Brevo : Monter l'équipe GenAI (Centaure, 189 millions ARR)
#130 - Le zoom, le podcast avec Sylvain, sa ressource préférée et la tendance du Low Code dans la Data et l'IA
Hello,
Bienvenue dans l’édition #130 de la newsletter DataGen ! 👋
L’agenda de la semaine :
🔍 Zoom sur la création du lab GenAI de Brevo
🎙 Le podcast avec Sylvain, VP of AI chez Brevo
📚 La ressource recommandée par Sylvain
🎙 L’épisode avec Retool, l’outil low code adopté par les équipes Data & IA
C’est parti !
📢 Comment on industrialise sa data visualisation ?
C’est la question que j’ai posée à Frédéric Forest, un expert du sujet. Il est venu nous faire une masterclass dans l’épisode 220.
Il nous explique le concept du Design System qui est clé pour industrialiser sa data visualisation. Il nous détaille les étapes, une déclinaison concrète sur les outils Figma et PowerBI et l’organisation à mettre en place pour que ça fonctionne.
N’hésitez-pas à contacter Frédéric pour vous faire accompagner sur ce sujet : fforest@datatorii.com
Un immense merci à Datatorii de sponsoriser DataGen. ❤️
🔍 Zoom sur la stratégie GenAI de Brevo et leur lab centralisé - 4 min
Ce zoom est tiré de mon échange avec Sylvain, VP of AI chez Brevo, le centaure français (189M€ d’ARR) qui propose une solution de marketing automation tout-en-un pour les PME (envoi d’emails, de sms, CRM…). L’entreprise compte plus de 400 développeurs.
Le contexte de départ : des initiatives dispersées
Début 2024, Brevo voyait émerger des initiatives GenAI opportunistes dans différentes équipes Produit. Chaque Product Manager identifiait des opportunités sur son périmètre, notamment sur la génération de contenu pour aider leurs clients à créer des emails ou des campagnes marketing.
Le problème ? Ces initiatives restaient très dissociées et individuelles, Product Manager par Product Manager.
“On a ressenti le besoin de fédérer ces efforts pour accélérer.”
La création d’un lab GenAI centralisé et les 3 premiers cas d’usage
Fin 2024, Brevo estime que la maturité des outils GenAI et de l’environnement global est optimale pour commencer à expérimenter.
“J’étais un peu critique en fin d’année dernière sur notre timing tardif. Finalement, je pense qu’on n’est pas en retard et qu’on arrive au bon moment car les technos qu’on utilise sont beaucoup plus matures.”
Ils choisissent une structure de “Lab” qui fonctionne comme une startup dans la scaleup avec un maximum d’agilité pour expérimenter.
Ils lancent rapidement 3 premiers cas d’usage :
Un agent conversationnel d’aide aux clients : une évolution du help center classique vers un système basé sur un LLM et du RAG
“L’avantage de bosser avec des LLM, c’est que si tu ne poses pas exactement la bonne question, tu as quand même une chance d’avoir la bonne réponse.”
La simplification de l’import des bases de contact des clients : un POC qui reconnait automatiquement dans un fichier Excel les colonnes emails, noms, prénoms… et facilite le mapping des données dans Brevo*
*Brevo a par exemple une fonctionnalité qui permet à ses clients d’envoyer des emails. Lorsqu’un client souhaite lancer une campagne, il doit ajouter une liste de contacts avec ses informations et les mapper dans l’outil.
“C’est un gros sujet dans notre outil, les clients peuvent se demander ce qui doit être mappé dans leur système. La solution est capable de suggérer ce qui est un email, un nom… et quels attributs doivent être créés. C’est technique donc ça permet d’aider les clients qui ne sont pas forcément experts.”
La génération d’emails : permettre aux clients de générer rapidement les emails qu’ils vont envoyer à leurs clients sur la base d’un prompt et des données qui sont présentes dans Brevo
“Par exemple, on va fournir les templates complets créés en YAML que l’utilisateur pourra ensuite personnaliser avec son expertise.”
L’organisation de l’équipe : 3 pôles d’expertise
Le Lab compte 6 personnes aujourd’hui, la vision est qu’il atteigne une 20aine de personnes à moyen-terme.
“Plus on est petit, plus on va vite. Ce que j’essaie de faire, c’est d’aller le plus vite possible avec la plus petite entité possible.”
1) Pôle Agentic : des AI Engineers/Data Scientists qui s’occupent du background processing, des agents, des RAG et des outils.
“Comment on fait collaborer les agents entre eux, comment on connecte les bons RAG en fonction des agents et comment on déploie nos solutions”
2) Pôle Ingénierie : fait le pont entre les solutions et leur intégration dans le produit.
“Cette équipe est vouée à grandir pour justement bâtir des composants à destination des autres équipes. Je recrute pas mal de monde sur ces sujets-là.”
3) Pôle Product Management : capture les besoins des clients et des équipes Produit et coordonne la roadmap du Lab pour qu’elle soit synchronisée avec celle des équipes Produit.
“L’objectif est de pousser de la GenAI dans toutes les roadmaps mais avec le moins d’impact opérationnel possible pour les équipes Tech et Produit de Brevo.”
🎙 Le podcast avec Sylvain, VP of AI chez Brevo
On aborde :
Le parcours de Sylvain de Dev à VP Product puis VP of AI
Le contexte de départ : des initiatives dispersées (cf. zoom)
La création d’un Lab GenAI centralisé (cf. zoom)
Les 3 premiers cas d’usage développés (cf. zoom)
La stack GenAI et pourquoi ils ont choisi LangChain
L’organisation de l’équipe (cf. zoom)
Les résultats obtenus et les enseignements majeurs
Pourquoi les interfaces conversationnelles ne sont toujours la solution
Les difficultés rencontrées : testing et non-régression
Les prochaines étapes : UX plus embarquée et scale
“Le conversationnel ne va pas se substituer à tout. On a été un hypé par ChatGPT et le conversationnel. Ça marche dans certains cas d’usage. Mais il y a aussi une forme de fatigue qui s’installe avec le fait de tout le temps faire des conversations là où ce n’est pas nécessaire.”
Liens vers l’épisode : Apple Podcasts | YouTube | Spotify
📚 La ressource recommandée par Sylvain
Le livre UX for AI de Greg Nudelman
“C’est un livre récent sorti en mars 2025 qui explique la nécessité de bien travailler l’UX et de bien donner le contrôle à l’utilisateur avec plein de cas d’usage de la vie réelle.”
🎙 L’épisode avec Retool, l’outil low code adopté par les équipes Data & IA
J’ai reçu Alexis, Solution Engineer chez Retool, l’outil low code massivement adopté par les équipes Data & IA aux US et en Europe. Ils ont déjà convaincu des géants comme OpenAI et Nvidia aux Etats-Unis ou Pernod Ricard et Decathlon en France.
On aborde :
Les grandes briques de Retool (connecteurs, “drag & drop”, agents IA…)
Son positionnement dans la Modern Data Stack et sur le marché
Plusieurs cas d’usage Low Code x Data & IA (vente, marketing, RH…)
L’accélération de la tendance du low code dans la Data & l’IA
“Aujourd’hui, dans le monde de la data, on s’arrête en fait souvent à la BI, à la visualisation. Un outil Low Code permet de passer de la visualisation à l’action.”
Liens vers l’épisode : Apple Podcasts | YouTube | Spotify