Après le problème, c’est que c’était pas forcément quelque chose qui était tout de suite monétisable et donc ça, ça a été le point de départ de pas mal de voilà de pivots parce que tu vois là donc au début la première étape a été de constituer un chat botté. C’était en 2017 Je sais pas si tu te souviens, y avait des chatbots partout avec plein de, de, de, de de couillonnerie qui sortaient à droite à gauche Tu sais. Mais bon c’était le début tu vois genre Messenger avait ouvert son API on pouvait faire des trucs assez intéressants et moi c’est vrai que dans mon cas j’enfin j’étais même encore en école et je pouvais faire du bac. Par contre en fonte j’étais une bille et donc c’était une opportunité de folie pour pouvoir des créer des applications Consumer sans savoir faire du Front. Ouais, de rien quand tu penses à l’époque assez rapidement, on a pu faire des partenariats avec des marques. On a pu travailler avec des marques, plutôt de voilà de premier plan, Guerlain, Prada, Joe Malone. Mais assez rapidement, on s’est rendu compte que bah c’était un petit marché tout de même de faire des des produits quand même hyper sur mesure custom pour ses marques parce qu’en fait chaque marque veut des choses hyper hyper sur mesure c’est évident. Et du coup il y avait un intérêt à faire quelque chose de de plus généraliste et que le chatbot finalement, c’était une vague qui est quand même vite retombée. Donc là on est grosso modo en 2019 On nous dit Bon, on va faire une app qu’on va faire la plus léger possible, qui essaie de répondre à tous les usek qu’on a pu identifier. Donc encore une fois de de reco avec une espèce de base encyclopédie qu’on peut donner des informations sur tous les parfums, et cetera. Et puis on fait ça. Le problème, c’est qu’on n’a jamais réussi à le monétiser tu vois? Et du coup on a une APP qui tourne encore et qui fait ouais 3000 visiteurs uniques par jour qui a deux cent k téléchargement mais qu’on a jamais perdu 0,01€ si vous faites pas de pub, et cetera. Donc c’était très cool de faire un truc qui enfin utile pour nos utilisateurs. Mais il y a un point de vue business, c’était pourri. Du coup on a été obligé de se dire bon qu’est ce qu’on fait maintenant? Fin 2019 début 2020 on se dit bon, on fait de la reco mais ce sera encore plus pertinent d’un point de vue business d’être dans la boucle d’achat tout de même et donc c’est là que vient l’idée, et puis qu’on développe en fait ce système de marketplace dont on a parlé un petit peu avant ça, on est début 2020 le COVID arrive en B to B du coup il se passe absolument rien. Pas de partenariat avec des marques quoi que ce soit, rien du tout. Et donc ça, ça nous a obligé à nous poser des questions sur voilà, qu’est ce qu’on fait, est ce qu’on dépend que du B to c qui est quand même un truc qui est très compliqué quand t’as pas de levée de fonds parce qu’il faut pouvoir acquérir des utilisateurs? Enfin c’est un petit peu chaud et donc c’est à ce moment-là qu’on a pu. Il se trouve qu’on avait des bonnes relations avec, voilà certains. Personnes dans dans le monde industriel et qu’on a commencé à développer des approches EN B to B qui sont finalement relativement récentes, mais qui aujourd’hui représentent le gros de notre activité. 

– Marc — 23:56 :

 Ok du coup dans le cas du B to B, qu’est ce que ça change par rapport à la la partie Consumer fac où se joue la partie entre guillemets? 

– Samuel — 24:04 :

 Alors en fait bon, ce qu’on a en commun parce que c’est plus rapide, c’est notre base de données, notre compréhension de l’univers du parfum, de la verticale et notamment le traitement. Tu as comme un objet vecteur dont dont dont on avait pu parler après sur une grande partie du reste, donc c’est comment créer des indicateurs pertinents pour notre verticale super spécifiquement en fonction des use cases ou des pros de la parfumerie. Là on est sur des choses qui sont très éloignées, on a du repartir d’une fée blanche et surtout passer beaucoup de temps avec eux parce qu’en fait c’est comme ça, y a vraiment pas de court circuit à à cette approche, en particulier quand tu fais voilà du B to B très spécialisé genre tu on on peut pas imaginer ce qu’est le la vie courante des des professionnels sur certaines verticales c’est trop éloigné de de ce qu’on connaît. Ouais voilà donc finalement les les points communs sont relativement réduits. 

– Marc — 24:49 :

 Quelles sont les difficultés à entrer dans une industrie conventionnelle avec des technos d’intelligence artificielle? 

– Samuel — 24:54 :

 On a parlé un petit peu avant des de comment le l’industrie de la PARFUMERIE est structurée côté fournisseur, en tout cas. Après côté marque donc on pense aux grands groupes hein L’Oréal Esté Lauder, Coty, Channel et autres. Faut vous dire que c’est des industries qui sont vraiment contrôlées par le marketing et dans certains cas par la DA donc la direction artistique c’est le cas de Channel par exemple où tu as pas une décision qu’un fumeur fait signe qui est pas accepté validée par l’a D a donc ça fait que le tout ce qui sort de la boîte est extrêmement clean et cohérent, mais ça ralentit parfois les les la prise de décision mais donc dans tous les autres gros groupes c’est le marketing qui a la dernière décision et c’est vrai que traditionnellement c’est des gens qui ont l’habitude d’avoir de prendre des décisions sur du Ghost feeling et donc être éventuellement moins data driven que dans d’autres industries. Donc ça c’est un premier point. Y a un autre point qui est que fondamentalement, le parfum, c’est quand même une industrie de rente. T’as des marques qui ont des gammes qui fonctionnent plus ou moins bien depuis des années. Et puis en fait la recette elle est assez connue, c’est genre Ben en fait tu lances un ce qu’on appelle un pilier tous les 10 ans hein donc imagine t’es voilà Lancôme ou tu lances un pilier. Et puis chaque année tu lances ce qu’on appelle un flanker, donc c’est une déclinaison, donc tu commences en général pour les femmes par exemple par ton dos de parfum et puis et après tu lances ton eau de toilette, puis ensuite tu fais l’eau de parfum intense par exemple, et ensuite tu vas faire machin truc. Souffle de vanille. Il suffit, qu’est ce que ta gamme on va dire s’épuise un peu et que tu veuilles sortir un nouveau pilier. Donc finalement t’as un mode de fonctionnement qui est tout de même bien balisé et donc il faut quand même avoir des arguments pour pouvoir arriver à dire Bon Ben en fait on va vous proposer une autre façon de faire. Après tu as un autre élément corps qui est que côté parfumeur, tu as des gens qui sont plutôt des des experts créatifs connaissent très bien leur domaine, ils ont fait des études assez longues en fait en parfumant et pour en arriver là ils ont gravi les échelons petit à petit et ces gens qui ont quand même assez peur d’être remplacés et donc c’est quoi c’est complexe, en tout cas c’est c’est nécessaire hein, mais d’être très pédagogique pour expliquer ce que voilà, c’est pas notre objectif. Qu’ils sont très importants, que leur pad créatif est importante. Mais voilà, ça demande du temps. Il y a des résistances. 

– Marc — 26:54 :

 Et alors du coup, comment est-ce qu’on on les déjoue, ces résistances entre guillemets? 

– Samuel — 26:58 :

 Au-delà de la peur d’être remplacé parce que je pense que c’est une peur qui est en fait présente dans toutes les industries qui sont en fait dans toutes les industries, parce qu’il y a pas beaucoup d’industries qui vont pas être touchées de près ou loin par l’i.. A c’est vrai qu’on a une réticence, on va dire assez classique qui est bah nous on est une industrie différente, créative donc c’est pas comme ça, ça peut pas marcher chez nous. Et c’est vrai que quand on le voit avec bah tout ce qui sort d’open aérien, notamment Dali ou autre. Et c’est vrai que qui était enfin y a 5 10 ans, on se disait, Ben non l’i a ça va être super pour optimiser des process machin mais par contre les derniers métiers qui vont être chamboulés, c’est les métiers d’artistes et en fait on voit que c’est un peu l’inverse qui se passe, c’est que c’est les métiers d’artistes qui sont chamboulés. En premier, les graphistes, la production de son et cetera dans le cadre du parfum. Je pense qu’y a pas un intérêt immédiat du tout à à remplacer ces parfumeurs. Enfin c’est pas du tout l’idée, c’est des gens qui sont en plus même politiquement au sein de ces organisations très influents. Voilà c’est un un des gros assets de ces grandes maisons, c’est leur parfumeur. Et puis au-delà de ça, t’as un d’un point de vue purement branding. Ils incarnent des choses qui sont très importantes parfois pour les marques. Quand t’as par exemple les parfumeurs de chez Chanel donc qui ont été le père et fils Polj, ils incarnent par leur personne l’esprit Chanel. Si demain Chanel alors je parle pour Chanel, ça pourrait être n’importe quelle autre boîte hein dit bah voilà, ce parfum a été créé uniquement avec de l’i a bah en fait ça appauvrit, je pense le storytelling histoire en lien avec le parfum ouais donc je pense que c’est pas trop trop un problème. Après on a une résistance qui est genre je pense la la plus classique mais que tous tes invités ont rencontré. Puis tu rencontres probablement aussi dans dans la vie de tous les jours. C’est on a toujours fait comme ça. Voilà, alors c’est probablement plus le cas dans les industries de rente dont parlait. Ouais que dans les industries qui sont hyper chambées, tu prends une industrie, tu vois Telecom ou ou les voitures? Bon Ben en fait ils disaient ça peut être il y a 10 ans et puis après il y a Tesla qui est arrivée et puis qui leur montrer qu’on pouvait faire différemment et aujourd’hui je pense qu’il y a peu de personnes qui disent on a toujours fait comme ça et on va, on va continuer comme ça et après il y a une autre réticence je pense qui est assez intéressante. On les a déjà sortis, qui est moi? Je préfère avoir des indicateurs simples, moins pertinents, mais où je peux facilement justifier à ma CEO d’où ils sortent et qu’elle connaît et en quelle elle et moi on a conscience, et ça c’est assez intéressant et je pense que c’est hyper important dans le tu vois dans dans dans le nouveau écosystème dans lequel on évolue avec les LM et qui sont quand même très très bons à à toutes sortes de biais d’hallucinations. C’est qu’il y a plein de choses qui sont possibles maintenant, mais mine de rien, on peut avoir un peu moins confiance en l’output qu’avant. Ouais, et de temps en temps Ben en fait c’est bien de s’en passer éventuellement des LM ou d’avoir des approches un peu alternatives. En fait, dès qu’il faut produire des chiffres, c’est con, mais nous on peut pas faire confiance à des c’est aussi bête que ça. J’arrive plein d’autres, y a plein d’autres approches pour du NLP c’est trop bien pour plein d’autres trucs, c’est pas possible. Et je pense que c’est hyper important, ça revient un petit peu à enfin au domaine de la recommandation expliquée dont on parlait un peu avant. C’est hyper important que ton utilisateur, qu’il soit Consumer ou business, il puisse avoir une confiance totale dans son pub. Bizarre voilà. 

– Marc — 29:49 :

 Votre application machine learning est ce qu’on pourrait la généraliser à d’autres problèmes? L’appliquer à une autre verticale par exemple, et quelles seraient les difficultés si vous vouliez le faire? 

– Samuel — 29:58 :

 Nous hein? On réfléchit à 2 verticales pour dupliquer notre approche. Après si tu veux, comment dire, tu as des plateformes qu’on appelle de social listening, alors c’est un des éléments de ce qu’on fait mais qui vont notamment faire du NLP sur les refuges des consommateurs, et cetera. En fait, eux traitent toutes les verticales de façon indifférenciée, donc c’est un peu comme Amazon dont on parlait tout à l’heure, ils vont te faire des corrélations entre les pots d’yaourt et le parfum. Le truc c’est qu’il faut pouvoir être 10 fois plus pertinent que ces gens-là si tu veux être bon sur ta verticale, parce qu’en général eux vu qu’ils ont un marché beaucoup plus large, il va y avoir des produits qui sont relativement peu chers en fait. Gros marchés. Du coup, ils peuvent se permettre de faire plus de volume et moins de marge. Donc si tu dois dépliquer ce genre d’approche à d’autres marchés, il faut être certain d’être tellement bon que finalement le prix n’est pas trop un problème et donc ça nécessite d’avoir une expérience. Enfin une expertise très très pointue sur ton domaine. Donc je pense qu’alors je parle pas forcément de notre produit mais je pense en général peut-être toujours un trade-off entre volume et marge hein. Grosso modo, sauf dans des très très rares cas, l’iPhone ou autre. Il s’applique ici aussi et donc faut savoir faire le choix entre d’être généraliste ou être très très expert, choisir bien sa niche et et puis aller à fond dessus quoi. Après dans notre cas, vu qu’on s’adresse à des peu d’écran. Compte, le milieu est enfin l’ouais notre spéci. Il est structuré avec quelques grands comptes et assez peu finalement de petites petites marques. C’est des gens qui ont l’habitude qu’on leur développe des choses assez sur mesure, ou en tout cas suffisamment sur mesure pour que ça puisse, on va dire utiliser certains référentiels qu’ils ont en interne, certaines intégrations, et cetera. Et là, il y a toujours un Trade off auquel il faut réfléchir entre bah du coup s’aligner un petit peu sur ces demandes. Mais le problème c’est que ça peut retarder la roadmap pour scaler. Enfin voilà la plateforme et à la fois il faut quand même suffisamment être aligné. Voilà sur sur ce que demande ton client pour que le deal marche quoi. Mais ça c’est un Trade offre qu’il faut bien mesurer. 

– Marc — 31:41 :

 Le problème d’avoir peu de très gros clients, c’est qu’on on finit par faire un un produit un peu trop sur mesure quoi. 

– Samuel — 31:47 :

 Absolument. 

– Marc — 31:48 :

 Alors quelles erreurs tu peux nous partager pour nous faire gagner du temps sur un projet similaire? 

– Samuel — 31:53 :

 Je t’ai parlé du point de départ, un peu tout à l’heure qui est que bah grosso modo je suis parti de ce que j’avais envie de faire en me disant Bon bah en fait je suis encore en école, je me dis Je n’ai pas forcément envie de rejoindre une boîte ou un projet, j’ai plus envie de tester. Voilà qu’est ce qu’on peut faire déjà voilà seul ou ou à une avec une petite équipe et le problème c’est que du coup j’avais pas du tout d’idée business bien arrêtée sur comment est ce qu’on fait du chiffre et on s’est dit plutôt genre bon j’ai une vague d’idée de ce que j’ai envie de faire. Bon je pense que c’est bien dès le premier jour d’avoir une bonne idée de comment est ce que tu fais rentrer des clients. De façon assez dérisquée parce que sinon tu peux passer beaucoup, beaucoup de temps à genre pédaler dans la choucroute et finalement pas forcément avoir un business à très pérenne. Au-delà de ça, je pense que c’est important, en particulier pour les ingénieurs. C’est de pas être trop amoureux des solutions, d’être un peu plus amoureux des problèmes et du coup ouais chercher à ouais une réponse simple à un problème bien identifié, c’est beaucoup mieux que de chercher une réponse originale, un problème complexe et tu as typiquement je vais te prendre quelques exemples. Par exemple, on avait parlé de de notre APP de recommandation de parfum encore une fois qu’ils et qui existent encore. Et en fait, je me souviens passer des semaines et presque des mois à développer une feature qui n’a jamais été comprise et tout simplement parce que c’est pas un usage classique en fait. Moi je m’étais dit, en fait le nec plus ultra de la recommandation de parfum et qui pourrait s’appliquer à d’autres verticales, c’est que tu arrives dans un magasin, t’imagines ou tu arrives dans ta parfumerie? Et en fait on te fait des recommandations que ce que tu as sur place, d’accord que ce que tu as autour de toi et du coup j’avais développé les trucs dans tous les sens des scrappers pour essayer de récupérer les les inventaires des différentes parfumées. Et du coup, ça, c’était une usine infernale et en fait, d’un point de vue purement UX c’était extrêmement compliqué de faire comprendre. À ton utilisateur de l APP qu’en fait les reco qu’il avait étaient uniquement voilà donc en fait en soit enfin je pense toujours que c’était une une feature qui aurait pu être cool mais en fait t’as des trucs genre juste faut pas passer 2 mois quand tu as 0 certitude ce genre de chose et donc ça c’est encore une fois le problème de de d’ingénieur classique et à l’inverse. 

– Marc — 33:52 :

 Pas de demande, les magasins avaient pas besoin de recours. 

– Samuel — 33:56 :

 Ce qui se limite, je pense, c’est juste un usage qui est suffisamment peu classique pour qu’il fasse éduquer ton conso et qu’en fait quand tu dois éduquer ton conso ça ne marche jamais je pense. C’est un un truc assez classique quand tu veux éduquer ton marché, c’est que ça cloche quoi, sauf si tu es sur un use case qui est genre hyper brûlant pour tes consommateurs et en général c’est plus pour le business que c’est plus facile d’avoir justement la pédagogie nécessaire que le conso qui a une une attention de quelques secondes à l’inverse et en particulier pour la partie B to B tu as annoncé rendu compte qu’en fait juste quand tu as quelques CSV d’enfin tu as imagine, tu as 1CSV avec des résultats business par produit et tu as 1CSV par marché en fait juste relier les CSV à une base unique de produits et pouvoir du coup sortir des résultats agrégés. C’est con comme la lune d’un point de vue technique. Par contre, d’un point de vue valeur pour le client, c’est le changer tu vois, c’est typiquement le genre d’use case qui tu as pas de machine learning, tu as pas de Deep learning, tu as pas de trucs. Voilà des transformants dans tous les sens hyper fancy, mais il est arrêté, c’est que ton client à la fin il est très content et c’est ça qui compte. 

– Marc — 34:55 :

 Ouais, ouais, c’est la valeur ajoutée de de la data Engineering est supérieure à à celle que ce qu’on peut faire en data science après parce qu’elle rend accessible la donnée déjà rien que la visualiser en fait c’est. 

– Samuel — 35:06 :

 C’est exactement exactement. Ouais, exactement est. 

– Marc — 35:09 :

 Ce que tu as, une anecdote à nous partager? 

– Samuel — 35:11 :

 Ouais. Alors je je me rappelais un truc un peu marrant qui nous est arrivé y a y a quelques mois. Alors maintenant, quand tu fais quoi que ce soit avec une grosse boîte, tu passes par des process assez longs et notamment des process d’en lien avec les RGPD donc avec le DPO donc le data Protection Officer et en fait on était en plein milieu des des discussions et il y a le DPO qui et du coup qui bah qui nous grillent comme comme n’importe quelle autre boîte. Et puis c’est très bien qu’il le fasse donc nous on monte pas de blanche du coup tous nos process comme on stocke les données, combien de temps qu’est ce qu’on capture, et cetera. Et un moment du coup il nous envoie un template à remplir et puis en fait on se rend compte que le template était déjà rempli de plein d’infos confidentielles d’une autre boîte. Et genre vraiment, voilà beaucoup de trucs quoi. Et donc ça nous a bien fait marrer. Alors donc le mec c’est c’est c’est confondu en excuses. Enfin bon l’autre boîte. Heureusement on le saura jamais mais je pense c’est quand même une bonne illustration du 2 poids 2 mesures qu’on peut constater assez souvent dans les grosses boîtes qui ont d’une part des process assez contraignants tout de même bon, assez long aussi et qui d’autre part en fait vont être le genre de boîte à en interne on va envoyer des bases de données en CSV par sacs, y a plus de la boîte et et parfois faire un peu n’importe quoi. Alors je pense qu’on est encore au début de. Voilà de l’alignement avec la RGPD mais c’est vrai qu’il y a encore des petits quoi. Qui peut être un peu rigolo. 

– Marc — 36:25 :

 Est ce que tu as une opinion à nous partager? 

– Samuel — 36:27 :

 Opinion ou ouais je pense peut être une recommandation si jamais je devais être aujourd’hui remonter une boîte ou si quelqu’un montait une boîte aujourd’hui ou chercher des idées de boîte. En fait je pense que c’est beaucoup plus intéressant d’un point de vue business mais aussi satisfaisant de s’attaquer à une verticale à ses niches qui intéresse pas grand monde plutot que d’aller sur des boulevards concurrentiels où tu as de la hype à fond mais tu as aussi du coup beaucoup beaucoup de gens éventuellement très forts. Qui vont s’en emparer, et donc je pense qu’il y a 2 raisons à ça. La première, c’est évidemment la compétition. Quand tu es sur un marché ultra concurrentiel, ça veut dire que tu es obligé de lever beaucoup d’argent parce que sinon c’est ton voisin qui va le faire et du coup bah naturellement il aura plus de ressources et Ben il va te bouffer quoi. C’est assez logique et donc ça veut dire aussi plus de stress pour toi, pour tes équipes et bon et en fait au-delà de ça un autre espèce c’est juste d’un point de vue du sens de ce que tu fais. La réalité c’est que quand tu vas sur un boulevard concurrentiel, ton action est très substituable, si t’étais pas là, et Ben t’as la personne à côté de toi qui va prendre ta part de marché et tout va bien se passer pour ton client IP À l’inverse, c’était sur une niche où t’as finalement personne ou les gens font les choses très différemment de ce que tu fais. Tu peux te dire d’une certaine façon que là ouais en fait ton travail a un sens, parce que si t’étais pas là, ton client en fait il a pas accès à ton service. Il y a un service substituable similaire, il va avoir juste accès à ce qu’il fait. Enfin c’est workflow actuel et ça je pense que d’un point de vue juste ouais sens c’est assez important. En tout cas moi c’est un truc qui me plaît bien en fait dans le fait de travailler sur encore une fois une niche qui n’intéresse pas beaucoup les ingénieurs en général. Après, je pense que tout dépend déjà t’as pas de boîte identique et tout dépend de ce que tu attends de l’aventure entrepreneuriale. Il y a beaucoup de gens qui sont là pour faire des licornes et tant mieux. Plus haut. Je pense qu’il y a pas de problème à vouloir créer des licornes, mais je pense que beaucoup de gens montent des boîtes en sortant leur playbook de comment on monte une boîte et du coup ils voient qu’Ah bah pour monter une boîte il faut lever beaucoup d’argent le plus vite possible et ensuite tu l’évêves encore plus d’argent, et cetera. Et je pense que souvent la, parce que personne n’a vraiment intérêt si tu veux à ce que les gens se posent cette question aussi hein. Mais la question peut être posée d’est ce que tu as besoin de lever de l’argent? Est ce que tu connais les implications de lever de l’argent en terme de perte de contrôle en terme d’avoir des conditions un peu nulles qui font que si le marché se pète la gueule tu vas du coup prendre la flotte et donc ouais je pense que de temps en temps c’est bien pour les gens qui se lancent de savoir ce que voilà les ce qu’il y a entre les lignes du playbook justement. 

– Marc — 38:49 :

 Ok alors le futur de la data chez vous, c’est quoi. 

– Samuel — 38:52 :

 Nous tu alors en B to c je pense qu’il y a pas grand chose à dire parce qu’on peut être plus pertinent et on espère le devenir. On va le faire le le le plus possible. Je pense qu’il y a plus de choses à en dire sur la partie B to B. En particulier notre job actuellement avec donc les plateformes SAS qu’on développe, c’est de créer des outils qui permettent à des analystes donc des voilà des des professionnels de l’industrie de se faire une idée de la situation. Donc c’est genre bon Ben en fait encore une fois la rose nostalgique en Chine. Bon Ben voilà c’est quoi la rose du coup c’est quoi les parts de marché, le benchmark et le truc c’est que je pense qu’on les LLM vont quand même nous permettre de fournir une espèce de couche d’abstraction. En plus de ces analyses qui permettent de passer d’en gros la situation de base, si tu veux y a quelques années ou encore aujourd’hui chez pas mal de ces boîtes, c’est ils ont pas de données, ils ont peu de données donc ils sont beaucoup de Google schilling, ça c’est sûr. Ils ont pas de données, ils ont beaucoup de questions, ça c’est le l’État 0, l’étape un là où on est à peu près c’est bon. Ben en fait on a des données et on vous donne accès à des outils qui permettent d’y répondre. Et je pense que l’étape 2 c’est voici la réponse, c’est à dire que tu vois, on n’a pas besoin d’avoir du temps analyste qui va éventuellement mal interpréter des indicateurs, passer beaucoup de temps tout de même sur les outils pour essayer d’avoir une vision intéressante de la situation. Je pense que demain si on peut fizz ADLLM boom toutes les données brutes, tu vas sur un marché ou sur un parfum et tu tu lui dis Tu fais l’analyse. Eh Ben. En fait, c’est une une opportunité qui est quand même très importante je pense dans tout ce qui est ce qu’on appelle Consumer Insight, c’est à dire ce qu’on fait. Compréhension des consos? Et qui aujourd’hui est sous exploitée parce que c’est que le début. 

– Marc — 40:19 :

 Ok Alors dernière question, quelle invitée est ce que tu aimerais entendre dans un prochain épisode de Data Drian one? 

– Samuel — 40:25 :

 One écoute Ben alors j’aime beaucoup ce que fait Giscard, point aie sur sur l’évaluation de la qualité des modèles et ouais en particulier les biais, les hallucinations des LLM là pour le coup on est un peu près du hype, mais justement ce que je trouve intéressant c’est qu’ils sont près du hype mais pas forcément traités d’une façon si classique que ça. Et il y a beaucoup de boîtes, y compris des grosses boîtes qui bossent sur des sujets sensibles qui ont absolument besoin d’avoir des mesures de la qualité de de leurs algo. Et du coup je pense que les voilà les 2 fondateurs de de Giscard Rei ont beaucoup de choses à raconter sur le sujet. Merci Samuel, merci Marc. 

– Marc — 40:59 :

 Vous venez d’entendre Samuel Fillon, fondateur de Sommelier du parfum sur data driven One Oh One, dans le prochain épisode, je recevrai Paul Maher, directeur général du groupe Kodak, pour nous parler de data appliquée au padmark.