Tous nos articles
Insights, retours d'expérience et analyses de nos experts Data & IA.
Leboncoin x hymaïa : Former les Product & Engineering Managers aux enjeux Data & IA
Comment leboncoin forme ses Product & Engineering Managers aux enjeux Data & IA.
Forward Data Conference revient en 2025 : encore plus ambitieuse, plus collective, plus inspirante !
La Forward Data Conference revient en 2025 pour connecter toute la communauté Data & IA.
Forward Data Conference Paris 2024 : Participer à la 1ère édition de la conférence internationale Data & IA
Pourquoi et comment nous avons créé la Forward Data Conference, conférence Data & IA à Paris.
Tracking des accès à la donnée dans AWS
Comment suivre et auditer les accès en lecture à la donnée sur AWS (S3, Athena) avec CloudTrail, EventBridge, Lambda et Firehose.
De la Magie à la Maîtrise : Démystifier l’IA pour maximiser son adoption
Surconfiance, désillusion... Comment passer de la pensée magique à une vraie maîtrise de l'IA.
10 écueils limitant l’impact de la Data sur les produits et organisations
10 écueils qui empêchent les organisations de passer la Data à l’échelle. Les connaissez-vous ?
10 leçons apprises en 8 ans dans le conseil
Diversité, autonomie, patience, convictions... Les leçons essentielles du conseil Data & IA.
3 enseignements à connaître avant de créer son équipe data
3 leçons clés avant de construire votre équipe Data, tirées de 5 ans d’expérience terrain.
8 défis pour l’inférence locale de LLMs sur mobile
Faire tourner des LLM sur mobile : 8 défis à surmonter avant d'y arriver.
À la découverte de Azure OpenAI
Azure OpenAI décrypté : la première offre cloud intégrant des services clé en main de GenAI.
Benchmark Apache Spark : Préparation du test TPC-DS
Benchmark Spark : Yarn vs Kubernetes. Préparation du test TPC-DS et choix du jeu de données.
Le Data Business Model Canvas
Un canvas pour cadrer vos projets Data : la règle des 3U (Utile, Utilisable, Utilisé).
Data Literacy - 4 actions pour démocratiser la Data
Data Literacy : 4 actions concrètes pour démocratiser la Data dans votre entreprise.
Data Stories : Le Data Mesh chez Blablacar
Comment BlaBlaCar repense son organisation Data en s’inspirant des principes du Data Mesh.
DataFrames PySpark & Pandas : très similaires à l'usage, mais un fonctionnement interne très différent
DataFrames PySpark vs Pandas : très similaires à l’usage, mais un fonctionnement interne très différent.
De l'idée au déploiement : Créer un produit d'IA générative avec Bedrock
Retour d’expérience sur la construction d’un produit d’IA Générative avec Amazon Bedrock.
Ne pas avoir une équipe Data assez diversifiée
Votre équipe Data a-t-elle toutes les compétences pour créer des Produits Data de bout en bout ?
Croire que la Culture Data s’arrête à l’équipe Data
Avez-vous tous la même définition des rôles, responsabilités et enjeux de la Data au sein de votre entreprise ?
Penser que la Data est exempte des bonnes pratiques Craft
Les bonnes pratiques du Software Engineering s’appliquent aussi à vos Produits Data.
Voir les équipes Data comme des “vendeuses de services”
Vos équipes Data doivent-elles encore convaincre le business de travailler avec elles ?
GenAI au coeur du Produit et du Business : Takeaways
Les takeaways de l'Hymaday GenAI : retours de Mirakl, Pernod Ricard, Malt, Nickel et Hymaia.
La Data n’est pas une fin en soi
La Data n'a de valeur que si elle sert un objectif business clair. Arrêtons d'en faire une fin en soi.
L’acculturation à la data n’est pas un travail unidirectionnel
Je vous propose de voir l’acculturation à la data comme une quête bidirectionnelle, et non quelque chose à sens unique.
Le Data Mesh: l’importance de la gouvernance des données
Data Mesh : pourquoi la gouvernance des données est un pilier essentiel de cette approche.
Le Triple Diamant de la Data
Adapter le Double Diamant aux produits Data & IA grâce à un troisième espace dédié à la donnée.
L’IA Responsable en 8 enjeux majeurs
Interprétabilité, biais, gouvernance, éthique... Les 8 enjeux majeurs pour une IA Responsable.
L’Intelligence Artificielle selon Luc Julia
Interview de Luc Julia, co-créateur de Siri et CSO de Renault, sur sa vision de l’IA.
LLM & IA Générative - La Voie de la Raison
Notre livre sur les LLM et l'IA Générative : enjeux, retours d'expérience et conseils pratiques.
MLOps : les principes du DevOps appliqués au Machine Learning
Le MLOps décrypté : appliquer les principes du DevOps au Machine Learning pour industrialiser vos modèles.
Optimiser son job Spark
10 pistes concrètes pour réduire le temps d'exécution de votre job Spark.
Paramétrer son projet data sans prise de tête avec Hydra
Le casse-tête des configurations data, découvrez avec Hydra comment vous simplifier la vie !
Penser “one-shot” pour l’industrialisation du Machine Learning
Mettre un modèle de ML en production n’est que le début. Comment penser son industrialisation dès le départ.
Penser sa Data Platform comme un Produit
Votre Data Platform souffre d'une faible adoption ? La clé : la penser comme un Produit.
Plus de 80% des projets data ne partent pas en production, et alors ?
Plus de 80% des projets Data ne partent pas en production. Faut-il vraiment s'en alarmer ?
Data Product Manager, un métier en pleine expansion
Data Product Manager : un métier en pleine expansion entre Product Management, Data et IA.
Poetry : Configurer des repositories privées GCP
Configurer Poetry avec un repository Python privé sur GCP Artifact Registry, pas à pas.
Poetry: enfin l’outil pour charmer Python ?
Poetry simplifie la gestion des dépendances Python. Tour d’horizon de ses fonctionnalités.
Produits Data Science - 6 approches de modélisation pour créer rapidement votre MVP
6 approches pour créer un MVP Data Science sans attendre le modèle parfait.
Produits Data Science - N’attendez pas le modèle parfait avant d’industrialiser !
Passez rapidement au MVP de bout en bout plutôt que de perfectionner votre modèle de ML.
Produits d’IA - Kit de survie pour Product Managers Ambitieux
Le kit de survie pour Product Managers qui se lancent dans les Produits d’IA.
Qu’est-ce que le Data Mesh ?
Le Data Mesh décrypté : pourquoi et comment décentraliser la gestion de vos données.
Qu’est ce que l’IA Responsable?
Les fondamentaux de l’IA Responsable : définition, enjeux et bonnes pratiques pour des produits d’IA éthiques.
Serverless Inference : Quand AWS SageMaker rencontre AWS Lambda
Combiner AWS SageMaker et Lambda pour des prédictions ML en temps réel, sans gérer de serveurs.
Spark : quand faire un cache sur une DataFrame ?
Quand et comment utiliser le cache Spark sur vos DataFrames pour de vrais gains de performance.
Tomber dans le piège du PoC infini
Pourquoi tant de projets Data restent bloqués au stade du PoC sans jamais partir en production.
Tour d’horizon de l’IA Responsable
Tour d'horizon des piliers de l'IA Responsable et de ses 8 enjeux majeurs.
De la data science à la data analyse, une transition à reculons ?
Passer de data scientist à data analyst, un retour en arrière ? Pas du tout. Retour d’expérience.
Aucun article ne correspond à ce filtre.