Après une incroyable aventure de 6,5 ans chez Nickel — où j'ai fait passer l'équipe data de 3 à plus de 40 professionnels et fini par diriger un département engineering de plus de 100 personnes — j'ai récemment opéré un virage majeur dans ma carrière. J'ai quitté mon poste salarié de « manager de managers » pour lancer mon propre cabinet de conseil data indépendant, Unytics, et reprendre un rôle de management opérationnel chez Optic 2000.
Quand j'ai réfléchi à ce que serait mon prochain chapitre, j'ai exploré trois voies très différentes. Voici pourquoi j'ai choisi celle-ci, et ce que j'ai appris au cours de mes premiers mois à construire à l'ère de l'IA.
Voie 1 : Rester manager de managers
Il y a un frisson unique dans le leadership engineering de haut niveau. Ce que j'aimais dans le management de managers, c'est l'effet de levier incroyable que l'on a. De petites actions stratégiques peuvent produire un impact considérable sur toute une organisation. Parce que l'on est détaché du quotidien opérationnel, on acquiert une vision holistique qui permet de repérer des connexions que les personnes en train de construire ne peuvent tout simplement pas voir. Piloter le navire depuis ce point de vue génère d'énormes gains de valeur.
Au-delà de ça, on apprend énormément en manageant d'autres managers, et s'exposer à la pression de diriger et d'inspirer un département entier fait progresser rapidement.
Mais malgré tout cela, j'ai réalisé quelque chose d'important : le fait de construire me manquait.
Voie 2 : Fonder une startup financée par du VC
Pour assouvir cette envie de construire, j'avais commencé à créer des outils open source en parallèle. Mon intention initiale en quittant Nickel était d'utiliser ces outils — et l'audience qu'ils avaient générée — comme fondation pour une entreprise logicielle.
Cependant, après avoir discuté avec plusieurs fondateurs, j'ai réalisé que la voie classique de la startup n'était pas pour moi. Je ne voulais pas lever du capital-risque (ce qui revient souvent à échanger un patron contre un conseil d'administration), je n'avais aucune envie de m'expatrier aux États-Unis, et franchement, je ne possède pas cet esprit entrepreneurial particulier qui consiste à chercher constamment des idées business aléatoires pour itérer dessus. Je voulais construire des solutions à des problèmes que je comprenais profondément.
Voie 3 : Le bâtisseur indépendant et opérationnel (le juste milieu)
C'est alors que l'opportunité s'est présentée de reconstruire la plateforme data d'Optic 2000 de zéro en tant que Head of Data Platform freelance. C'était le catalyseur parfait. Une première étape concrète hors du salariat vers l'entrepreneuriat — me permettant de vendre mon temps et mon expertise tout en construisant les fondations d'Unytics.
J'ai donc rejoint Optic 2000 pour diriger une équipe resserrée et très focalisée de quatre personnes. Notre mission ? Reconstruire la plateforme sur des technologies modernes pour donner une véritable autonomie aux équipes mi-techniques (comme les business analysts).
Depuis trop longtemps, les équipes de plateforme data se réfugient derrière le « c'est compliqué », traitant les demandes comme des boîtes noires qui prennent des mois à livrer. Nous construisons une équipe du « oui » — une équipe qui fournit des solutions aujourd'hui et donne les moyens aux métiers de répondre à leurs propres besoins et de débloquer des cas d'usage qui génèrent directement de la valeur.
Construire à l'ère de Claude Code
Travailler sur cette nouvelle stack est incroyablement stimulant, en grande partie parce que nous partons de zéro à l'ère des agents de code IA.
Nous capitalisons sur nos expériences passées pour construire une plateforme entièrement nouvelle en quelques semaines seulement. En remettant les mains dans le code avec une petite équipe et en m'appuyant fortement sur Claude Code, nous opérons à un rythme prodigieux — faisant des choses que je n'aurais jamais pu réaliser auparavant.
Par exemple, nous poussons le concept de « Data Platform as a Product » un cran plus loin. Nous avons un point d'entrée unique (un portail data) pour répondre à toute question sur la plateforme comme sur les données elles-mêmes. Nous avons consolidé l'ensemble de la stack data dans un monorepo unique, poussant l'ingénierie YAML au niveau supérieur.
Le workflow est un game-changer. Avant, si une analyse nécessitait des données absentes de nos data marts, il fallait changer d'outil ou soumettre un ticket à une autre équipe. Aujourd'hui, en utilisant Claude Code directement dans le repo, une seule conversation d'analyse peut détecter les sources brutes intéressantes, les charger, les faire passer dans des marts via dbt, et exécuter l'analyse.
(Je ferai un deep dive sur ce workflow exact monorepo/Claude Code dans mon prochain article).
Ce qu'il faut retenir
Vivre ce changement de paradigme — où nous guidons l'architecture et laissons l'IA écrire le code — est incroyable. Associez cela aux avantages d'une petite équipe opérationnelle à un niveau de management plus bas (alignement facile, zéro réunion inutile, focus total), et la productivité explose.
Je suis impatient de partager davantage sur ce que nous construisons, les architectures modernes que nous concevons chez Unytics, et les deep dives techniques sur la façon dont l'IA change fondamentalement l'ingénierie data. Restez connectés.