Leboncoin : Leur nouvelle Stratégie Data
#155 - Le zoom, le podcast avec Patrice et ses ressources préférées
Hello,
Bienvenue dans l’édition #155 de la newsletter DataGen ! 👋
L’agenda de la semaine :
🔍 Zoom sur la nouvelle stratégie data de Leboncoin
🎙 Le podcast avec Patrice, Directeur Data, Infra et Plateforme chez Leboncoin
📚 Les ressources recommandées par Patrice
C’est parti !
📢 Vous connaissez ThoughtSpot ?
C’est la solution spécialisée sur l’agentic analytics qui permet de faire de la BI et de l’analyse en langage naturel.
Ils ont été valorisé plus de 4 milliards de dollars et sont utilisés par de très belles boîtes comme DoorDash, Lyft, Sephora aux US et Canal+ en France.
J’ai reçu François, leur Senior VP Product Management, qui est venu en parler dans l’épisode 274. Il nous explique pourquoi la solution connaît un tel succès et comment réussir le déploiement d’une solution agentic analytics.
Ils ont aussi rédigé cet article qui synthétise notre échange.
Un immense merci à ThoughtSpot de sponsoriser DataGen. ❤️
🔍 Zoom sur la nouvelle stratégie data de Leboncoin - 4 min
Ce zoom est tiré de mon échange avec Patrice, Directeur Data, Infra et Plateforme chez Leboncoin, la marketplace que tout le monde connaît. Avant ça, Patrice a passé plus de dix ans chez Doctolib et Criteo, où il était notamment Head of Analytics.
Les 3 éléments de contexte qui ont mené à cette nouvelle stratégie
1) Une réorganisation au niveau groupe qui libère les choix techno
Leboncoin appartient au groupe Adevinta (4 500 personnes en Europe). Historiquement, les choix de stack data étaient largement pilotés au niveau groupe. Une réorganisation récente a changé la donne et Leboncoin a pu reprendre la main sur ses composants.
“C’est une opportunité pour nous, on peut repenser toute la stratégie en local.”
2) Une accélération business qui dépasse les capacités de l’équipe Data
Leboncoin accélère fort sur l’immo et l’auto. Ils mettent en place plus de pub, plus de force commerciale et développent de nouvelles fonctionnalités, ce qui fait plus de demandes pour l’équipe Data.
“En Q4 de l’an dernier, sur les 350 demandes qu’on a reçues, on n’a pu en gérer que 100. On n’est pas assez staffé.”
3) Des KPIs sans définitions communes
Chaque équipe avait sa propre définition de KPIs et les chiffres étaient différents d’un dashboard à l’autre. C’était un vrai problème pour la prise de décision.
“On voyait dans des meetings COMEX des écarts considérables sur des métriques clés. Par exemple, une équipe reportait +10% de nouvelles annonces par rapport à l'an dernier, et une autre équipe reportait -5%.”
La refonte de la stack avec 3 outils clés : plateforme, catalog & AB test
La stack existante était vieillissante (Redshift, Athena…). Patrice et son équipe ont mis en place 3 nouveaux outils.
1) Databricks comme plateforme centrale
Avant, l'équipe jonglait entre Redshift, Athena, Tableau, Metabase et Airflow. Les Data Analysts faisaient de l'exploration SQL dans un outil, des notebooks Python dans un autre, sans continuité.
“L’objectif était de créer une expérience et une stack plus unifiée, et de rendre les utilisateurs plus autonomes. La force de Databricks, c'est qu'ils ont toutes les briques, pas seulement pour les profils data, mais aussi de plus en plus pour des end-users côté produit ou business.”
2) Un data catalogue pour unifier les définitions des KPIs
Leboncoin n'avait pas de source de vérité unique pour les KPIs. La doc était dispersée dans Confluence, dans les dashboards et dans les requêtes. Ils ont mis en place le data catalogue Coalesce (ex-CastorDoc).
“Le but est de tout documenter dans l’outil. Par exemple, si tu te demandes ce qu’est une nouvelle annonce, tu as la définition et tu sais exactement ce qu'il y a derrière.”
3) Confidence (outil développé et utilisé par Spotify) pour les A/B tests
Spotify utilise cet outil en interne pour réaliser des milliers d’expérimentations chaque mois. Les PM peuvent lancer, suivre et analyser des tests en autonomie sans solliciter d’analystes. L’outil permet d’accélérer massivement sur l’expérimentation.
“Par ailleurs, les équipes de Spotify nous ont aidés à le mettre en place. On a profité de leur expérience pour ré-acculturer toute la boîte sur les A/B tests, sur comment en faire plus, comment bien les faire et prendre les bonnes décisions.”
Les 2 plus grosses difficultés
1) Convaincre le Comex d'investir
Patrice et son équipe ont présenté une 1ère stratégie avec une feuille de route sur 3 ans. La réponse du Comex a été : "3 ans, c'est long. 1 an, c'est mieux." Il a fallu revoir la copie et identifier les ressources additionnelles nécessaires pour délivrer cette refonte en 1 an.
“On a identifié qu’il nous fallait 15 personnes de plus, des profils Data Engineers, Data Analysts et des profils spécialisés en Data Gouvernance. Il a fallu convaincre le Comex.”
2) Communiquer et gérer les attentes du Comex
Le vrai challenge, une fois le budget obtenu, a été de gérer les attentes du Comex qui attend des résultats rapides, alors que l'équipe travaille en partie sur des fondations, des couches basses, dont les résultats sont parfois peu visibles à court terme.
“On a interviewé tout le Comex pour leur dire : OK, ça, en effet, ça va venir grâce à cette transformation. Cet élément, tu pourras l'avoir en Q3, celui-ci, en Q4… C'est très important de bien communiquer et de gérer les attentes.”
🎙 Le podcast avec Patrice, Directeur Data, Infra et Plateforme chez Leboncoin
On aborde :
Les 3 éléments de contexte qui ont mené à cette nouvelle stratégie (cf. zoom)
La refonte de la stack avec 3 outils clés : plateforme, catalog & AB test (cf. zoom)
L’organisation de l’équipe Data et les nouveaux rôles
Les 2 plus grosses difficultés (cf. zoom)
L’impact de l’IA et de Claude Code sur les métiers de la data
Les prochaines étapes : exécuter le plan, faire évoluer les rôles…
“On voit déjà chez nous que les équipes changent leur manière de travailler. Ils font de plus en plus de vibe coding. Une manager me racontait une anecdote assez drôle : ses managés lui disent "on a fait ci, on a fait ça" en parlant de Claude, comme s'ils travaillaient à deux.”
Liens vers l’épisode : Apple Podcasts | YouTube | Spotify
📚 Les ressources recommandées par Patrice
Le profil LinkedIn de Marcel Dybalski
“Il vulgarise le data mesh, les data products et les KPIs à suivre en tant qu’équipe Data. Il partage notamment des infographies, je les partage à mon équipe à chaque fois.”
Le livre Factfulness de Hans Rosling
“Ce livre est excellent pour prendre conscience des biais qu’on peut avoir dans une analyse et de comment des chiffres peuvent être interprétés différemment. Il se lit vraiment bien, ce n’est pas du tout scolaire.”
très fort !!!