J’ai mené des projets de transformation IA de bout en bout, en production, sous mandat de P&L. Je mène chaque mission personnellement, du premier jour au dernier, et quand il faut renforcer l’équipe de développement, je m’appuie sur un réseau de spécialistes de confiance.
J’ai commencé comme développeur, je suis passé par la gestion de projet, puis j’ai passé vingt ans en solutions engineering, à apprendre comment les entreprises achètent la technologie, la mettent en place et vivent avec. Équipes mondiales, méthodologies d’avant-vente, le cycle complet de la vente et de la livraison de logiciels d’entreprise sur l’EMEA et l’Amérique latine, avec des clients dans la finance, le juridique, les sciences de la vie et la distribution. En montant une fonction mondiale de solutions engineering en partant de zéro, j’ai quasiment doublé le taux de conversion des affaires complexes.
Depuis 2022, l’IA est au cœur de ce travail. Plus récemment, comme directeur de la transformation IA d’un éditeur de logiciels détenu par un fonds, j’ai reconstruit le go-to-market et le back-office autour de l’IA en production, fait passer un processus clé du devis à l’encaissement de plusieurs jours à quelques heures, et accompagné l’équipe sur ce que tout le monde sous-estime : l’adoption. Ce qui marche, ce qui cale, et pourquoi. Le regard que j’apporte est celui d’un investisseur : un programme de réduction des coûts ne rapporte qu’une fois, là où une capacité AI-native lève les goulets d’étranglement et se capitalise. C’est cette dernière que je construis.
Les plus grands fournisseurs d’IA détachent désormais leurs ingénieurs pour faire exactement ce travail, mais seulement auprès des grands comptes et verrouillés sur leur propre stack. Worklabs en est la version indépendante, sans parti pris pour aucun éditeur, pour les entreprises qui se dotent d’une direction IA pour la première fois.
Ce que j’ai appris dans ce siège est le socle de Worklabs.
Les compétences qui mènent à une démo qui fonctionne ne sont pas celles qui mènent à un système que l’équipe adopte. C’est dans la distance entre les deux que la plupart des budgets IA s’enlisent.
Les indicateurs d’adoption comptent plus que les scores F1. Une fois qu’on a dû expliquer pourquoi un investissement à six chiffres dort, on cesse de traiter l’adoption comme un sujet de phase 2.
Déployer des systèmes en production à l’échelle apprend ce que la stratégie seule ne montre jamais. On découvre où se loge la vraie friction, quels cas limites comptent réellement, et pourquoi le dernier kilomètre de l’adoption est de loin le plus dur.
C’est même le seul moyen d’aller vite sans finir en une de la presse pour un dérapage de conformité. Les environnements régulés, adossés à des investisseurs, l’apprennent vite : on franchit les portes au pas de course, on ne les contourne pas.
Pas le modèle. Pas l’infrastructure. Le passage de relais entre « le pilote fonctionne » et « l’équipe a adopté le nouveau flux comme le seul possible ». Worklabs reste présent pendant ce passage. C’est là que se joue le retour sur investissement.
La plupart des pages de bio de consultant n’affichent que les points forts. Voici les limites, dites franchement.
Un appel de travail de 30 minutes. Vous repartez avec une idée claire de là où l’IA serait le plus rentable, qu’on travaille ensemble ou non. On parle de votre situation réelle. Si je peux aider, je le cadre. Sinon, je vous le dis et je vous oriente vers la bonne personne.
Ou faites le diagnostic gratuit de maturité IA → Me trouver sur LinkedIn →