Phacet

Interrogé sur le nombre de grandes entreprises françaises qui se sont vraiment transformées avec l'IA, il répond zéro. Nicolas de Bellefonds dirige l'IA chez BCG X, l'entité tech du Boston Consulting Group. Il travaille avec des groupes de plus d'un milliard de chiffre d'affaires sur des programmes de transformation qui durent des mois, parfois des années. Dans cet épisode, il donne les chiffres que les cabinets ne communiquent pas : ce que les entreprises consacrent réellement à l'IA, comment ce budget se répartit entre technologie et l'investissement humain, et combien il faut viser en retour pour que l'équation tienne.Il explique aussi pourquoi les projets prennent beaucoup plus de temps que ce qu'on a promis aux dirigeants. Au programme : Les trois façons de faire de l'IA en entreprise : deploy, reshape, invent Pourquoi les gains de productivité quotidiens ne se voient jamais dans le compte de résultat Le cas d'une banque qui a ramené sa souscription de crédit de cinq jours à un jour Deux ans pour transformer une fonction marketing de 3 000 personnes Les 3 à 4 % du chiffre d'affaires que les entreprises consacrent à l'IA Ce que coûtent les tokens chez BCG, et pourquoi la facture va tripler La règle du un pour trois, et la répartition 70 % humain contre 30 % technologie Pourquoi les dirigeants ne croient plus aux promesses qu'on leur a faites Faut-il internaliser ses équipes IA ou continuer à sous-traiterHosted on Ausha. See ausha.co/privacy-policy for more information.

Pennylane équipe 1,3 million d'entreprises avec ses outils de gestion d'entreprise. Si Pennylane était en avance sur l'IA dans son produit, ils étaient en retard dans l'adoption de l'IA pour leurs équipes. Dans cet épisode, Arthur raconte comment il a rattrapé ce retard : la méthode pour embarquer ses associés, la politique d'adoption pour les développeurs comme pour les équipes non-tech, et sa vision de ce que l'IA change pour les experts-comptables et les éditeurs de logiciels. Au programme : Pourquoi l'IA profite aujourd'hui plus aux petits qu'aux gros La révolution RH qui attend les cabinets d'expertise comptable Ouvrir sa donnée aux agents IA : le pari stratégique de Pennylane face aux SaaS qui ferment leurs portes "Je suis la Suisse" : la conversation d'Arthur avec le fondateur de Notion Comment convaincre son top management : l'expérience Claude Code des associés La politique juniors : tu ne dois pas déléguer ce que tu ne sais pas faire Les équipes non-tech qui construisent leurs propres outils, dont la fameuse Moulinette À quoi ressemble une équipe demain : moins de monde ou plus d'ambition ? Cet épisode s'adresse aux : Dirigeants et fondateurs qui pilotent une transformation IA Experts-comptables et responsables de cabinets CPO, CTO et équipes produit de scale-ups DAF et directions financièresHosted on Ausha. See ausha.co/privacy-policy for more information.

En 2026, Qonto sert 600 000 clients sur 8 marchés européens. Ils se définissent comme une AI-first company. Et pourtant, Steve Anavi, cofondateur, n'a pas créé d'équipe dédiée à l'IA. Dans cet épisode, il explique pourquoi, et détaille la méthode qu'ils ont mise en place pour transformer 1 600 personnes sans top-down, sans grande initiative de transformation, et sans perdre ce qui fait la valeur du produit. Au programme : Pourquoi Qonto n'a pas créé d'équipe IA dédiée La méthode Kaizen appliquée à 1 600 salariés : 1 600 change managers en temps réel La différence entre assimilation et accommodation face à une rupture technologique Pourquoi Qonto ne vend pas des remplaçants mais des extensions Comment ils ont lancé The Operator et The Analyst à 600 000 clients d'un coup Les trois options de pricing pour les fonctionnalités IA Ce qui surprend Steve : la vitesse de production de code et l'évolution du métier de développeur Ce que l'IA ne peut pas faire : l'intelligence non artificielle et le goût Cet épisode s'adresse aux : Fondateurs et dirigeants de scale-ups CPO, CTO et responsables produit DAF et équipes finance qui s'interrogent sur leur transformation IA Toute personne qui pilote une transformation IA sans savoir par où commencerHosted on Ausha. See ausha.co/privacy-policy for more information.

Dans cet épisode, Marc-Antoine Lacroix, co-fondateur de Pivot, explique comment ils ont construit une plateforme source-to-pay en trois couches, pourquoi les agents IA fonctionnent chez eux quand ils échouent ailleurs, et comment leurs clients sont passés de 10% à 100% de leurs contrats fournisseurs négociés. Au programme : Pourquoi l'IA saupoudrée sur les outils existants ne tient pas sur le long terme La thèse des 3 couches : system of record, engagement, agents L'agent de négociation et comment il démultiplie le travail des équipes achat Pourquoi Pivo garde les agents hors du cœur produit Le studio AI interne : qui sont les builders et comment ils mesurent le ROI Comment se différencier quand tout le monde dit faire des agents IA L'impact sur les plans de recrutement dans les équipes tech et ops Le moment où Marc-Antoine a vraiment compris la puissance de l'IA Cet épisode s'adresse aux : CPO et CTO de scale-ups Directeurs des achats et équipes procurement DAF et responsables financiers Fondateurs qui se demandent comment intégrer l'IA dans leur produit Retrouvez Pivot sur pivotapp.ai et sur LinkedIn. Site Phacet : https://www.phacetlabs.com/fr Podcast : https://www.phacetlabs.com/fr/podcastHosted on Ausha. See ausha.co/privacy-policy for more information.

Dans cet épisode, Nicolas Marchais reçoit Sébastien Bayer, CEO et cofondateur d’Agicap, l’un des leaders européens du logiciel de gestion de trésorerie.Avec plus de 8 000 entreprises clientes en Europe et aux États-Unis, Agicap aide les équipes finance à suivre, prévoir et optimiser leur trésorerie. Depuis plusieurs années, la plateforme intègre déjà des briques d’intelligence artificielle pour automatiser le traitement des données financières.Mais lorsque les LLM et les assistants IA sont arrivés, l’équipe a tenté une approche que beaucoup d’éditeurs SaaS ont expérimentée : ajouter un assistant conversationnel capable de répondre aux questions des trésoriers. Résultat : l’adoption a été faible et l’équipe a finalement décidé de supprimer cette fonctionnalité.Dans cet échange, Sébastien Bayer explique pourquoi cet assistant IA n’a pas fonctionné, ce que cette expérience leur a appris, et comment Agicap utilise aujourd’hui l’IA de manière beaucoup plus opérationnelle dans son produit.On explore notamment :• pourquoi l’assistant IA d’Agicap n’a pas été adopté par les utilisateurs• le problème des hallucinations de l’IA dans un domaine sensible comme la finance• pourquoi une prévision financière “boîte noire” n’est pas exploitable par un DAF• comment Agicap utilise le machine learning et les LLM pour automatiser les tâches financières• les premiers cas d’usage agentiques dans leur produit• la différence d’adoption de l’IA entre l’Europe et les États-Unis• comment organiser une entreprise pour intégrer l’IA dans ses produits et ses opérations• et pourquoi l’IA doit rester un outil d’aide à la décision, pas un remplaçant du trésorier.Un échange concret et sans langue de bois sur ce qui fonctionne vraiment avec l’IA dans un produit SaaS financier.Hosted on Ausha. See ausha.co/privacy-policy for more information.

Dans cet épisode, Nicolas Marchais reçoit Philippe Mizrahi, CEO de Linkup, une startup française qui vient de lever 10 millions d’euros pour s’attaquer à un sujet devenu central dans l’IA : le web search pour les agents et les modèles de langage. À mesure que les LLM se généralisent, une limite apparaît clairement : leur dépendance à des données obsolètes et leur propension à halluciner. Linkup part d’un constat simple : les moteurs de recherche ont été conçus pour les humains, pas pour les IA. Or, à l’ère des agents, ce modèle ne fonctionne plus. Philippe explique pourquoi Google et Bing ont fermé leurs APIs de web search, pourquoi l’index du web est devenu un actif stratégique pour l’IA, et comment Linkup a fait le pari de reconstruire un moteur pensé nativement pour les agents, capable de fournir des informations fraîches, précises et exploitables par les modèles. On explore : • pourquoi le web search est devenu une brique critique de l’infrastructure IA • comment réduire les hallucinations des LLM grâce à des données externes fiables • la différence entre moteurs de recherche pour humains et moteurs pour agents IA • les choix techniques derrière l’indexation granulaire du web chez Linkup • les cas d’usage réels : automatisation commerciale, recherche financière, assistants d’entreprise • comment des groupes comme KPMG ou Boulanger utilisent le web search dans leurs systèmes IA • la stratégie de Linkup face aux acteurs américains très capitalisés • et pourquoi l’accès à l’information est au cœur de la prochaine bataille de l’IA Un échange clair et structurant pour comprendre comment l’infrastructure de l’IA est en train d’évoluer, et pourquoi le web search est redevenu un champ de bataille clé.Hosted on Ausha. See ausha.co/privacy-policy for more information.

Dans cet épisode, Nicolas Marchais reçoit Charles Tenot, CEO de Lemlist, pour déconstruire les fantasmes autour de l’IA dans le sales et analyser ce qui fonctionne réellement sur le terrain. Avec 42 M$ d’ARR, plus de 20 000 clients dans 120 pays et une croissance annuelle d’environ 50%, Lemlist est l’un des acteurs majeurs de la prospection commerciale. Charles Tenot partage une vision lucide et souvent à contre-courant sur l’IA : entre promesses spectaculaires, adoption réelle par les équipes et limites structurelles des outils actuels. L’épisode explore notamment : • l’écart entre le bruit médiatique autour de l’IA et son impact concret dans les équipes commerciales • pourquoi de nombreux commerciaux utilisent peu les outils IA mis à leur disposition • les limites des “AI SDR” et des promesses de vente 100% automatisée • le rôle réel de l’IA dans la prospection : données, orchestration et qualité plutôt que magie • le dilemme centralisation vs décentralisation de l’IA dans les organisations • comment Lemlist intègre l’IA dans son produit sans tomber dans le gadget • les taux de réponse réels en prospection en 2025 • pourquoi la vente reste fondamentalement un métier humain • et comment les entreprises doivent penser l’adoption de l’IA sur les 12 à 24 prochains mois. Un échange dense, pragmatique et sans langue de bois sur le futur du sales, de la prospection et de l’IA appliquée aux équipes commerciales.Hosted on Ausha. See ausha.co/privacy-policy for more information.

Dans cet épisode, Nicolas Marchais reçoit Édouard Beaucourt, Directeur Général Europe de Pigment, pour comprendre comment une nouvelle génération de plateformes de business planning redéfinit la planification financière, l’analyse de données et l’usage de l’IA dans l’entreprise. Pigment, l’une des plus fortes success stories SaaS françaises, s’est imposée face à des acteurs historiques grâce à une architecture pensée dès le départ pour le cloud, la donnée moderne et l’intelligence artificielle. Édouard explique pourquoi, pendant près de 20 ans, le marché du business planning a très peu évolué… puis comment l’avènement du cloud, des data platforms et maintenant des agents IA a totalement rebattu les cartes. On explore : • comment Pigment a dépassé des logiciels conçus à l’ère du BlackBerry • pourquoi être “IA-native” permet de shipper 5 à 10× plus vite • l’impact réel des agents IA dans la planification, la modélisation et la prise de décision • la différence entre les marchés US et européens sur l’adoption de l’IA • ce que changent les LLM pour les équipes finance, sales, planning et ops • comment Pigment aide aujourd’hui des entreprises comme la SNCF, des retailers, des groupes internationaux ou des digital natives à réduire le time-to-value de plusieurs mois à quelques semaines • comment transformer la fonction finance quand les cycles de prévision bougent tous les trois mois • et pourquoi, selon Édouard, la prochaine décennie verra l’émergence d’une “workforce digitale” dans toutes les organisations. Un échange dense, concret, et indispensable pour comprendre comment l’IA transforme les métiers de la finance, de la planification et du pilotage d’entreprise.Hosted on Ausha. See ausha.co/privacy-policy for more information.

Dans cet épisode, Nicolas Marchet échange avec Florian Douetteau, CEO et cofondateur de Dataiku, pour comprendre comment plus de dix ans d’évolution de l’IA — bien avant l’apparition de ChatGPT — ont façonné la manière dont les entreprises se transforment réellement. Avec plus de 350 M$ d’ARR et plus de 700 clients parmi les plus grandes organisations mondiales, Dataiku observe depuis une décennie comment les vagues technologiques successives (big data, cloud, ML, deep learning, LLMs, agents) redéfinissent les usages, les métiers et les chaînes de valeur. Florian partage une vérité souvent méconnue : l’impact réel de l’IA ne vient pas des modèles, mais de l’expertise métier, de la gouvernance, des données et de la capacité des collaborateurs à transformer eux-mêmes leurs processus. Il explique pourquoi l’IA générative ne change pas le “problème fondamental”, mais ouvre enfin la voie à des cas d’usage auparavant impossibles grâce au paradigme agentique. On parle automatisation, redesign complet des workflows, retail assisté, efficacité opérationnelle, et de la manière dont les grandes entreprises vont repenser leurs processus critiques (onboarding, supply chain, compliance, finance…) dans les 5 à 10 prochaines années. L’épisode aborde également : • l’écart d’adoption entre Europe, Asie et États-Unis • la culture d’innovation comme facteur déterminant • la montée en compétences interne et la “quantification” des équipes métier • l’évolution du rôle des développeurs, du sales, du support • le futur du travail à l’ère des agents IA • et la vision personnelle de Florian sur ce qui le motive après 12 ans à la tête de Dataiku. Un échange rare, dense et profondément lucide sur la manière dont l’IA transforme structurellement les entreprises. Article associé : → Comment l’IA transforme l’entreprise (avec Florian Douetteau, CEO de Dataiku) https://www.phacetlabs.com/fr/podcast/comment-l-ia-transforme-l-entreprise-avec-florian-douetteau-fondateur-de-dataiku Hosted on Ausha. See ausha.co/privacy-policy for more information.

L’IA n’a pas vocation à remplacer la facturation, mais à la rendre plus fiable : contrôle automatique, détection d’anomalies et alertes en temps réel. Ce que tu vas apprendre dans cet épisode : Les limites des logiciels de facturation classiques… et pourquoi Hyperline a décidé de repartir de zéro. Les vrais cas d’usage de l’IA en billing : surveillance automatique, contrôle qualité, monitoring des écarts. Les nouveaux modèles de pricing dans les boîtes IA (crédits, usage upfront, cost-plus). Comment l’IA change le quotidien des devs et les pièges à éviter avec les agents génératifs. L’impact concret de l’IA sur les équipes : productivité décuplée, mais fin du recrutement de profils juniors. Le conseil pratique de Lucas : Commence par un workflow simple mais critique (ex. vérifier automatiquement tes factures mensuelles) et laisse l’IA t’alerter des anomalies — tu gagneras immédiatement en fiabilité et en temps. À propos de l’invité : Lucas Bédout est cofondateur et CEO d’Hyperline, une plateforme de facturation et de revenue management déjà adoptée par 250+ entreprises en Europe et aux US.Hosted on Ausha. See ausha.co/privacy-policy for more information.