À PROPOS
Yoann Leny. Opérateur, architecte, bâtisseur.
Je bâtis des systèmes d'exploitation pour la donnée et l'IA pour les organisations qui veulent de la marge, pas de la magie.
Les outils sont faciles. La façon dont les décisions, les données, les modèles et les personnes composent un tout qui fonctionne — c'est là que réside le levier.
01 — BIOGRAPHIE
01 — BIOGRAPHIE
J'ai passé la dernière décennie à apprendre la même leçon encore et encore : les organisations ne sous-performent pas par manque d'outils, mais parce que les outils ne s'assemblent jamais en un système fonctionnel. Les tableaux de bord existent. Les données existent. Les modèles existent. Ce qui manque, c'est la logique opérationnelle qui les transforme en décisions.
Ma carrière s'est concentrée sur la mise en place de cette logique opérationnelle. À mes débuts, j'ai construit des entrepôts de données pour des équipes de performance qui avaient besoin de réponses en quelques minutes, et non en quelques semaines. J'y ai appris la différence entre une requête qui s'exécute et une requête qui survit. Ensuite, j'ai construit les plateformes sous-jacentes à ces entrepôts — des lakehouses Medallion, des couches sémantiques, des pipelines guidés par des contrats — car la fragilité de l'ancienne pile rendait les réponses rapides à nouveau lentes tous les six mois.
Au moment où les grands modèles de langage ont cessé d'être une curiosité de recherche pour devenir des composants déployables, je pensais déjà aux agents — à des flux de travail qui devaient agir, et pas seulement chercher. Mon travail s'est alors orienté vers la conception de systèmes multi-agents dotés de garde-fous déterministes : graphes d'agents hiérarchiques, pistes d'audit, points de contrôle avec intervention humaine. Le modèle est devenu évident : l'IA agentique ne fonctionne en production que lorsqu'elle repose sur les mêmes bases de données rigoureuses dont les analyses traditionnelles ont besoin. Il n'y a pas de raccourci.
Plus récemment, en tant que VP des Opérations de Données, j'ai été responsable du triangle complet : les plateformes (données et IA), le modèle opérationnel (plus de 40 experts dans trois régions) et la surface exécutive (la couche de visibilité qui transforme le système en décisions gouvernables). Ce triangle est le cœur du travail. Retirer un angle fait s'effondrer les deux autres en moins de douze mois.
J'écris ce que j'apprends. La bibliothèque de concepts de ce site n'est pas du marketing de contenu — c'est un carnet de bord de ma réflexion sur chaque problème, avec des comparaisons de fournisseurs basées sur ce que j'ai réellement déployé. Si quelque chose sur ce site vous est utile, alors le but est atteint. Si vous pensez que je me trompe sur un point, je serais ravi d'en débattre.
J'habite à Bordeaux. Je travaille avec des équipes de direction en France, au Royaume-Uni, et de manière sélective en Europe et en Amérique du Nord. Je m'engage sur un nombre restreint de projets chaque année — généralement une restructuration d'envergure et une ou deux relations de conseil — car la profondeur nécessaire pour produire de réels résultats est incompatible avec une logique de portefeuille.
02 — PRINCIPES
Ma méthode de travail.
- 01
Rendre le système lisible.
Si un PDG ne peut pas voir comment les décisions sont prises, le système n'est pas encore terminé.
- 02
Traiter la donnée comme un produit.
Propriétaires, contrats, SLA, dépréciation. La rigueur du développement logiciel appliquée à l'information.
- 03
Contraindre les agents avant de les mettre à l'échelle.
Les systèmes probabilistes ont besoin de limites déterministes. Les garde-fous sont de l'architecture, pas une réflexion après coup.
- 04
Recruter pour la pensée systémique, pas pour l'expérience technique.
Les outils changent tous les deux ans. L'instinct opérationnel se capitalise.
- 05
Retirer plus qu'ajouter.
La plupart des organisations se noient déjà. La retenue est la marque des grands professionnels.
03 — RÉSULTATS
03 — RÉSULTATS
- IMPACT FINANCIER
- 13M$+
- Impact cumulé sur les projets de données et d'IA, mesuré au niveau du compte de résultat — pas modélisé.
- EXPERTS ORCHESTRÉS
- 40+
- Experts directement coordonnés dans l'ingénierie des données, l'analyse, l'IA et les fonctions adjacentes.
- RÉGIONS DIRIGÉES
- 3
- Europe, Royaume-Uni, et un troisième pôle régional gérés en parallèle.
- PRODUCTIVITÉ
- +15%
- Amélioration durable de l'utilisation d'une équipe de 40 personnes après le déploiement d'un outil de suivi des compétences agentique.
- RETOUR SUR INVESTISSEMENT
- 9m
- Du lancement à la rentabilisation du plus récent projet de reconstruction d'infrastructure Medallion.
- FIABILITÉ
- 0
- Incidents de dérive de KPI en production après l'introduction de la couche sémantique prête pour l'IA.
04 — STACK
04 — STACK
Mes outils de travail quotidiens comprennent les principales plateformes de lakehouse et d'entrepôt (Databricks, Snowflake, BigQuery), l'orchestration via Airflow et Dagster, la transformation avec dbt, les couches sémantiques via Cube et LookML (Looker), l'observabilité avec Monte Carlo et Lightdash, et des frameworks d'agents comme LangGraph, CrewAI, ainsi que des implémentations de graphes déterministes de plus en plus personnalisées. Le cloud est multi — AWS, GCP, Azure — sans préférence dogmatique. Tout le reste n'est qu'un moyen pour parvenir à une fin.
05 — RÉFLEXIONS
05 — RÉFLEXIONS
- Pourquoi la plupart des démos d'agents s'effondrent en productionessai
- L'architecture Medallion, décodéeconcept
- Snowflake vs Databricks vs BigQuery pour les charges de travail IAconcept
- La couche sémantique est la nouvelle API de donnéesessai
- Concevoir des équipes pour des opérations agentiquesessai
- Lakehouse, warehouse, mesh — ce qui change réellementessai
Si vos données et votre IA tournent à plein régime sans être productives — c'est un problème de système d'exploitation.