Clément Delangue (Hugging Face) : La révolution IA en mode collaboratif et open-source (script complet)

En première ligne dans le domaine de l’innovation digitale, Hugging Face met à la disposition de tous l’outil de l’avenir (et un avenir plus proche que prévu), indispensable pour votre entreprise : l’IA. L’efficacité de la technologie et l’importance du facteur humain s’allient pour construire une communauté autour du machine learning. Acueillons à bras ouverts Clément Delangue, le CEO, pour en savoir plus sur leur philosophie d’entreprise, leur façon de travailler et comment l’entreprise est née.

De la deep tech au programme de cet épisode avec un sujet que vous ne connaissez peut-être pas, que vous comprenez peut-être pas non plus, mais qui vous allez voir est passionnant. L’aventure entrepreneuriale est également passionnante, avec un pivot sacrément réussi y a quelques mois, on va rentrer dans l’univers du natural language processing, de l’IA, du machine learning avec Clément Delangue, co-fondateur & CEO de Hugging Face. Salut Clément, merci de passer ! Je suis ravi de t’avoir. Merci d’être là. 

Merci pour l’invitation. 

Je t’en prie. Pas mal de choses à voir avec toi au programme. Avant de rentrer dans le détail de Hugging Face, c’est un nom qui parle peut-être à certains d’entre vous, mais j’ai envie que tu me parles de toi, de ton parcours. Il y a pas mal de choses intéressantes à raconter. Toi, tu es diplômé d’une école de commerce. Il n’y a pas grand-chose qui t’amené à la tech au départ. Comment tu en es arrivé à graviter dans cet univers de l’IA et du machine learning ?  

C’est une bonne question, je pense. Je pense au début pour la technologie, ça m’a pris assez tôt. En fait, moi, à la base, je viens du nord de la France, et pour être honnête, quand j’ai grandi, n’y avait pas grand-chose à faire autour et du coup, assez vite, j’ai joué avec les outils technologiques, j’ai eu mon premier ordinateur assez tôt. J’ai commencé avec mon frère et mon père, en étant ado, à faire un peu des affaires en ligne, acheter des produits sur une plateforme web. Par exemple Cdiscount à l’époque. Et puis les revendre sur d’autres, genre eBay. Et je pense qu’en fait, à ce moment-là, je me suis rendu compte du potentiel de la technologie, du fait que pour avoir de l’impact avec la technologie, peu importe où tu es, peu importe ton âge, tu pouvais faire des trucs importants grâce à la technologie, je pense. C’est ça qui m’a un peu lancé ma vocation dans la technologie.  

Et tu es pas un geek pour autant ? Tu mets la main dans le code, tu vas jusqu’où aujourd’hui ? 

Ce sont des sujets qui m’intéressent. Par exemple, j’avais fait des cours en ligne de programmation avec Stanford à un moment. Donc du coup, ça m’est arrivé d’y toucher un petit peu, mais en fait assez rapidement dans mon parcours, j’ai eu la chance de rencontrer des gens qui étaient juste cent fois meilleurs que moi sur la partie très technique, et qui se sont retrouvés en devenant mes co-fondateurs sur les quelques aventures que j’ai eues. 

Justement, parlons un peu de ces aventures-là, parce que toi, avant Hugging Face, tu n’en es pas à ton premier coup d’essai. Parle-moi un peu des grandes phases de ta carrière, des grandes étapes et des grandes expériences que tu as eues.  

Ouais, ben je disais tout à l’heure que je faisais un petit peu de business sur eBay quand j’étais tout jeune et ça m’a amené à faire faire un stage chez eBay quand j’étais en école de commerce. C’était ma seule expérience dans une entreprise un peu plus grosse parce que eBay était déjà assez gros. Je pense qu’en France on était autour de 500 personnes et puis dans le monde il devait y avoir déjà bien 6000 personnes. Et en fait un switch important pour moi qui s’est passé, c’est que j’étais pour eBay au salon du e-commerce. Ce qu’il faut savoir c’est que pour eBay j’étais sur le stand eBay plus PayPal, PayPal qui appartient à eBay, et c’est le pire truc du monde pour les employés eBay PayPal. Parce qu’en fait y a tous les petits vendeurs qui viennent vraiment te harceler sur le stand te dire « mon paiement PayPal, il est bloqué depuis une semaine, c’est un scandale ». Donc ils avaient envoyé leur petit intern de l’époque donc moi. Et je suis sur le stand, je passe la journée. Puis je vois un mec qui arrive avec des grosses lunettes rondes, un peu geek qui me dit « tiens eBay vous avez racheté il y a quelques temps une boite qui fait de la reconnaissance de QR code, c’est pourri. Nous on fait une technologie de machine learning qui fait de la reconnaissance d’objets et qui marche juste 100 fois mieux ». Je me dis, c’est qui cet hurluberlu qui me parle d’une boite que je connais même pas ? J’y porte pas plus d’importance, mais le soir je me dis que je vais faire un peu de recherche et en fait c’est un mec qui s’appelle Denis Brulé, qui sort de Central, qui commence à faire une boite avec des co-fondateurs qui sont aussi de Central qui ont l’air d’avoir un truc qui marche. Et du coup je creuse un peu. Je fais la transition de eBay vers cette boite qui s’appelle Moodstocks, et qui m’a mis le pied à l’étrier sur le machine learning. C’était il y a douze treize ans, quelque chose comme ça. Et c’est là que j’ai réalisé avec cette team-là, où on était une douzaine de personnes, qui t’arrivais avec une petite team sur la deep tech à faire aussi bien que des énormes boites comme Google. A l’époque on était vraiment frontal avec Google qui avait des team de centaines de personnes qui bossent exactement sur le même sujet. C’est le machine learning appliqué à la reconnaissance d’objets ou d’images. Et finalement on est arrivé à Moodstocks à vider la technologie aussi bien que pouvait le faire Google. Et d’ailleurs la boite s’est fait racheter quelques années plus tard par Google.  

Et toi, tu les avais intégrés dans quelle fonction ?  

Du coup j’étais le premier non-ingénieur de la boite, quoi. Un peu comme les fonctions que j’ai eues un peu dans la suite de ma carrière. Ce que j’adore, c’est d’avoir une team très très forte en tech et démultiplier leur impact avec tout le reste. Donc démultiplier leur impact avec des produits, avec de l’expérience utilisateur, avec de la stratégie, avec la boite que tu crées autour pour laquelle tu vas chercher des financements. Donc vraiment démultiplier l’impact d’une team très très tech.  

Et toi tu avais suivi Moodstocks après qu’elle s’était faite racheter par Google ?  

Non, j’étais avant, et du coup juste après Moodstocks, c’est là où j’ai fait ma première aventure entrepreneuriale vraiment en tant que cofondateur. J’en parle un peu comme mon NBA d’entrepreneur parce que j’ai fait toutes les erreurs de débutant de l’entrepreneur, quoi. C’est un peu plus d’un an, j’ai commencé à Paris, puis j’ai bougé dans la Silicon Valley, dans un typique accélérateur à la Y Combinator. Et j’ai fait un peu toutes les erreurs classiques, ce qui m’a beaucoup appris. Et ce qui m’a beaucoup servi, notamment sur Hugging Face.  

Et justement parlons-en. Le terme Hugging Face je pense que c’est un logo que certains ont vu déjà. Moi, j’ai besoin que tu me racontes cette histoire. Déjà le début du projet. Vous avez commencé en 2016. Comment s’est passée la genèse du projet ? D’où vient l’idée ? Qui l’avait ? Et comment tu as rencontré tes cofondateurs ? Et voilà comment tout ça a démarré ? 

Julien et moi, on s’était rencontré à peu près cinq ans avant. Justement quand je faisais ma première boite, lui aussi faisait une boite à l’époque qui s’appelait Prodcast, puis il a fait une seconde boite qui s’appelle Close qui a été revendue à Medium, il n’y a pas si longtemps que ça. Et à ce moment-là, cinq ans avant qu’on s’associe, on a vraiment ce qu’on appelle un professionnel crush quoi. On se rend compte qu’on pense de la même manière, on est câblé de la même manière. Il faut vraiment qu’on arrive à bosser ensemble à un moment et donc on devient un peu potes au fil des années. Et Julien en cours donc à Polytechnique, il était avec Thomas qui est notre troisième co-fondateur donc ils se connaissent très très bien. Et puis il y a cinq ans, les étoiles s’alignent : lui est à ce moment-là chez Stupéflix, qui est une boite qui s’est faite racheter par GoPro. Moi, je suis à New York aussi dans une startup et on commence à avoir envie de repartir en tant que cofondateurs. Et ce qu’on fait à l’époque, c’est qu’on fait des petits protos. On bosse un peu tous les soirs et week-ends sur des idées différentes, notamment l’une de ces idées, c’est de faire une IA conversationnelle fun, donc un peu en opposition a Siri et Alexa qui sont très productivity driven. Et en fait, on lance un petit proto de ça et rapidement, on convainc des investisseurs de nous rejoindre dans l’aventure. Et c’est ça qui nous a permis de faire le move soirée week-end vers full time, de vraiment se lancer et de commencer à célébrer les vrais apprentissages des entrepreneurs et voilà de lancer un peu la machine. 

Geoffrey 

Et ça, ça explique le logo un peu friendly, le titre Hugging Face, parce qu’à la base, on était partis dans un monde un peu plus friendly et un peu moins diktat que ça l’est aujourd’hui.  

Clément 

Exactement. En fait, le logo à la base, on en a une blague récurrente qui est de dire qu’on veut être la première boite qui va aller en bourse, qui va être publique avec un emoji plutôt que les trois lettres qu’on a quand on arrive en bourse. Nous, on veut le faire avec un emoji. Du coup, on voulait vraiment un emoji comme nom. Et il s’avère que, ouais, on utilisait beaucoup cet emoji de hugging face. Et puis en fait, c’était un peu after the fact, mais on s’est rendu compte que ça parlait bien. C’était une bonne analogie pour l’intelligence artificielle en quelque sorte, parce que ça reste un emoji, donc c’est de la technologie. Mais en même temps, le hug, c’est un comportement qu’on pense très humain. Donc, de la même manière qu’avec l’intelligence artificielle, tu commences à réussir à faire des choses qui sont à la base plus humaines, mais avec de la technologie, l’emoji reflète aussi ça bien. 

En tout cas, on en parle en mode détente. Il faut connaître Clément, il peut vous recevoir avec une chemise à fleurs, une casquette sur la tête et tout. Mais derrière, vous allez voir que ça carbure pas mal. Parle-nous justement du Hugging Face d’aujourd’hui, parce que c’est plus du tout un chatbot conversationnel. Ça reste friendly dans les grandes lignes, mais c’est assez pointu. Tu peux nous parler un peu du moment où vous amorcez le pivot ? Et donne-nous un peu après les détails sur la traction que vous êtes en train de vivre ces derniers mois. Parce qu’il y a des milestones importants, il y a des investissements importants et il y a une ambition qui est assez impressionnante.  

Ça se passe à peu près au bout de deux ans, deux ans et demi. On a levé à ce moment-là sept millions à peu près. On a fait une sorte de pré-seed ainsi qu’un seed et on a un peu de traction sur un peu ce positionnement chatbot fun. On a un peu plus d’un million d’utilisateurs, mais ça explose pas non plus. Du coup, on est un peu ouvert à des expérimentations et à ce moment-là, Thomas Wolf, donc le troisième co-fondateur qui a un background beaucoup plus scientifique, qui a un Phd, qui est capable d’écrire des papiers de recherche qui sont reconnus dans les plus grosses conférences de machine learning, qui en fait, sort une petite brique, une partie de la technologie sur laquelle ont bossé pour notre chatbot en open source. Et en fait, très rapidement, on voit qu’il y a une traction de malade là-dessus. C’est un mouvement assez classique, mais en fait, on se rend compte que la technologie sous-jacente qu’on a construite, en fait, elle est utile pour plein d’autres cas d’usages, donc pas juste la conversation, mais aussi à la classification de textes, l’extraction d’informations, voire même des domaines différents. Par exemple la reconnaissance d’image, la génération de voix… Et puis qu’elle est aussi utile pour plein de boites différentes. Pas juste Hugging Face, mais aussi plein de boites qui commencent à vouloir faire du machine learning, de l’intelligence artificielle et que notre outil leur permet de le faire beaucoup plus facilement. Et du coup, c’est vraiment la traction sur ce nouveau positionnement qui nous a fait pivoter quoi, et qui a fait que progressivement, on a focalisé de plus en plus de nos efforts là-dessus. Et à tel point que, à un moment, six mois après qu’on a lancé ça, on se dit, on va essayer de voir si on est capable de lever sur cette nouvelle vision, ce nouveau positionnement. Et donc je vais lever et on lève très facilement 15 millions en série A et donc ça, ça valide vraiment notre pivot, ça valide un peu nos assomptions de marché et de positionnement. Et du coup, à ce moment-là, on se dit full speed là-dessus. 

On oublie le chatbot de conversation, ça n’existe plus. Et là, vous vous transformez. C’est là que je vais avoir besoin de ton aide et de ta pédagogie en une sorte de librairie open source de modèle d’intelligence artificielle. 

Ouais, alors même plus largement que ça maintenant, c’est vraiment une plateforme qui permet aux entreprises d’intégrer du machine learning dans leurs produits ou dans leur workflow. Donc en fait, de la même manière qu’aujourd’hui, la plupart des boites qui build du software classique vont utiliser GitHub pour collaborer, pour réutiliser des bouts de code, pour stocker leur code en ligne, la plupart des entreprises qui construisent du machine learning vont utiliser notre plateforme pour faire la même chose. Du coup, il y a des fonctionnalités un peu similaires dans le sens où tu peux retrouver des modèles de machine learning qu’on appelle pré entrainé, donc que tu peux utiliser out of the box. Et ensuite, tu vas aussi être capable de collaborer, de versionner ces modèles avec tes équipes, de faire le lien entre tes équipes qui sont plus data scientists et tes équipes qui sont plus software engineer, infrastructure engineer. Donc en fait ça devient pour les gens qui construisent une machine learning leur plateforme de référence qu’ils ouvrent en se levant le matin et qu’ils ferment quand ils ont fini leur journée. Ça permet de, là où peut-être sans utiliser notre outil, tu mettrais un mois pour sortir une fonctionnalité en machine learning, l’idée, c’est qu’avec nous, ça prenne une semaine ou moins. Et puis que progressivement, t’arrives vraiment à construire des fonctionnalités de machine learning, de la même manière que tu construis aujourd’hui des fonctionnalités classiques. Donc, à terme, l’objectif, c’est que ce soit aussi facile de rajouter une fonctionnalité de machine learning que de rajouter un bouton sur un website ou de changer la couleur d’un texte.  

Tu as accès à la personne qui a construit ce module ou ce modèle ? Tu connais son niveau ? C’est un modèle open source, donc tu peux le réutiliser. Est-ce que tu dois rendre des comptes à l’auteur ? Est-ce que tu peux utiliser comme tu veux à un niveau d’entrainement du modèle qui est accessible par tout le monde et visible par tous ?  

Ça dépend, c’est vraiment personnalisable par les auteurs de modèles. Par exemple les modèles qui sont mis par les équipes de Google, de Facebook, de Microsoft souvent, ils sont assez permissifs, ils sont souvent sûr des licences qu’on appelle Apache qui te permet vraiment de l’utiliser comme tu veux. Après parfois il y a d’autres petites boites qui vont faire des licences un peu différentes. Et puis il y a même un troisième niveau qui est, si tu es une boite qui ne veut pas partager ses modèles publiquement, tu peux les garder privées et du coup le partage, il se passe plus à l’intérieur de ta boite. Par exemple, Bloomberg, qui est un gros utilisateur chez nous, parce que en fait si tu prends le terminal Bloomberg qui en fait est une sorte d’interface qui est la plus utilisée par les traders pour suivre un peu les cours de bourse, suivre les actualités, etc. En fait, une grosse partie du texte est processé et passe par notre technologie. Par exemple pour faire du résumé d’article, pour faire du tagage automatique de contenu, faire de la génération de texte automatique. Eux par exemple, ils ont leurs propres modèles custom qui sont complètement privés parce que c’est une grosse partie de leur expertise bien sûr, et qui est partagée uniquement à l’intérieur de leur organisation entre leur team de recherche, leur team data science et leur team produit qui va utiliser ces modèles-là pour des features ou du workflow.  

OK, et quand on voit des boîtes comme Facebook, Google, Microsoft qui publient sur Hugging Face, quel est leur intérêt ?  

En fait, le domaine scientifique. Donc ce qu’il faut comprendre c’est que le machine learning, c’est un domaine qui est drivé par la science. C’est l’une des grosses différences avec le software classique. 

C’est un peu un paradoxe parce que les gens qui font du software classique, parfois en anglais, on les appelle des computer scientists, mais en fait, ils ne sont jamais vraiment des scientists, dans le sens où ils lisent pas vraiment des papiers de recherche, ils contribuent pas vraiment à la recherche. Le machine learning, c’est différent parce que c’est un sujet qui est drivé par l’aspect scientifique, par la publication de nouveaux modèles, de nouvelles architectures, de nouvelles optimisations qui sont en fait des sujets de recherche mathématiques. 

Sur le même modèle qu’une science médicale, une science à part entière ? 

Et en fait, l’aspect scientifique a toujours été basé sur la publication et le partage. C’est la principale motivation des chercheurs. Du coup, citer une boite comme Google, comme Microsoft qui partagent pas, eh bien, en fait, tu ne vas pas attirer les meilleurs scientifiques, parce que ce qui les intéresse, c’est pas de rejoindre une boite comme ça et de participer à augmenter le revenu des publicités de 0,1 %. Leur but, c’est de contribuer à l’avancement de la science sur le sujet et ça tu le fais en publiant. Donc ça, c’est la première chose. C’est un gros ethos, c’est un gros biais pour le partage dans le domaine. Et le deuxième élément, c’est qu’en fait, c’est ça qui leur permet, de la même manière qu’il y a énormément de projets open source sur GitHub, bah, c’est la même chose dans le machine learning parce que ça permet aux entreprises de créer leur crédibilité, de prouver leur crédibilité, de distribuer leurs modèles qui peuvent leur ramener des clients.  

En fait, plus largement que ça, moi, j’ai une conviction assez profonde, c’est que sur la deep tech, en fait ton avantage concurrentiel, il n’est pas tant sur la technologie que tu as construite à un instant parce que ça tu peux te faire rattraper, il y a d’autres boites qui vont mettre plus de gens et qui vont aller plus vite que toi. Ça ne dure qu’un petit moment. Tu peux être en avance pendant une semaine, mais ensuite il y a tellement de gens qui travaillent sur ces sujets-là que tu vas te faire rattraper. Du coup, la vraie valeur ajoutée, le vrai aspect un peu différenciant d’une boite sur la deep tech, c’est la rapidité avec laquelle tu arrives à construire de la technologie. En fait, c’est beaucoup plus l’aspect dynamique et si tu pars avec cette approche-là, tu te rends compte que de publier, de partager en open source, c’est ça qui te crée le process, les obligations, la formalisation pour construire la technologie beaucoup plus rapidement. Parce que quand tu publies, tu dis, c’est quoi le next step ? Et puis parce qu’une fois que tu partages, en fait, tu vas avoir toute la communauté qui va t’aider et c’est un bon Segway pour Hugging Face, c’est que nous, par exemple, on a plus d’un millier de contributeurs partout dans le monde qui viennent comme on parlait de Google, de Microsoft ou de plein d’autres boites ultra-stylées qui participent à construire notre plateforme parce qu’elle est parce qu’elle est ouverte, et donc qui nous permet d’aller 100 fois plus vite que si on faisait par nous-mêmes tout seul, de manière propriétaire et fermée. Du coup, ça ouvre plein d’opportunités. Et moi, pour les startup en général, je suis un gros gros supporter des modèles open source qui sont pas très connus encore en France, mais qui cartonnent avec des boites publiques comme MongoDB et Elastic Search dans les nouvelles qui vont arriver là bientôt comme Data Bricks qui avait déjà levé un milliard il y a quelques mois, qui vont bientôt s’introduire en bourse. Confluent qui s’est introduit en bourse là, il y a quelques semaines. Il y a tout un nouveau modèle de l’open source qui est en train d’émerger et d’être vraiment validé par des gros succès comme ça, même par des mastodontes.  

Et ça, ça m’intéresse de creuser le sujet. Quand on parle de modèle open source ou même de business model open source, ça ne veut pas dire que tout est gratuit. Concrètement, tu gagnes ta vie comment en tant que Hugging Face ? Quel est le business model derrière ? Comment on crée de la valeur financière avec ces boites-là ? 

Le modèle est assez proche d’un modèle un peu plateforme, typiquement à la Google et à la Facebook, c’est-à-dire que ton positionnement en open source te permet d’avoir un usage phénoménal. Nous par exemple, en deux ans et demi, c’est de 0 à 5 000 boites qui nous utilisent. Et ensuite, tu monétises avec une fonctionnalité premium ou un business model un peu alternatif. Pour nous, c’est par exemple typiquement que la plateforme soit gratuite, mais que quand par exemple tu commences à utiliser du cloud, par exemple parce que tu utilises de l’espace de stockage pour stocker ton modèle, ou pour avoir les prédictions qui sont faites par nous plutôt que sur ta propre infrastructure. Ça commence à être payant. Du coup, c’est un modèle presque freemium en fait, où tu as une grosse partie de ton usage qui est gratuit et une petite partie qui est payante, et qui est payante uniquement quand tu montres que tu arrives à vraiment driver beaucoup de valeur pour l’entreprise. 

Ok, je comprends mieux. Et dans ce modèle, on comprend que la communauté est hyper importante. Tu peux nous dire un mot sur cette communauté ? Tu parles de 1000 contributeurs, mais il y a un trafic qui est bien plus important que ça. Est-ce que c’est quelque chose qui est organisé, qui est naturellement organisé ou qui est quand même animé par vous, drivé par vous plus ou moins de manière visible ? 

Un peu des deux. En fait, chez nous, on a vraiment une grosse culture de ce qu’on appelle la plateformisation, c’est-à-dire vraiment se dire quand on crée quelque chose, comment on peut le mettre au service de la communauté et comment on peut fournir suffisamment de liberté à la communauté pour s’amuser avec nos outils, nous surprendre et contribuer. Du coup, on fait tout de manière très, très publique. On organise parfois ce qu’on appelle des community sprints qui sont assez fascinants en termes de dynamique de groupe. Par exemple, la dernière qu’on a faite la semaine dernière, qui va se terminer cette semaine, on a eu plus de 1000 personnes qui ont bossé presque à temps plein pendant une semaine pour construire des nouveaux modèles sur un nouveau framework qui s’appelle Flacks qui est un nouveau framework de Google. Mais de partout dans le monde, qui ont construit plus d’une centaine de nouveaux modèles. Et donc tu arrives vraiment à créer des effets d’engagement comme ça qui te permettent vraiment d’avoir un très gros impact sur le domaine. Aujourd’hui, tu parles à la plupart des gens de machine learning, ils vont nous connaitre alors que ça fait deux ans et demi qu’on fait ça, on est une toute petite boite. Mais tu arrives à vraiment avoir des effets multiplicateurs en partant du point de départ, de dire au début, tu dis comment je vais aider la communauté, comment je vais aider le fil et puis ensuite les gens te le rendent au centuple en contribuant. 

C’est fascinant parce que je pense à toi, Julien ou Thomas. Vous vouliez avoir un impact, vous vouliez faire une boite tech. Et là vous vous retrouvez finalement à driver une énergie et une créativité autour des sujets qui font tourner la tech aujourd’hui. C’est assez fascinant. Vous avez quelles ambitions pour le projet maintenant ? Maintenant qu’il y a un peu moins de limites et que finalement, tu peux penser grand. 

Ouais ben, notre goal, c’est vraiment de démocratiser le bon machine learning. On pense que dans cinq ans 100 % des boites vont utiliser du machine learning de ce qu’on est en train de voir sur l’adoption. Si dans cinq ans tu travailles dans une boite qui utilise pas du machine learning, tu seras en désavantage structurel par rapport à tes concurrents parce que tu seras pas capable de faire des choses que tes concurrents sont capables de faire. Et notre but, avec Hugging Face, c’est d’être la plateforme de référence pour cette démocratisation du machine learning. De la même manière qu’un peu un GitHub définit la catégorie du software, nous, on veut définir la catégorie du machine learning et que vraiment toutes les boites qui construisent du machine learning utilisent notre plateforme pour faire ça.  

Ouais, et tu as même dit, du bon machine learning soit en termes de qualité technologique, soit en termes de qualité éthique. Et c’est clair que quand on parle d’intelligence artificielle et des modèles, il peut y avoir des dérives. Vous les gérez comment ces potentielles dérives liées à l’utilisation d’une IA malveillant ?  

C’est un énorme sujet pour nous, sur lequel on a commencé vraiment à prendre le leadership mondial sur les derniers mois, notamment en recrutant Meg Mitchell, qui a créé chez Google leur département d’éthique de l’intelligence artificielle et qui leadait leurs équipes et qui bosse avec nous là pendant l’été. Et hopefully, ensuite après. On est en train de définir des directions un peu éthiques qui, je pense, vont nous permettre de s’assurer que l’impact du machine learning est positif. On est vraiment sortis de la logique old school des acteurs précédents qui ont tendance à plus vraiment à dire, mais à penser qu’une plateforme c’est éthiquement neutre et que du coup, leur job, c’est pas de contrôler la finalité des modèles. Nous, on a un point de vue un peu différent où on pense que par notre positionnement, on peut vraiment impacter le domaine et impacter la direction du machine learning. Donc par exemple, un exemple concret de ce qu’on a beaucoup poussé et qui je pense est assez impactant sur le domaine, c’est qu’on pousse ce qu’on appelle des model cards, qui ont été créées par Meg Mitchell quand elle était chez Google, qui sont en fait un moyen de documenter sur les modèles tous les risques associés à ces modèles, tous les biais potentiels que peuvent avoir ces modèles. Développer comment ont été entrainés les modèles, sur quelles data sets, pour que les utilisateurs puissent se dire « ah bah tiens par exemple celui-là, il a été entrainé sur un dataset pas suffisamment divers. Du coup, vaut mieux pas que je l’utilise pour un cas d’usages concret en production, parce que ça va me créer des biais et ça va potentiellement avoir un impact négatif. » Donc ça, c’est un exemple. On a plus de 16 000 modèles ont été partagés sur notre plateforme, des centaines de nouveaux modèles qui sont ajoutées toutes les semaines. Du coup, on pousse très fort ces model cards. C’est là un exemple d’initiatives qu’on comprend pour vraiment assurer que le machine learning aura un impact positif sur le monde. 

En dehors de Meg, il y a aussi Colin Raffel qui vient de Google, qui était un des trois boss de l’intelligence artificielle chez Google, qui vous a rejoint récemment. À titre perso, ça m’intéresse d’avoir un peu ton feedback sur ton rôle de recruteur. Comment tu fais pour recruter des profils aussi pointus ? Et comment on les manage au quotidien ? 

Alors Colin était vraiment sur la partie recherche. Donc en fait, c’était vraiment l’un des meilleurs chercheurs de Google parce que c’est le premier auteur d’un modèle qui s’appelle T5, qui est leur second gros modèle. Et donc on a été super content qu’il décide de nous rejoindre. En fait, on assume vraiment notre différence en tant que startup. Et cette différence, elle est sur l’aspect open source, l’aspect ouvert et l’aspect focalisé vraiment sur ces sujets, mais pas de manière un peu politique, publique, un peu chelou, washing, greenwashing. Mais vraiment en mettant en place des choses et en prenant des choix forts qui permettent d’attirer des gens. Moi, ce que j’ai appris dans mes parcours de startup, c’est que peu importe l’organisation, sa taille, t’as toujours moyen de trouver les aspects qui sont différenciants par rapport à des plus grosses organisations, pour être plus attractifs pour certaines personnes. Alors, il faut assumer ses différences, pas se prendre pour une grosse boîte quand tu es une petite boite et insister sur ses forces plutôt qu’essayer de combler ses limitations ou ses faiblesses. Par exemple, quand tu recrutes des gens de chez Google en machine learning, en sachant que Google, ce sont probablement ceux qui payent le plus aujourd’hui dans le monde sur du machine learning, où ils ont vraiment des salaires incroyables, notamment aux Etats-Unis. Par exemple sur le salaire pur, on sait qu’on pourra pas compete en étant une startup même si on a levé un petit peu d’argent. Du coup, on est ok avec ne pas competer là-dessus. Et donc les personnes qui nous join sur leur salaire fixe sont obligés de faire des concessions, de prendre moins de salaire fixe. Mais par contre bien sûr, par rapport à Google, on peut donner plus de chairs de la boite et vraiment impliquer les gens pour que si on arrive à faire ce qu’on a envie de faire, ils aient un gros retour financier grâce aux actions de la boite qu’ils ont. Donc comme ça on arrive à recruter des gens vraiment vraiment cool dans le domaine. Et puis grâce aussi à la manière dont on est vu très positivement dans l’écosystème grâce à nos contributions open source et la contribution au domaine.  

En termes de management, de challenge technique, ça doit aussi vous donner un peu de fil à retordre. Ton rôle de CEO dans une boite comme Hugging Face très très technique, c’est le même rôle pour toi d’être dans une société comme celle-là que dans un groupe plus classique d’une société SaaS ? Il y a des différences ? 

Ouais, je pense qu’il y a pas mal de différences qui en fait fittent bien avec mon caractère. Moi, j’ai besoin d’avoir des gens en tech qui sont très forts et à qui je fais vraiment, vraiment confiance. Et du coup, c’est vraiment le cas avec mes co-founders, Julien et Thomas, et puis avec le reste de l’équipe. C’est pas moi qui vais leur dire « ah bah non, en tech, tu devrais plutôt regarder ça ou ça ». Du coup, il faut être capable de vraiment faire confiance à ses équipes et se focaliser. Pour moi, c’est important cette notion de added value, se focaliser vraiment sur les aspects où ma valeur ajoutée est forte, typiquement comment aider sur le recrutement. Par exemple, quand on parlait de Meg et Colin, comment je peux aider à convaincre ces gens-là de nous rejoindre ? Comment je peux nous assurer qu’on a les ressources nécessaires financières ? Du coup, rajouter les bons investisseurs qui vont bien, qui vont nous supporter, s’assurer qu’ils continuent à nous supporter. Donc vraiment, se focaliser sur les choses où je peux avoir une valeur ajoutée et vraiment faire confiance sur d’autres choses. Moi, je suis là, en fait sur les aspects très tech et produit, pour poser un peu les bonnes questions, pour suivre et puis surtout pour supporter, donner les bons moyens, les bons set ups, pour que les gens tech chez nous fassent le meilleur taf de leur vie et arrivent vraiment à avoir un impact avec ce qu’ils construisent.   

OK, et toi, qu’est-ce qui t’a donné le plus de challenge dans les différents chantiers depuis le début de l’aventure ? 

C’est une bonne question. Je pense que ce qui m’intéresse beaucoup en ce moment, c’est comment tu grossis l’organisation en gardant ta culture et tes mécanismes initiaux. Donc là, par exemple, on était avant la série B, on était un peu plus de 30 et l’objectif, c’est d’être une centaine vers septembre octobre. Donc ça fait un gros changement. Donc comment tu gardes l’organisation en rajoutant bien sûr des routines un peu différentes, en rajoutant des nouveaux cérémoniels pour permettre que la team fonctionne bien, que ça communique bien entre les équipes, etc. Mais en gardant la liberté que tu fournis aux team members parce qu’ils se développent comme ça, en gardant la flexibilité d’être capable de s’adapter en fonction de ce qui se passe et ce qui change. Et puis surtout en gardant l’impact individuel et collectif super haut comme on peut l’avoir. Ça m’intéresse vachement en ce moment, c’est pas évident. Je pense que la plupart des teams, en fait, quand elles grossissent, elles perdent une bonne partie de leur culture et ça les amène à peut-être pas échouer, mais en tout cas à aller beaucoup moins vite que ce qu’elles pourraient. Du coup, ça va être un gros challenge super important pour nous dans les prochaines semaines et les prochains mois.    

Et ça tu fais comment pour te benchmarker ? Est-ce que tu discutes avec tes équipes qui viennent de groupes qui ont connu des scalabilités fortes à la Google ou Facebook ? Ou est-ce que tu entretiens un réseau avec d’autres CEO dans d’autres industries ?   

Un peu les deux. Moi, j’ai beaucoup dans ma cap table, beaucoup de CEO français qui m’aident pas mal, comme par exemple Olivier Pomel de Datadog qui est une grosse grosse inspiration pour moi parce que c’est vraiment une boite magnifique qui a beaucoup, beaucoup, beaucoup d’impact, qui a vraiment réussi à scaler en gardant leur culture et en gardant leur impact. Donc je parle beaucoup à des gens comme ça qui sont un peu plus en avance que nous. J’expérimente beaucoup sur des choses où je vais tester un type de meeting, un type d’organisation, un type d’outils et puis, pour voir un peu si ça marche et puis l’implémenter ensuite. Et puis je parle beaucoup à mes équipes. Je pense vraiment que la plupart des boites sont pas suffisamment organiques ou pas suffisamment bottom up, dans le sens où on a tendance à penser que l’organisation doit venir d’en haut, alors que souvent les personnes qui sont vraiment sur le terrain à builder la tech, à parler aux utilisateurs ont les meilleures idées. Donc, on essaie aussi de créer cette dynamique-là plutôt qu’une dynamique très top down.   

Et comment vont être organisées les équipes, les 100 personnes dont tu parlais à terme, sur Q3, Q4 ?  

Pour l’instant, on part sur une organisation par type de produit, c’est-à-dire qu’on a une team science, on a une team open source, on a une team product et on a une team monétisation avec des gens qui sont un peu cross team en plus des fonctions support. Et puis dans ces teams, on a chez nous, quelqu’un s’appelle François Le Lay, qui a passé pas mal de temps en France, mais qui ensuite a passé sept ans chez Spotify, donc il connait très bien les systèmes de Squad de Spotify qui les a un peu popularisés et qui fait partie des bons exemples de boites qui ont réussi à s’organiser en gardant une bonne flexibilité même avec plusieurs milliers de personnes. Bon, on continue à apprendre tous les jours sur ce sujet. Je pense que malheureusement quand tu grossis, tu peux prévoir un maximum. Mais il y a des trucs que tu peux apprendre que quand ils se passent. Du coup, j’ai hâte de voir quand on sera 100, quels problèmes on va rencontrer pour essayer d’y trouver des solutions.  

En tout cas, c’est passionnant. Et dans les recrutements à venir ? Tu recherches quoi comme type de profils, de compétences ?  

Alors du coup, on recrute à la fois en France et aux Etats-Unis, et un peu aussi en remote autre part. Et en France, on cherche encore beaucoup de profils à la fois sur la partie science, donc plus des profils PhD qui ont publié des papiers de recherche, sur la partie open source, donc contribuer à construire vraiment notre produit open source. Et puis aussi surtout en ce moment sur la partie de construction de la plateforme, typiquement sur les aspects Software Engineer, Back End Engineer, Front End Engineer. On a un bon pipeline de recrutement là-dessus parce qu’en fait pour vraiment construire la plateforme que tout le monde va utiliser, il y a des trucs super intéressants à faire sur la plateforme et le produit en lui-même qui englobe et entoure le machine learning. Donc même des gens qui ont pas forcément d’expérience en machine learning, mais qui peuvent s’intéresser au machine learning et qui ont envie de se focaliser sur le front end, le backend et le software engineering en général, ils arrivent à pas mal se développer chez nous et à faire des trucs assez cool. On recrute beaucoup et notamment à Paris.   

Et il ressemble à quoi en deux mots le processus de recrutement ?  

L’une de nos spécificités, c’est qu’on a souvent très peu de job description, parce qu’en fait, c’est lié un peu justement à notre approche d’essayer de garder vraiment quelque chose de très flexible et très organique, et de pas avoir une stratégie, une roadmap à cinq ans qu’ensuite, tu vas diviser en postes et que tu vas essayer de trouver le mec qui fit vraiment exactement à ta fiche de description. Donc à l’inverse, en fait, on essaye pendant le process de recrutement de  

1 – valider l’alignement avec nos valeurs et notre vision et  

2 – tester vraiment la learning curve des gens.  

Est-ce qu’ils vont être capables d’apprendre rapidement, de progresser rapidement, de croître rapidement et c’est comme ça qu’on les recrute presque indépendamment d’une job description. Et ensuite, une fois qu’ils nous rejoignent, on essaie de presque leur laisser décider sur quel sujet ils vont bosser. Parce qu’on fait notre focus le plus important, et là où on a vu la plus grosse corrélation entre ça et leur impact, c’est qu’ils bossent sur quelque chose sur lequel ils sont excités quoi, où ils sont passionnés, où ça les chauffe.    

Donc toi, tu appliques à la lettre le principe de Steve Jobs : tu recrutes des gens bons, et puis tu leur demandes quoi faire ? 

Sur nos domaines, c’est vraiment comme ça qu’il faut le faire. Parce que le plus important, c’est vraiment que les gens s’éclatent. C’est comme ça qu’ils feront le meilleur taf. Tu prends un chercheur. Si tu lui dis de faire ce que tu as envie qu’il fasse, mais que ça le fait chier, qu’il bosse 9 to 5 sur son truc, il fera jamais quelque chose de bien. Et à l’inverse, si un chercheur est super excité par ce sur quoi il bosse, c’est là où il peut vraiment faire un truc exceptionnel et vraiment faire un truc que personne d’autre n’est capable de faire.   

Geoffrey 

Une limite que tu avais pas attendu quoi. 

Clément 

Ouais. Du coup, c’est vraiment ce qu’on essaye de faire avec les team members.  

Tu disais que vous n’étiez pas en mode full remote vu la tendance actuelle, vous arrivez quand même à créer des noyaux localisés à Paris ou New-York malgré la difficulté des profils que vous recherchez ? 

On a un tiers de l’équipe qui est remote. Par exemple, un des co-fondateurs Thomas est remote aux Pays-Bas. Donc, on le fait bien, on a l’habitude, parce qu’en fait, on a commencé déjà avec plusieurs locations : Thomas était aux Pays-Bas, Julien à Paris et moi à New York quand on a commencé au début. Et donc on marche bien avec le remote, mais on garde des centres de gravité à New York et à Paris. Du coup, on a des bureaux, et ça permet aux gens qui sont dans ces villes-là d’aller au bureau s’ils veulent, une après-midi par semaine, deux jours par semaine ou tous les jours, en fonction de ce qui marche bien pour eux. Et l’idée, c’est de permettre aux gens d’avoir le set up qui leur va bien avec quand même un peu de limitation de time zone. Par exemple en remote en France, c’est nickel, ça marche très bien. Par contre, remote en Australie, en Chine, en Inde… Alors, on y a des team members, mais l’idée, c’est pas de multiplier ça, parce que ça complexifie quand même pas mal l’organisation globale.    

Oui, t’as principalement bossé à New York et en France, mais c’était un choix de t’expatrier et de rester bosser aux US ? 

Ouais alors c’était un choix pas mal perso, coup de cœur pour New York en tant que ville, et puis ensuite professionnellement, c’est vrai que j’ai trouvé un peu quand même un mindset qui m’allait bien, notamment sur la deep tech, avec quand même plus de prise de risque qu’en France, plus de confort avec des ambitions élevées. Du coup, par exemple, pour nos premiers investisseurs, ils ont été aux Etats-Unis. Du coup, à partir de là, la machine s’est enclenchée avec plus des investisseurs américains qu’européens. Après, je reviens souvent en France. On a une bonne partie de l’équipe qui est en France. Julien, Co-founder et CTO, est basé à Paris. Du coup, on aime bien un peu la flexibilité de prendre un peu le meilleur des deux côtés. Avec notamment en France un pipeline tech, des gens tech qui sont très très forts. Si tu regardes dans le machine learning, tu regardes la plupart des grosses boites, elles ont toujours des Français par-ci par-là qui font, qui leadent l’IA. Par exemple à Facebook, c’est deux Français, Yann Le Cun et Jérôme Pesenti. Un peu dans toutes les boites, tu vas retrouver des Français un peu dans des positions importantes sur le machine learning, juste parce qu’on est assez forts en maths et en tech.   

En tant qu’entrepreneur, il y a une grosse différence entre les US et la France pour toi ? 

Ça dépend en fait de ton domaine. Pour moi, si tu veux faire du consumer, ou vraiment de la deep tech ambitieuse, peut-être que les US s’adaptent un peu mieux si tu veux faire du SaaS, du commerce ou des choses comme ça, tu as quand même un très bon écosystème aussi en France et donc tu peux vraiment aussi tout faire à partir de la France. Donc, je dirais que ça dépend pas mal de ton domaine. Et puis ça dépend aussi un peu de ton réseau, ton affinité, du type d’entrepreneur que t’es et avec quel écosystème tu t’identifies plus. Je pense avec le Covid, les VC américains se sont quand même internationalisés beaucoup plus rapidement que ce qui se passait avant. Et parfois, tu vois maintenant des entrepreneurs en France qui sont tous basés en France, mais qui ont vraiment le DA américain, qui ont levé avec des fonds américains. Et inversement, à New York, tu as parfois des boites qui font très françaises, qui ont levé avec des investisseurs français. Du coup, la localisation, je pense, c’est quand même de moins en moins important. Du coup, moi, je trouve que la localisation, souvent, c’est un peu un bullshit de startupers qui disent « ah oui, j’ai pris la meilleure décision stratégiquement pour ma boite » alors qu’au final ce sont souvent beaucoup plus des décisions perso. C’est-à-dire en tant qu’homme ou femme, où est-ce que tu te sens le mieux comme ville, comme endroit ? Et puis à partir de là, tu t’adaptes aux contraintes de l’écosystème local. Et puis tu construis grâce à ça.   

OK, merci pour les infos. Le temps avance. Je bascule sur la dernière partie de notre échange pour quelques questions un peu plus rapides. Ça m’intéresse d’avoir ton point de vue sur les sociétés tech qui t’inspirent le plus aujourd’hui. Ce serait lesquelles ?  

Je parlais un peu plutôt de Datadog. Pour moi, c’est vraiment une très, très bonne inspiration. Ils font vraiment un truc génial, même depuis qu’ils ont été introduits en Bourse il y a un an. Et même maintenant, ils continuent à bien grossir, à bien cartonner. Je pense que ça va être une des grosses boites de la tech avec deux cofondateurs français qui ont réussi malgré le succès à rester très humbles et à vraiment garder un impact opérationnel fort. C’est vraiment une grosse inspiration pour moi, ils méritent d’être plus connus que ce qu’ils sont en France.  

Geoffrey 

Ils méritent d’être dans le podcast, c’est ça que tu es en train de dire. 

Clément 

Ouais ! *rire* Ils ont racheté en France une boite qui fait de la sécurité il y a quelques mois. C’était Screen que j’avais en tête.  

Donc Datadog, on retient. Et en termes de personnes, t’as un ou des personnes qui t’influencent au quotidien ? Avec lesquels tu as des échanges réguliers ou peut-être des gens que tu suis de loin, mais qui sont des sources d’inspiration pour toi ? 

Ouais, nous, on a la chance d’avoir beaucoup d’angels qui nous aident beaucoup. Donc Olivier Pomel de Datadog, on a le CEO de MongoDB aussi qui nous aide beaucoup. C’est aussi un gros gros succès open source qui marche vraiment bien en ce moment. On a aussi Aghi qui est le CEO d’une boîte qui s’appelle Kong qui, aussi, est un beau succès open source. Ouais, du coup moi, je m’appuie beaucoup sur CEO angels qui m’aident pas mal.  

Il y a un conseil qu’on t’a donné dans ta carrière qui s’est avéré très utile ? 

C’est une bonne question. Peut-être que bon, c’est un peu le classique français qui répond à la question en inversant, mais je te racontais un peu mon aventure initiale à Moodstocks quand j’étais tout jeune. Et c’est vrai que Denis Brulé, le cofondateur et CEO de Moodstocks, je ne sais pas s’il me l’a dit vraiment comme ça, mais il m’a toujours inculqué le fait de ne pas écouter les conseils, ou en tout cas beaucoup moins que ton inclination initiale. Parce que, en fait, quand tu montes une boite, c’est vrai qu’il y a quand même beaucoup de gens qui potentiellement te donnent leur avis, qui sont souvent des gens qui passent très très peu de temps sur ta boite, sur ton marché. Alors, il faut les entendre. Et si tu as le même feedback 100 fois, peut-être qu’il y a du vrai dedans. Mais ne pas oublier que c’est toi l’entrepreneur, tu passes toute ta journée dans tes sujets. Tu passes plusieurs mois, plusieurs années sur ton sujet. Donc au final, c’est important de t’écouter toi-même et d’être capable de faire le contraire de ce que les gens te disent. Donc ça, c’était une bonne philosophie d’entrepreneur que Denis m’a pas mal inculqué d’être assez sceptique sur les conseils des gens. Notamment parce que souvent, ils passent beaucoup moins de temps que toi sur les sujets, qu’ils connaissent ces choses beaucoup moins que toi en tant qu’entrepreneur.    

Donc trace ta route et fais-toi confiance. C’est intéressant. Est-ce qu’il y a des livres qui t’ont marqué ou qui t’ont inspiré, sur un plan pro ou perso ?  

Peut-être comme on a parlé pas mal de pro, un truc un peu plus perso, un peu plus philo. Moi, mon bouquin favori, c’est le mythe de Sisyphe qui est un essai de Camus. Si vous ne connaissez pas, Sisyphe, c’est cette personne qui a été condamnée par les dieux à porter une boule, à la monter sur une montagne. À chaque fois qu’il arrive en bas de la montagne, la boule retombe et du coup, il doit recommencer. Mais c’est un essai assez positif, parce que Camus finit le bouquin en disant « Il faut imaginer Sisyphe heureux » parce qu’en fait, malgré un peu l’aspect absurde et vain de sa tâche. Il prend du plaisir à monter sa boule. Donc, je pense une bonne analogie pour les entrepreneurs sans être trop philosophique. Mais ce qui est cool, c’est de builder ta boite, de passer les étapes, passer les challenges, indépendamment du fait que ta boite peut-être successful ou non, tu peux aller très haut ou pas. C’est surtout ce processus de construction qui est assez kiffant pour les entrepreneurs. Parfois, je fais des calls avec des entrepreneurs, je fais un peu d’investissement maintenant, donc avec des entrepreneurs qui veulent que j’investisse dans leur boite et parfois j’en vois où on a l’impression qu’ils sont presque déprimés par leur taf. Et je leur dis « essaye de trouver le truc qui te fait kiffer, dans lequel tu prends du plaisir, c’est une belle aventure, c’est important de vivre les moments quand tu les vis ». Parce que si tu parles à beaucoup d’entrepreneurs qui ont réussi, ils te diront que c’est souvent au début des moments un peu plus early, où tu as l’impression de galérer, mais t’as une petite team cool, tu construis vraiment quelque chose from scratch qu’ils ont kiffé. Du coup, c’est important, je pense pour les entrepreneurs, de prendre un peu de recul sur ce qu’ils font et se focaliser un peu sur les trucs qui leur fait plaisir, qui leur fait prendre du plaisir.   

Toi, c’est une de tes marques de fabrique, je trouve, le côté un peu détente. Tu as l’air de kiffer justement ton quotidien, de kiffer ta boite et tu peux être fier de ce que tu fais. Et il y a des petits trucs au quotidien qui te permettent quand même de déconnecter ? Parce que tu as quand même des sujets auxquels tu dois penser. C’est quoi les petits trucs au quotidien qui permettent de ne pas te pourrir la vie quand même ?    

Un bon truc que je fais attention de faire beaucoup, c’est de m’assurer que je suis jamais un bottleneck. Je pense parfois en tant que CEO, tu as tendance à un peu vouloir tout contrôler et du coup, tu te mets un peu comme filtre final et du coup, tout doit passer par toi à un moment ou à un autre. Et du coup, ça c’est juste pas gérable. Quand tu commences à vouloir construire une plus grosse boîte, il commence juste à y avoir trop de sujet et tu vas burn out s’il n’y a pas suffisamment de choses qui peuvent pas se passer sans ton approval. Quand je recrute des gens et que je bosse avec les gens, souvent, j’essaye de leur dire assez rapidement qu’il n’y a jamais rien qui peuvent faire en nécessitant mon accord, en fait. Du coup, c’est important qu’ils me gardent dans les boucles, qu’ils communiquent bien avec moi, mais si je dis rien, si je ne suis pas là, si je pars en vacances, ils continuent à avancer et ils buildent sans moi. Donc faire attention à ne pas être un bottleneck, même si tu es le CEO de la boite. Ça marche bien parce que du coup, on se rend compte que les gens, ils arrivent à continuer à construire et je peux vraiment intervenir là où j’ai l’impression d’être capable d’avoir un impact, sinon c’est juste pas intervenir. Parce qu’automatiquement, les gens ont quand même tendance, quand ton organisation grossit, à vouloir passer par toi en quelque sorte, à vouloir avoir la validation. Ça il faut y résister, je pense. Il faut dire bon, tu me mets dans la boucle, j’ai envie d’être capable de suivre, mais c’est toi qui es responsable du truc. Si je suis parti en vacances, le truc va avancer plus vite.  

Et sur le plan perso ? Une organisation ou une routine au quotidien qui te permet de te défocus ou pas spécialement ? 

Rien de très original. Moi, j’aime bien aller au bureau, avoir ma routine où je suis au bureau, et puis si je pars du bureau, je déconnecte. Voilà. 

Tant mieux si c’est aussi simple que ça. Une petite petite info sur tes sources d’apprentissage : tu consultes quoi comme blog, comme podcast, comme contenu pour te mettre à jour sur la tech et sur cet univers qui bouge très vite ? 

Ben moi, j’ai un truc où je souscris pas vraiment des sources d’information classiques, mais crowdsource beaucoup de mes contenus. C’est-à-dire que typiquement, je vais lire un article que cinq personnes m’envoient.   

Geoffrey 

Donc plus on te le partage, plus ça te donne envie de lire ? 

Clément 

Ouais ouais, je suis un peu une intelligence du crowdsource et je me dis que si cinq personnes me l’ont envoyé, ça veut dire que ça vaut le coup que je le lise.  

Geoffrey 

OK, ça veut dire qu’on te partage beaucoup d’infos en tout cas.  

Clément 

Ouais et je sais pas si c’est intéressant ou pas, mais moi, j’ai une gestion assez particulière de mes emails. Il y a beaucoup de gens qui font des systèmes de inbox zéro ou bien qui vraiment essaient de traiter tous leurs emails. Moi à l’inverse, j’ai choisi 150 000 unread email. Je ne me force jamais à répondre à un email. Je pars du principe que soit je leur réponds de manière urgente, directement parce que c’est important pour moi dans l’instant, soit je ne réponds pas. Et si à un moment, dans ma journée ou dans mes semaines, il n’y a pas quelque chose qui me force à repenser à quelque chose, du coup, c’est probablement que ce n’est pas suffisamment important et suffisamment urgent. Et donc je préfère le rater et pas perdre du temps dessus. J’ai un fonctionnement assez organique des sujets.   

Geoffrey 

Une approche assez cool. 

Clément 

Je suis ultra-confortable d’avoir plein de sujets qui sont pas traités pour pouvoir me concentrer vraiment sur les trucs qui sont, je pense importants et impactful.    

En fait, tu drives tes objectifs et ta vision, et tu te laisses pas polluer par d’autres sujets qui seraient pas forcément tes priorités. Bien, la techno pour toi, qui sera un incontournable dans les dix ans à venir ?    

Bah, je pense que j’ai un peu répondu pendant ce podcast : le machine learning. Si vous êtes une boite et que vous regardez pas les sujets machine learning…    

Geoffrey 

C’est trop tard. En fait, la maturité est beaucoup plus importante que ce que j’imaginais, moi déjà en discutant avec des grands groupes, je pensais que c’était encore quelque chose de marginal, mais pas du tout.  

Clément 

Ce qui est intéressant là sur les derniers mois, c’est que si tu prends un peu les plus gros produits Consumer Tech, en fait, tu te rends compte qu’ils ont tous plus ou moins switché, si ce n’est sur du pur machine learning, en tout cas sur des fonctionnalités de machine learning. Donc tu prends par exemple Gmail : Auto complete, c’est du machine learning. C’est leur fonctionnalité la plus utilisée aujourd’hui. Moi, j’utilise à mort, ça cartonne. Basé sur du Transformers. Tu prends Google, arguably le plus gros produit Consumer ever. Ils ont plusieurs milliards de daily active users. 

C’est aujourd’huipowered par du machine learning, ils écrivent régulièrement sur comment ils utilisent Transformers pour power leur search. Tu prends GitHub qui ont annoncé il y a quelques jours le lancement d’un truc qui s’appelle Copilot, qui est de l’autocomplete de code : quand tu écris ton code, ça te suggère la fin de ta ligne de code, powered par du machine learning. C’est vraiment en train de take over une bonne partie de product avec des nouvelles features ou par le core product. Je pense que si t’es une boite aujourd’hui et que tu regardes pas au moins un peu de machine learning et que tu commences à créer un peu des capacités, tu prends un risque assez fort je pense de te faire dépasser par une autre boite qui va utiliser le machine learning et donc créer un produit ou un workflow plus puissant que ce que tu arrives à faire.. 

Oui, très bien. Est-ce qu’il y a une app dans ton téléphone que tu recommandes à tout le monde d’avoir ?    

Pas vraiment. Alors moi, je passe beaucoup trop de temps en ce moment sur Robin Hood pour faire un peu du trading d’actions. Je trouve ça assez cool. Comme je commence à faire un peu d’investissement startup, je fais aussi un peu de trading, c’était vachement fun, notamment sur les boites tech du coup, parce que tu peux prendre un peu les boites tech en APO qui te sont un peu proches. Du coup moi, j’ai pris un peu de Datadog, de MongoDB, toutes ces boites un peu qu’on admire, mais c’est à peu près tout. Au début, quand j’étais un peu plus jeune, c’était très geek sur les apps, un peu moins maintenant.   

OK. Dernière question. On a cité quelques noms, mais est-ce qu’il y a des personnalités dans l’univers tech que tu as pu croiser, qui pour toi ont un parcours un peu hors du commun et que tu me recommanderais d’avoir à ce micro ? 

J’aime beaucoup en ce moment une bonne amie à moi, Anh-Tho Chuong Degroote, qui a commencé par du conseil chez McKinsey, puis qui est ensuite passé dans des boites comme MailJet en France par exemple. Et là qui monte sa boite qui s’appelle Lago qui fait un tool assez cool. Ça pourrait être une bonne invitée pour toi. J’ai la chance aussi d’être investisseur dans sa nouvelle boite et je pense qu’elle va faire des tools assez cools. 


Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.