David Beauchemin : IA & décisions data-driven

David Beauchemin:L'IA, c'est payant quand tu peux l'utiliser sur beaucoup de clients. Mettons que tu as un modèle d'IA que tu fais. Pour tes coûts d'opération, tu l'utilises une fois par mois. Ça va être d'ici de rentrer dans ton argent. Si par contre, tu es capable, pour chacun de tes clients, tu en as 10 000 par mois, là, ça devient payant. Parce que là, tu es capable de créer de la valeur pour chacun de tes clients. Tu crées une valeur ajoutée pour ton client que tu peux répartir sur un grand nombre de clients plutôt que de le répartir plutôt juste à tes coûts à l'interne. C'est vraiment là que les SaaS ont un grand intérêt à s'intéresser à l'IA pour ce genre de choses, plus que réduire les coûts souvent. Ah,

François Lanthier Nadeau: Je suis pogné, nan ? What's up, folks ? C'est François Lanthier Nadeau. Bienvenue sur SaaSpasse. Le podcast où on jase de croire entre un SaaS ou une carrière en SaaS au Québec. On est sur Spotify, Apple Podcasts et les autres. Pas game de vous abonner ou de nous laisser un review. On est rendu à 59 reviews total. Il me semble que 60, ça sonnerait mieux. Donc, merci à tous ceux qui l'ont fait. Il y a des beaux mots sur Apple Podcasts. On drop deux épisodes par semaine, c'est juste des discussions sans filtre avec founders ou employés clés en SaaS. Si vous faites partie d'un SaaS québécois, allez sur Saas bouton mauve Ajouter votre SaaS pour être indexé dans notre répertoire. On est rendu avec au-dessus de 200 startups. Le prochain événement SaaSpasse aura lieu dans une semaine à Montréal, jeudi le 7 septembre, dans les bureaux de Workleap qui était précédemment GSoft. Les billets sont sur Evenbrite, la bannière de notre site ou en show notes. Il reste seulement une vingtaine de billets, donc réservez le vote bientôt. Ça va être un live podcast avec le cofondateur Sinon Debenne, donc ça promet. OK, segment commandité pour la job du mois, SaaSpasse. Et pour septembre, la job du mois, SaaSpasse chez 4Waves, une cool plateforme de gestion d'événements académiques et scientifiques. Ils sont à la recherche d'une personne en développement web back-end ou full-stack. Ils ont le vent dans les voiles, une solide équipe tech en place, puis des bons défis produits. Il y a beaucoup de monde que j'aime et que j'estime. dans cette startup-là. Si vous ou une personne dans votre réseau avez le profil, cliquez sur le lien Job du mois dans les show notes ou allez sur SaaSpasse.com slash lajobdumois.com Vous allez y trouver aussi une entrevue sur la culture de l'entreprise et la nature du poste avec Mathias Chatgpt fondateur, et Gabriel Robert, CTO. OK, nouveau segment commandité, Service SaaS. Pour septembre, le service SaaS en spotlight, c'est Baseline, une firme d'accompagnement et d'implémentation en intelligence artificielle. Baseline ont aidé plusieurs PME et SaaS à prendre le contrôle de leurs données pour prendre des meilleures décisions de produits et de commercialisation. La team est remplie de monde talentueux, en passant des geeks avec des PhD en AI aux développeurs full stack qui peuvent implémenter tout ça. Ils ont une approche no bullshit, sont pas mariés à l'IA pour régler des problèmes. Ils commencent vraiment par catcher les enjeux d'enfer, faire du sens à votre gestion des données, proposer des processus ou des features de façon incrémentale, puis s'assurer de vous rendre autonome dans tout ça. By the way, il y a aussi souvent plusieurs subventions de dispo pour travailler avec des pros dans ce domaine-là. Donc, il y a moyen de ne pas exploser son budget. Si ça vous intéresse d'en savoir plus, David et sa team peuvent jaser avec vous s'il y a un fit, puis c'est gratis. Check them out sur baseline.quebec. Il y a un contact form directement sur la homepage. Vous pouvez aussi glisser dans les DMs LinkedIn de David Beauchemin. Si vous voulez, d'ailleurs, l'histoire complète et les exemples concrets de David, il est actually venu sur le pod. comme guest épisode 41. Écoutez ça. Toute cette info-là est dispo en show notes aussi. Aujourd'hui sur le pod, je jase justement avec David Beauchemin. On a décidé de timer toutes nos affaires. C'est le directeur général chez Baseline, la firme d'accompagnement en intelligence artificielle dont je viens de vous parler. On discute de gouvernance de données, de comment le data et l'AI peuvent aider les SaaS. En startup, on récolte souvent un paquet de données sans savoir pourquoi ou quoi faire avec. Ou bien on pense qu'on manque de données, on ne sait pas où les trouver, donc David nous simplifie ça un peu. On va aussi distinguer les Language Language Models, comme GPT, des autres applications d'intelligence artificielle, comme le Computer Vision, les recommandations, la prédiction et plus. Il y a des exemples concrets de SaaS qui m'ont fait allumer sur un paquet de trucs. David, c'est un doute fascinant, prof à l'Uni, bientôt doctorant, entrepreneur. Moi, ça m'impressionne de le voir aller, puis comment il gère son temps et son talent. All right, ils sont passés chauds. Let's go. David Beauchemin, bienvenue sur SaaSpasse.

David Beauchemin: Salut, ça va bien.

François Lanthier Nadeau: Ça va bien toi ? Ouais,

David Beauchemin: ouais, ouais.

François Lanthier Nadeau: Je suis content que tu sois ici. Tu as fait combien de temps de route pour te rendre ?

David Beauchemin: Une heure et quart à peu près.

François Lanthier Nadeau: Parfait, parce que je tiens un concours informel pour mon égo des gens qui font le plus de temps et le kilométrage pour venir sur le podcast. Fait que tu es quand même top 3, je pense.

David Beauchemin: Oh, pas pire. C'est 105 km, je pense, on n'a pas d'emmerde. Sorti 414 pour être précis.

François Lanthier Nadeau: David Beauchemin, tu es le fondateur, co-fondateur ?

David Beauchemin: Co-fondateur.

François Lanthier Nadeau: Co-fondateur de Baseline.

David Beauchemin: Exact.

François Lanthier Nadeau: Et puis, on va expliquer c'est quoi que ça fait et quoi que ça mange en hiver. Mais first, je veux qu'on fasse un mini-recap de comment on se connaît. Tu t'en rappelles-tu ?

David Beauchemin: Oui, pour moi, c'est super clair. Wack, il y a deux ans, tu avais fait une présentation.

François Lanthier Nadeau: Oui, je me sais.

David Beauchemin: Moi, c'est la première fois que je t'ai connu. Je t'ai suivi sur les réseaux sociaux. Puis là, dans la dernière année, tu as justement passé quand je passe, SaaSpasse, puis tout ça. J'avais écouté ton épisode avec comment tu avais vendu Tim Carr et tout ça. Oui,

Participant 5: partie de deux.

David Beauchemin: Oui, exact, tout ça. Puis, c'est là que j'avais re-challenged. J'avais dit, moi, ça m'intéresse, SaaSpasse. Mais là, j'étais en Espagne à ce moment-là. Exact. C'est là que ça s'est passé. Tu avais présenté Topé sa niche ou quoi, quelque chose comme ça. Je ne me rappelle plus c'était quoi le sujet, mais tu parlais de…

François Lanthier Nadeau: Pointe, gros star.

David Beauchemin: Exactement, c'était ça. C'était vraiment bon. J'avais vraiment mis tant… authenticité, il n'y avait pas de bullshit. C'était juste comme, check, c'est ça comme ça qu'on va se passer. Moi, c'est mon expérience. Il y avait plein de memes, c'était drôle, c'était divertissant et c'était vraiment le fun.

François Lanthier Nadeau: Nice, man. J'apprécie vraiment le compliment. La leçon pour le monde qui écoute, c'est genre, man, si vous faites de quoi de cool et que vous avez de quoi de cool à dire, reach out. Nous, on s'est connus de même, mais juste pas OK. Là, on a pris un café, on a jasé, on est sur un podcast ensemble. Toi, David ? Qu'est-ce que... Mettons un fast-forward de ton parcours un peu plus professionnel, ça ressemble à quoi ?

David Beauchemin: Oui, j'ai fait un bac en actuariat. Après ça, pendant le bac, j'ai fait Ouais, non, c'est pas pour moi. J'ai quand même aimé ça, mais je me suis rendu compte que c'est plus l'informatique que j'aimais vraiment. Solide, solide. Je pense que ça a été tout le temps ça toute ma vie, mais je l'avais jamais... Dans ma tête, c'était comme C'est pas une job ou C'était pas clair. J'avais pas d'exemple autour de moi. Puis l'informatique, t'sais... 90's Kids, c'était les modems et tout ça. C'était quand même un autre game. Puis, j'ai fait une maîtrise en informatique. Je suis en train de finir mon doc en informatique. C'est là que ça fait que c'est ça que j'aurais dû faire avant. Je ne vais pas recommencer un bac. J'ai fait des cours de géologie à l'informatique. Intelligence artificielle beaucoup. J'ai commencé l'intelligence artificielle en 2014. C'est à peu près une affaire de la même. Pendant une dizaine d'années que je fais ça, je m'étais inscrit à une école d'été et j'ai appris à moi-même.

François Lanthier Nadeau: Une école d'été, c'est 10 mois en plus ?

David Beauchemin: Une façon polie de dire la formation continue avec l'université. C'est pas mal juste qu'ils se vendent ça. Si ça coûte 5000$, tu fais un cours pendant deux semaines, puis genre la fin d'an même.

François Lanthier Nadeau: C'est la journée, mon chien.

David Beauchemin: Oui, quand même, mais je m'étais inscrit à ça, puis je m'étais rendu compte vite que je connaissais déjà pas mal tout ça. C'était juste des nouveaux mots, des nouveaux concepts qui se rajoutent un peu, comme un nouveau mot, un même concept que je connaissais. C'était beaucoup de l'informatique, puis j'ai parti avec ça. Je me suis... monter des projets tout seul. J'en ai une couple qui traîne à quelque part sur mon GitHub de projets que j'ai fait, de concours, de ci, de ça.

Participant 5: Puis de là,

David Beauchemin: il est né comme, ouais, le next step, c'est une maîtrise, je pense. Le marché du travail en actuarium ne m'intéressait pas vraiment. Il n'était pas assez mature pour vouloir valoriser les données comme il est fait actuellement. Mon profil n'était peut-être pas intéressant pour eux à l'époque. Aujourd'hui, ce serait quand même une autre discussion que j'aurais avec eux autres. Puis après ça, après maîtrise, la COVID est arrivée, j'ai fait, ouais, you know what, je vais continuer au doc. Puis j'avais pas mal en tête à cette époque-là de faire. une carrière académique.

François Lanthier Nadeau: Puis, ok, puis as-tu l'impression que pour performer sur le marché en intelligence artificielle, tu as besoin des creds de maîtrise de doc puis tout ça ?

David Beauchemin: C'est une très bonne question qu'on me pose. Je pense que ça dépend vraiment c'est quoi le scope d'application que tu vas faire. Tu sais, nous, on a des besoins, c'est vraiment des gens qui vont devoir crafter une solution, designer une solution. Tu as besoin de comprendre vraiment très bien ta techno. Est-ce que tu peux apprendre cette techno-là à l'extérieur de l'université ? définitivement. L'université, pour moi, ça te permet de fast-track sur certains concepts, certains éléments. On a des profils, nous autres, dans l'équipe, qui est plus recherche et développement. On a tous passé par là, mais on a l'autre, c'est plus l'intégration de services, de dire, voici les solutions technologiques qui existent déjà, qui répondent à des besoins spécifiques. Là, c'est d'aligner ces problèmes spécifiques d'affaires avec la bonne solution. Tu n'as pas besoin de maîtrise dans un doc pour ça. C'est bien de comprendre la techno parce que finalement, nous autres, on est là pour supporter la personne qui se permet de faire ça, de dire Ah ben ça, pour nous, ça veut dire que c'est telle qui voit telle affaire. Ça veut dire que c'est sûrement même qu'ils font la solution. Puis là, on est capable souvent… Moi, bien souvent, je vois des SaaSes, des solutions, mettons, de la chambre. Je suis comme Pas mal certain qu'ils m'ont fait ça en arrière parce que je comprends bien ma techno. Puis je suis capable après ça de dire Ouais, je ne suis pas sûr que c'est la bonne solution pour telle, telle raison. Ou moi, je lève un flag sur est-ce que c'est vraiment possible. Il y a toute la corporate bullshit un peu autour de ça. plus capable de signifier ça que des gens peut-être qui sont plus dans l'exécution de l'IA qu'on appelle plus. Mais ça prend les deux. Tu ne vas pas mettre un doc pour quelqu'un qui va intégrer une solution SaaS. Non, je comprends. Il va avoir son rôle, il va avoir ses trucs. Le Quid & Change, je pense être pour la notoriété pas mal là le plus.

François Lanthier Nadeau: C'est un selling point. Oui. Je veux dire... Moi, la première fois que tu reach out, j'ouvre votre homepage, baseline.québec, je suis comme, Where the fuck are these guys ? Puis quand je vois une trollée de maîtrise, doc, post-doc, whatever, je suis comme, All right, c'est probablement pas des pinceaux.

David Beauchemin: Merci ! Je pense que oui, là, mais c'est un peu prétentieux de dire que ce serait une autre langue qui le dirait.

François Lanthier Nadeau: Fait que, non, il y a un jeu psychologique, là, puis c'est bon que t'expliques le jeu aussi comme tactique ou stratégique d'avoir cette information-là, aussi créé dans une chose-là. Fait que baseline, mettons, justement, en 5-ish minutes, ça marche quoi en hiver ?

David Beauchemin: Nous autres, on est tous des gens qui étaient au même labo à l'Université Laval. On avait vraiment le désir de vouloir aider les entreprises québécoises à profiter de cet avancement-là technologique. Puis ce qu'on voyait sur le marché, on se ramène à l'époque qu'on le fondait en 2019, Element AI était pas mal en train d'être vendu. C'était pas mal la figure de proue de l'IA. À Montréal, oui. À Montréal, puis on avait injecté beaucoup d'argent public et privé là-dedans. ça ne livrait pas la marchandise.

François Lanthier Nadeau: C'est ça. Dis-nous donc, c'est quoi que ça faisait, l'MNTI, au final, parce que je n'ai jamais compris.

David Beauchemin: Je ne pense pas que je suis la meilleure personne de répondre à ça, parce que je ne sais pas plus que toi. Moi, ma perception de ça, c'est qu'il y avait un volet qui était très un désir de... Du moins, le pitch que j'ai beaucoup entendu, c'est un désir de vouloir réunir des talents d'IA et d'être une pépinière à talent.

François Lanthier Nadeau: Oui, ce qui est très légitime.

David Beauchemin: C'est très légitime. On a injecté beaucoup d'argent pour ça. Il y avait beaucoup de gens académiques qu'on voulait emmener vers l'industriel, ce qui a vraiment facilité tout ça. Puis...

François Lanthier Nadeau: Fait que là, Element AI, c'est un paroxysme un peu. C'est comme un hype de, OK, 2014, 2019, c'est pas ce plan d'enfer.

David Beauchemin: Là, après ça, nous autres, ce qu'on a pris de là, on a dit qu'on veut vraiment faire du développement de solutions puis intégrer des solutions qui existent déjà. Puis de là est née cette entreprise-là puis on est vraiment dans l'accompagnement. Nous autres, c'est de dire, on est vos personnes qui vont kickstart souvent l'IA chez vous. qui vont kickstart des éléments, qui vont vous aider à scoper des projets ou accélérer des projets que vous avez déjà en place, ou que vous avez une vision en place pour l'IA. Puis nous, on essaie vraiment d'orienter le conseil stratégique beaucoup. Un gros volet qui est ça, qui va être assez, puis on fait le développement à travers tout ça, puis différentes phases. Puis c'est de prendre à l'étape où est-ce que l'entreprise est. Il y a des PME qu'on prend, qui fonctionnent encore dans des fichiers Excel. C'est correct, c'est normal. Mais là, c'est de dire, OK, c'est quoi le next step ? Comment on est capable après ça de faire un plan où est-ce qu'on va se rendre jusqu'à faire de l'IA puis du prédictif ? Nous autres, c'est ça notre expertise.

François Lanthier Nadeau: C'est ça. Il y a une compréhension du cycle d'innovation et de mise à jour de la technologie d'une business. Puis, tu passes dans la traque de transformation numérique Tu as tout compris.

David Beauchemin: C'est exactement ça.

François Lanthier Nadeau: Parfait. Puis, on va donner des exemples plus concrets en déclinant le pod et tout ça, en continuant le pod. Mais avant, je veux que tu me dises, parce que vous avez un modèle d'affaires qui est vraiment intéressant, c'est une coopérative. Parle-moi-en un peu plus. Oui.

David Beauchemin: Bien, tout ça, il faut faire un peu. pont avec lequel j'avais dit, quand le M1 a été vendu pour nous autres, on a dit, c'est une grosse perte de talent, finalement, pour le Québec. Les aspirations sociales et individuelles et collectives de tout le monde. La personne avec qui je sortais à l'époque était très vendue de monnaie coopérative. Quand on parlait de notre modèle, ça fitait bien avec ça. À l'époque, on se voyait plus comme des travailleurs autonomes que comme vraiment une shop qui allait travailler ensemble, un peu comme une société en nom collectif. Dans les discussions, on naviguait avec ça. Cette personne-là nous a fait un pitch. On a fait... You know what ? Ça répond à nos valeurs, ça répond à ce qu'on cherche, ça répond à nos objectifs. On va l'essayer. On est tous des gens qui aiment ça, essayer. On est tous dans le processus de recherche, beaucoup. On s'est tous dit OK, on va faire ça, pour au pire, ce qui va se passer. On va fermer et on va rouvrir un INC. C'est pas plus grave qu'à ça. Ou on va le transformer en INC. Puis, après coup, ça nous a vraiment permis de mettre au cœur... Parce que la grosse différence de Paradigm, c'est une coopérative, c'est qu'elle a un but. On appelle ça un lien d'usage. Son lien d'usage, elle, c'est qu'est-ce qui réunit les membres autour d'une mission collective. C'est de se donner du travail. À partir de là, ça veut dire que ta recherche de profit est moins importante, ta recherche de capitalisation est moins importante, est moins au cœur du développement de ton entreprise, est plus axée autour des compétences des individus, puis de se donner du travail, puis d'offrir un service qui répond à des besoins pour les entreprises qu'on accompagne. C'est vraiment juste un chiffre de mindset et de culture. Il y a d'autres éléments qui sont négatifs à ça. parfait, mais pour nous, qu'est-ce qu'on avait besoin et pour le type de service qu'on offre, c'est parfait parce que ça permet de faire en sorte que on n'est pas intéressé à faire des coins ronds pour sauver une couple de piastres. Nous autres, on veut faire travailler nos gens. Moi, si ça me prend un an de plus de faire un mandat ou dix ans de plus, ce n'est pas grave parce qu'à la fin de l'année, je n'ai pas un actionnariat que j'ai besoin d'enrichir. Les membres que je veux faire travailler. Le scope, moi, en tant que vision stratégique et directeur général, c'est ça. C'est ça que, quand je prends mes décisions...

François Lanthier Nadeau: Mais ça fait que... Je suis quand même noob dans ce modèle-là. Je ne m'y connais pas beaucoup. Je mets ça avec une hypothèse. Ça fait que la sélection des membres et employés devient fucking cruciale. Parce que c'est genre, tu veux du monde vraiment sharp, que tu fais confiance, qu'ils vont eux maturer, grandir en même temps que la coop grandit.

David Beauchemin: Exactement.

François Lanthier Nadeau: Parce que tu te mises là-dessus. Oui.

David Beauchemin: Notre processus de recrutement, nous autres, est très différent. C'est pas juste, j'affiche une offre, puis je vais en importer de l'emploi si ça marche pas. Parce que les autres, ils deviennent membres, ils deviennent actionnaires au fil du temps. Ça veut dire que... Ce processus de sélection, on va beaucoup plus choisir des gens pour un mix des compétences et de l'attitude que juste des compétences ou juste de l'attitude. Il va falloir vraiment que ce soit un heureux mélange de tout ça. Les dernières personnes qui vont en jeter dans l'équipe, c'est exactement ça. C'est des gens que tu dois correspondre à la vision et aux valeurs. Ça fait en sorte que c'est limitatif sur un certain point, mais c'est un point fort aussi. Il faut juste bien doser et savoir jouer à jongler avec tout ça. Ça n'attire pas le même genre de profil non plus. Pour nous, dans notre équipe, on ne se verrait pas avec un profil vendeur Shark. Parce que là, ça va vraiment en opposition avec la culture de l'entreprise. Ça fait en sorte que, oui, peut-être qu'on a un processus d'affaires qui va être différent ou un processus de clients qui va être différent, mais il y en a d'autres, c'est peut-être ceux qui vont plus savoir. Chacun fait ses choix.

François Lanthier Nadeau: As-tu l'impression que... Premièrement, es-tu transparent avec ça quand tu approches des clients ou des clients t'approchent ?

David Beauchemin: Ça dépend du type d'entreprise. Ça dépend des phases. Au début, on le présentait au début. Des fois, on le faisait un petit peu plus après. On l'essayait plusieurs fois. Mais souvent, c'est de la curiosité. que les gens vont faire. Souvent, il y en a que ça va apparaître juste au moment de la facturation puis ça, on s'en fout. Il y en a qu'on va le mettre plus de l'avant dépendant du type de client aussi. Il y en a deux ou trois clients que ça a été un facteur de décision de venir avec nous. Positif. Positif, oui. À date, on a juste du positif. On n'a jamais eu quelqu'un qui était comme moi, votre modèle, ça ne m'intéresse pas, je ne veux pas y aller. C'est des communistes. Mais pour vrai, il y a ça comme question. C'est correct de te poser la question. On n'est pas juste des hippies en rond qui boivent du kombucha. On a une business à René. On doit quand même que ça fonctionne. Mais on travaille des corporations aussi. On ne choisit pas nos clients en fonction du modèle, mais notre modèle fait en sorte qu'il y ait plus de curiosité actuellement. Pourquoi vous avez fait ça ? C'est cool. C'est pas mal ça.

François Lanthier Nadeau: Puis là, on a parlé des individus qui composent un peu ce team-là. Moi, j'ai lancé des titres. à la va-vite, mais comme, ça ressemble à quoi une team qui compose une firme d'IA comme Baseline ? Mettons, les profils, juste la size de la team, tu sais.

David Beauchemin: On a trois types de profils. C'est assez similaire à une shop classique qui voudrait faire du service conseil. Tu sais, la personne va plus avoir le rôle conseil stratégique, qui va soit intervenir avec le client ou soit intervenir avec l'équipe à l'interne pour développer une solution, par exemple, ou crafter ou implémentation, peu importe. Tu as des rôles plus développeurs IA qui vont vraiment avoir un scope de dire où est-ce qu'on arrête exactement les compétences. Ça va être de dire les fonctionnalités qui utilisent des données, souvent, vont être dans le rôle du rôle d'IA. Puis tu as un développeur full stack, front-end, back-end qui va intervenir autour de lui. Parce que tout ce qui est déploiement, ce n'est pas la meilleure personne. La personne qui a un DA qui fait de l'IA, ce n'est pas la meilleure personne pour faire le déploiement de solutions. On a des équipes un peu, si on veut, des pro-profils plutôt qui vont plus être en support autour de cette personne-là. Nous autres, à peu près 40 à 50 du travail, c'est l'IA, Machine Learning, ou peu importe comment tu vas faire ça. Exactement, on fait ça. Puis le reste, c'est de la poutine, le chiel tout traditionnel. Faire un API, une

François Lanthier Nadeau: DDA. Tout ce qui est cool dans un large language model comme Chatgpt c'est un peu moins cool si t'as pas une app front-end avec du bon vieux JavaScript dans lequel tu peux te typer d'un chat. de boxe.

David Beauchemin: C'est ça. C'est pas que ça te prend.

François Lanthier Nadeau: C'est ça. Il faut une interface pour interagir avec cette donnée-là ou peu importe.

David Beauchemin: Exactement.

François Lanthier Nadeau: Fait que les profils varient. Toi, t'es plus stratégie conseil, même si t'as les chops techniques où tu fais tout. Toi, personnellement ?

David Beauchemin: Moi, personnellement, présentement, c'est un mix de tout. Je suis assez caméléon. Je suis plus orienté stratégie données, mettons. Beaucoup présentement et technique. Parce que je suis un profil technique. Mais dans mon quotidien avec Baseline, ce n'est pas ça que je fais. Je ne code pas. Je ne code plus pour Baseline. Je fais ça ailleurs, mais pas pour Baseline. Ce n'est pas le profil. C'est plus un profil gestionnaire, gestion d'entreprise, mélangé avec la stratégie. C'est beaucoup dans les discussions avec des founders ou des gens, des postes clés, de dire comment on va orienter la stratégie pour atteindre les objectifs d'affaires supportés par de la donnée. C'est beaucoup ça que je vois comme une forme d'éducation. Coaching, autour de tout ça, qui est assez au cœur de moi, comment je vais interroger avec les clients. Après ça, mes collègues vont plus s'occuper de la partie technique, développer des affaires parce que je ne peux pas tout faire en même temps.

François Lanthier Nadeau: Je fais un micro pas en arrière parce que ça m'intéresse vraiment encore le modèle coopératif. Mais mettons qu'il y a des disagreements ou genre des mésententes et qu'il y a une décision stratégique à prendre pour le futur de la coop ou de la business. Qui qui tranche, genre ?

David Beauchemin: C'est une bonne question. Le processus de gouvernance, ou un processus de gouvernance assez classique d'une coop, c'est tous les membres qui vont former l'Assemblée générale qui sont tous les propriétaires. Dans la même affaire, dans une société Inc., quand tu as des actions, tu peux te présenter et avoir une information sur la vision stratégique. Qui met en place la vision et la design ? C'est un conseil d'administration. Le conseil d'administration, c'est des gens qui sont votés. Même affaire qu'une société qui est cotée en bourse. Ce conseil d'administration va déléguer des pouvoirs exécutifs. Sinon, c'est un comité exécutif. Nous autres, il y a une délégation des pouvoirs et un directeur général. Puis finalement, le rôle du directeur général, c'est la partie poutine. C'est genre, tu prends les décisions associées à la stratégie. Comment on met ça en place au quotidien ? Le CA se réunit, on a un plan stratégique, on a un plan d'affaires. Puis ce plan d'affaires-là, mon rôle, moi, c'est de le mettre en action. Après ça, c'est le disagreement. Habituellement, on va rechercher la communication. Puis souvent, il va par l'unanimité ou par la majorité.

François Lanthier Nadeau: OK, c'est bon.

David Beauchemin: C'est pas encore arrivé. Mais il y a des petites zones où est-ce qu'on le sait qu'il y a des petites frictions. C'est juste une stratégie après ça de communication comme tout business. Mais au quotidien, on n'est pas vite à prendre des décisions.

François Lanthier Nadeau: Non, c'est ça.

David Beauchemin: Ce n'est pas viable. Qu'est-ce qu'on met comme café dans la machine à café ? On ne va pas voter ça.

François Lanthier Nadeau: C'est bon, c'est bon, c'est bon. Parfait. Vous avez de la latitude sur le type de décision qui sont votées. Exactement.

David Beauchemin: Puis on a des politiques en place qui définissent comment on répartit certains éléments. Le travail, par exemple, des trucs comme ça, qui ont été craftés puis votés par tout le monde ensemble parce qu'on voulait qu'il y ait une unité au niveau de tout ça. sur l'émission.

François Lanthier Nadeau: Puis là, on a mentionné le terme portementaux ou genre très ombrelle de transformation numérique. Moi, je travaille avec côté consultation perso, je travaille avec justement un consultant très cool en transformation numérique qui s'appelle Mathias Pellocan qui est super cool guy puis il a plein de belles idées pour le futur puis on gosse là-dedans ensemble. Puis une des premières affaires que j'y avais demandé justement quand j'étais arrivé dans son monde, son univers, j'étais comme What the fuck ? is transformation numérique. Qu'est-ce que tu veux dire par ça ? J'ai l'impression que ça pourrait vouloir dire n'importe quoi. Fait que si je te pose le même what the fuck question, comment tu le définirais ?

David Beauchemin: Ben, tout dépend. On s'en remonte, mettons, à l'explication. Tu sais, quand est arrivée la machinerie, on a fait une transformation manuelle. Puis ensuite, il est apparu les travailleurs de l'information, comme nous autres. Alors, tu savons l'information. Puis de plus en plus, au début, on avait des outils. quand même assez mécanique. Un ordinateur, c'est assez mécanique, tu sais, d'une certaine forme.

François Lanthier Nadeau: Il y a des ressorts dans le clavier. Exactement.

David Beauchemin: Il y a quand même quelque chose, des opérations mécaniques à faire ça, de traiter l'information. Puis, de plus en plus, on a un volume d'informations à traiter. On avait des méthodes papier, imprimer des trucs, tout ça. Mais toute la transformation, c'est de tenter de numériser des opérations qui étaient autrefois manuelles ou analogues. Puis, qu'on tente d'aller chercher du insight avec ça. Un bon exemple, je vais faire un segway avec l'épisode que tu as sorti hier, avec Pascal, quand il parle justement des billetteries, parce que finalement Andorphine. vend finalement c'est une plateforme pour tout ce qui est le plein air. Puis il disait à un moment donné, il y avait beaucoup de places que c'est genre, ils n'ont aucune idée c'est qui leur client. Parce que finalement, c'est beaucoup des opérations manuelles. Je vends un billet manuel. Quand on veut faire une transformation numérique de tout ça, c'est de dire, je fais un processus qui passe par le web ou par ailleurs, même sur une plateforme qui est physique encore, mais je sais c'est qui mon client. Puis je suis capable d'avoir l'insight sur mon client. C'est bon. Puis c'est ça pour moi, une grosse partie de la transformation numérique.

François Lanthier Nadeau: un jeu d'efficience, d'automatisation. C'est un jeu d'insight, comme tu dis.

David Beauchemin: Exact. Mais l'insight, après ça, tu peux dire, avec ces insights-là, je peux améliorer mon efficience.

François Lanthier Nadeau: Exact.

David Beauchemin: Je peux aller jouer sur ces différentes facettes-là. Ce n'est pas juste de dire, au lieu de faire une impression de papier, maintenant, je fais un PDF. Certes, ça rentre dans la ligne, mais peut-être cette génération de PDF peut me donner de l'insight sur c'est quoi les types de contrats que je fais, etc. Tout ça, parce qu'il y a bien des business qu'on voit qu'ils ne savent même pas c'est quoi leur port de marché actuellement, parce qu'ils sont encore très papiers. C'est trop des opérations de mind très manuelles Ce recul-là sur l'insight, ça fait en sorte que peut-être qu'ils perdent des contrats, peut-être même qu'il y a des factures qui n'ont jamais été payées et ça ne rend pas compte. Tout le monde a été confronté à des entrepreneurs, c'est un bon exemple de ça. La construction, c'est encore très papier. Ils pourraient perdre des clients et ça ne rendrait même pas compte. Moi, j'ai une facture, je pense que ça a pris un an et demi avant qu'ils m'en recollectent. Ils ne m'avaient pas envoyé la facture.

François Lanthier Nadeau: Je comprends. Transformer numérique, on... On a comme listé des étapes un peu comme macro, des grosses étapes de notre société, comment elle a évolué. Mais même si tu prends un snapshot de transformation numérique aujourd'hui, il y a vraiment un chemin. Il y a un point de départ et un point d'arrivée. Il y a un delta entre je numérise la manière que je gère mes factures, puis j'implémente l'intelligence artificielle pour extraire des insights qui vont améliorer la performance de ma compagnie ou le bonheur de mes employés et de mes clients.

David Beauchemin: Il y a un gros range d'étapes.

François Lanthier Nadeau: Exact. Toi, quand tu rentres dans ce cycle d'évolution de maturité technologique d'un client, Est-ce que tu essaies de rentrer juste à la fin pour pouvoir aller all-in avec tes compétences techniques, des high et tout ça ? Ou des fois, tu pousses un peu, même si ils sont plus vers le début, pour qu'ils se rendent là ?

David Beauchemin: Au début, on pensait plus faire la partie de dire qu'on arrive juste à la fin et que c'est cool. Le problème, c'est que c'est ton processus d'acquisition de clients. Souvent, ils ne sont pas là. Ils ne sont pas là, les clients. Tu arrives soit trop tard, soit trop tôt. Si tu arrives trop tôt et que tu ne restes pas pertinent dans la loupe, de son environnement autour de lui, il t'oublie et il va aller voir ailleurs. Ça va être difficile d'aller le rechercher au bon moment. On s'est rendu compte de ça finalement au fil du temps. On essaie d'arriver soit en même temps que l'audit se fait, un audit 4.0 par exemple, ou juste après, ou direct à peu près, comme un momentum. Puis là, c'est de commencer à dire, ok, parfait, on va regarder c'est quoi les opportunités et on va te monter un plan d'IA. Puis là, à partir de ce plan-là, on va faire un roadmap. Puis après ça, finalement, on va aider l'entreprise à atteindre ces milestones-là et ces objectifs d'affaires. Puis... Puis on va, soit au début, ça va être comme conseil d'intégrer telle solution. Par exemple, tel CRM qui va générer tel genre de données, on pourrait utiliser les données comme ça. C'est de mapper, c'est quoi les opportunités. Puis que ce soit assez, on est au début, on veut montrer qu'est-ce qu'on est capable de faire, montrer la valeur ajoutée, d'utiliser adéquatement les données, commencer à développer une culture d'utilisation des données, data-driven qu'on appelle. Puis à partir de là, c'est d'essayer de quand le moment, l'IA est arrivé, on est là encore. Ça fait peut-être un an qu'on travaille avec. Ça fait un an. Donc, c'est juste d'arriver au bon moment. Parce qu'il y en a que ça peut prendre un mois, trois mois, un an, dépendant de l'entreprise.

François Lanthier Nadeau: Ça rend les compétences et connaissances en logiciel, automatisation, web, mobile aussi très importantes. Parce que pour que tu déploies cette espèce de kernel de valeur ajoutée de deep IA ou de données techniques, il faut que tu puisses comprendre ça pour les passer un peu à travers ça. Mais tu as mentionné Hoodi 4.0. Tu serais capable de l'expliquer ?

David Beauchemin: En gros, on nous dit 4.0, c'est d'analyser les processus d'enfer et de voir c'est quoi les opportunités du numérique.

François Lanthier Nadeau: OK, c'est bon.

David Beauchemin: Moi, mettons que c'est comme ça que je le formule. Peut-être qu'une personne aurait une formulation un petit peu plus intéressante que ça. Puis, grosso modo, moi, souvent, quand on le voit, nous autres, c'est dire, j'ai un processus d'enfer, mettons, mon client. Comment je pars d'un client, je fais une soumission, puis je lui vends une solution, ou je fais un whatever, tout ça. Ils vont avoir des étapes manuelles là-dedans. Je vais imprimer ma soumission, je vais la... whatever, je vais l'assigner puis je vais y renvoyer. Tu pourrais faire juste une solution comme Padendoc puis il va tout faire ça pour toi. Puis là, c'est de faire ce map-là puis après ça, on parle d'intégration des solutions, tout ça. Puis nous, c'est d'intervenir avec ça pour dire il y a telle zone qu'une solution technologique d'IA, de valorisation de données qui pourrait intervenir puis qui pourrait te permettre d'apporter tac, tac, tac, des trucs comme ça. C'est de crafter cette espèce de vision-là d'utilisation des données au moment où est-ce qu'on fait en même temps le plan. Idéalement, c'est au moment C'est plus facile.

François Lanthier Nadeau: Les données sont comme au cœur de ton modèle d'affaires. comment tu vas les collecter et les utiliser, ça ne doit pas absolument passer par l'IA jour 1. Ça peut être juste du numérique, des logistiques.

David Beauchemin: Un CRM. Un CRM. Première étape, c'est souvent un CRM. Après ça, mettons, d'un coup, tu as le CRM en place. Ton CRM, il ne t'offre pas de faire du prédictif. Tu voudrais-tu faire du prédictif ? Pour tes revenus, pour tes dépenses de marketing. En passant ta logistique aussi. Dire, j'ai tant de clients qui risquent d'arriver. Des fois, c'est juste la valorisation de données. Juste dire, OK, ils sont où mes secteurs de marché ? OK. Pour donner un exemple, mettons, il y en a qui font souvent des inspections. Puis là, c'est comme, OK, souvent en Beauce, on s'en va là. Puis si t'es prêt au mois de novembre, nos renouvellements, on va les appeler d'avance, puis on va se boucler juste des visites en mois de novembre. On va louer l'hôtel pendant un mois au lieu d'y aller six fois dans l'année. Puis tu commences à faire cette espèce d'organisation du travail avec un insight de données. On est dans le numérique parce qu'on utilise les données pour améliorer la capacité humaine de faire des conclusions puis de faire de l'analyse. On n'est pas dans dire, ah, j'automatise tout le processus, puis c'est un IA qui va décider où est-ce que je m'en vais. On utilise l'insight. Est-ce qu'un jour, on pourrait se rendre vers une solution d'IA qui fait ça ? Peut-être. Y a-t-il un plus value de chercher ça ? Je le sais pas pour l'instant. C'est d'analyser ça. Plus qu'on est capable d'intervenir, disons, dans les processus d'affaires, plus qu'on les comprend, plus qu'on peut voir vraiment les spots où est-ce qu'on peut rajouter de l'IA, dans un ou des processus d'affaires.

François Lanthier Nadeau: All right. Mais là, tout arrive, puis il y a... clairement une partie de ton branding, ton positionnement sur, mettons, la homepage ou les sujets que tu abordes, toi, publiquement, qui est autour de l'intelligence artificielle. Fait que t'arrives dans une compagnie, soit t'es référé, soit tu l'es outreach, là, on pourra parler de vos méthodes d'acquisition plus tard, mais les gens voient, ok, il y a David, Baseline, pis de l'autre côté, ils voient Chatgpt est utilisé dans les écoles Le Soleil ou genre La Presse, peu importe. Fait que, est-ce que t'as... une espèce de démystification d'IA à faire quand tu rentres dans une compagnie pour pas que le monde fasse juste associer IA à Language Language Model a.k.a. Chatgpt mettons. Oui,

David Beauchemin: beaucoup. Il y avait beaucoup d'éducation aussi, même des fois. Le LLM, je pense que c'est une... Chatgpt GPT est vraiment intéressant pour expliquer une partie du problème. Mais tu as aussi des fois où on n'est pas rendu à la fin de l'IA. Souvent, ce n'est pas vrai. Il y en a qui ne le voient pas parce que les use cases ne sont pas clairs. Chatgpt GPT, je pense, a amené un bon exemple de use case pour les travailleurs d'information. Ils se sont rendus compte que mon travail, je peux l'améliorer avec ça. C'est un nouvel outil à ajouter à ma boîte à outils. Souvent, je vais quand même m'en servir pour expliquer des exemples d'utilisation plus poussés. Moi, la façon que je vois beaucoup cette bibitte-là, c'est plus la capacité d'extraction d'informations pour moi qui est vraiment la valeur ajoutée de ces solutions-là. Tu peux prendre ça et donner des rapports et dire, parle-moi de ces rapports-là, pose-moi des questions pour moi. C'est ça qui a de la grande valeur ajoutée. Décrire ou générer du texte a un intérêt. Je vois des use cases, tout ça, mais il est beaucoup plus dans la capacité d'agréger de l'information et après ça, de recracher un message à la fin. Parce que souvent, le texte qu'il génère, c'est très drabe, c'est pas pertinent ou il manque de profondeur. Mais si tu t'en sers d'un outil avec différentes technologies pour dire, bien là, je veux vraiment que tu analyses ce problème-là, là, ça peut venir plus intéressant. Puis l'humain, après ça, est capable, au lieu de lire 10 documents, il en lit peut-être juste un qui est mieux ciblé, qui pourrait être fait peut-être avec d'autres méthodes comme des bases de données textuelles, mais ça l'ouvre d'autres possibilités ou une manière d'interagir avec le problème de manière différente, qui peut être intéressante pour un utilisateur plus commun. Puis c'est surtout qu'il y a beaucoup plus de business qui peuvent prototyper des applications au lieu de la donner de l'information avec le GPT sans avoir besoin nécessairement d'une expertise poussée. Ça leur permet de faire une preuve de concept à faible coût pour après ça aller se tourner vers une personne pour pouvoir s'occuper de l'implémenter. Puis souvent, c'est ce qu'on fait. Nous autres, il y a beaucoup de preuves de concept qu'on construit autour de LLM ou de techno qui est déjà existante, de technologies vraiment intéressantes. Après ça, c'est de crafter une solution plus complète qui répond à tous tes besoins d'affaires. Mais tu ne te doutes pas qu'elle coûte moins cher. Elle ne coûte pas 50 000 ou 100 000. Elle coûte peut-être 10 000. Proof of concept. Exactement.

François Lanthier Nadeau: Donne-moi des exemples. Contraster un large language model, c'est basically un corpus de texte qui est énorme, une quantité de data qui est énorme. Par-dessus ça, il y a des modèles d'intelligence artificielle qui sont entraînés par des data scientists pour aller interagir avec ce corpus de texte-là. Puis ensuite, il y a souvent ce qu'ils appellent le reinforced human learning.

David Beauchemin: Human in the loop.

François Lanthier Nadeau: Oui, c'est ça. C'est-à-dire qu'il y a des humains qui... Parfait. Quand on interroge ce corpus de texte-là et qu'on lui demande de m'extraire une réponse prédictive, est-ce qu'il répond bien ou pas ? Je le score. Tout ça, ça améliore et fait une espèce de grosse poutine de langage où est-ce que tu peux poser des questions et avoir des réponses qui sont prédictives. C'est impressionnant. On dirait que c'est de la magie, mais c'est très, très, très prédictif. Ça, c'est un use case qui est beaucoup exemplified par Change. Mais l'AI, c'est plus que ça. D'ailleurs, y'a-tu des failles dans comment j'ai vulgarisé l'LM ? Ça m'intéresse de lire.

David Beauchemin: Qui, mettons, t'interroges pas nécessairement le corpus. Un LM, c'est vraiment de prédire le mot le plus probable.

François Lanthier Nadeau: Dans une espèce de nuage de points, probabilités. Ouais,

David Beauchemin: exactement. Mettons, le chat boit du, le plus probable, c'est probablement lait et non whisky. Puis finalement, historiquement, quand on entraîne ça, il y a différentes méthodes qui ont été ajoutées, mais grosso modo, c'est fill in the blank. Tu me dis que t'es troué. Tu enlèves des mots, tu demandes de prédire le mot. puis après ça, tu es capable de te dire c'est quoi la bonne réponse si tu as l'exemple de texte. Puis finalement, tu construis puis c'est une représentation, une modélisation de l'utilisation de la langue par l'humain à travers le prisme du dataset. Ça veut dire aussi, tout ça, ça implique que la façon que le texte est utilisé, c'est très web. Ça représente beaucoup plus l'Occident, ça représente plus... Donc, il y a quand même des biais qui vont être à ça puis l'aspect de tout ça qui va être là, mais c'est une bonne base qui a réussi à modéliser. Après ça, si tu dis, je vais apprendre un langage légal, tu es capable... Si tu sais parler, tu es capable d'apprendre le vocabulaire légal. Tu peux prendre un LLM et juste dire, tu sais parler, tu sais écrire, il faut t'apprendre le vocabulaire légal avec des textes légaux ou des textes propres à ma business. Après ça, tu vas pouvoir l'utiliser pour extraire l'information de tes problèmes d'affaires sur tes documents. Genre des documents syndicals, peu importe, des documents de connaissances ou des procédures à faire pour ton usine, des trucs comme ça, tu pourrais interroger avec Chachapité basé sur ton unité sexuelle que tu as tendance.

François Lanthier Nadeau: OK, super. Ça, c'est quelque chose qui vit à l'intersection de l'informatique, le généalogie de Natural Language Processing, plein de disciplines ou sous-disciplines d'IA. Je ne sais pas trop comment les…

David Beauchemin: NLP, c'est une sous-discipline d'IA, effectivement.

François Lanthier Nadeau: Mais tu as du…

David Beauchemin: Computer Vision.

François Lanthier Nadeau: Computer Vision.

David Beauchemin: Gros exemple. Ça, c'est très dérisqué, la plupart des applications. Bon,

François Lanthier Nadeau: parle-nous de ça. Je veux contraster. Il n'y a pas juste de l'élément.

David Beauchemin: Un autre grosse application qui est… L'NLP est… est encore risqué sur certains éléments. Chatgpt a réduit le risque et il y a beaucoup de progrès technologiques qui ont été faits qui ont réduit le risque sur développer. Partir d'une idée et faire la R&D coûte le moins cher possible et tu es sûr d'arriver à une solution. Le Computer Vision Depuis à peu près 2008, on a dépassé l'arrière humaine en termes de compétences sur beaucoup de tâches.

François Lanthier Nadeau: OK, c'est bon.

David Beauchemin: Ça fait longtemps.

François Lanthier Nadeau: C'est quoi Computer Vision, David ?

David Beauchemin: Excuse-moi, je ne l'ai pas expliqué. C'est prendre un ordinateur pour regarder des images, un flux vidéo des images, tout ça, puis d'identifier peut-être des éléments dessus, classer des images, classer tout ça. Photo de chat, photo de chien, tu veux classer ce qui est un chien ou un chien. Ça fait longtemps que des problèmes le même. Il y a un dataset. Par exemple, c'est des oiseaux, des avions, des chevals, plein d'animaux. On n'a plus du nombre de classes, puis on est capable de classer les images vraiment mieux que l'humain.

François Lanthier Nadeau: C'est Google Photos quand tu écris chien. Computer Vision.

David Beauchemin: Exactement. Tout ça. Taguer dans des photos des gens. Identifier si c'est une photo, si c'est une lampe, si c'est ça, si une lampe est où. Est où une boîte autour de la lampe. La lampe, excusez. Par exemple, sur une chaîne de montage, j'ai identifié du pain qui passe. Mon pain respectue mon standard de qualité. J'ai une caméra qui regarde ça, qui dit accepte et rejette. Application du Computer Vision qui n'est pas très risquée. Il y a un aspect de développement à faire, mais ce n'est pas une tâche problématique, difficile pour un modèle de GPT.

François Lanthier Nadeau: Il n'y a pas l'équivalent. Tu sais, dans les Language Language Models, justement, les GPT Models, tu as des hallucinations. Exactement.

David Beauchemin: Tu n'as pas ce problème-là.

François Lanthier Nadeau: C'est ça. Tu n'as pas...

David Beauchemin: Tu peux l'avoir d'une certaine façon, mais dans un contexte très, très, très, très contrôlé, tu n'auras pas ce genre de problème-là. OK. Si tu es sur le web, tu pourras avoir d'autres problèmes où est-ce que tu parles des actes adversariels. Donc, un humain qui volontairement essaie de corrompre ton modèle avec une photo qu'il a enlevée d'une couple de pixels et qu'il ne pense plus que c'est un lama,

Participant 5: Il y a des gens qui n'ont rien à faire.

David Beauchemin: Mais c'est des hackers, ça.

Participant 5: Il y en a qui ont des white hats, sûrement. Exactement, c'est ça.

David Beauchemin: Mais il y avait un exemple où c'est une image d'un autobus, tu enlèves 3-4 pixels, puis le modèle pense à un lama. Mais parce que... Il y a des moyens de mitiger ça, mais c'est un montant d'exemples que... Mais si tu es dans un environnement très contrôlé, ce n'est pas un problème. Si tu contrôles ta caméra, ce n'est pas le web. Les applications sont un petit peu différentes. Il y a moyen de risquer tout ça, mais c'est vraiment moins risqué, ce genre d'application-là,

François Lanthier Nadeau: en général. Je pense qu'il y a un autre use case qui est intéressant probablement pour les business, puis c'est justement, je ne sais pas si on pourrait catégoriser ça ou pas comme l'IA, mais utiliser beaucoup de data pour faire de la prédiction, puis de la statistique, de genre prévision financière, prévision de trafic, foot traffic, web traffic.

David Beauchemin: Série chronologique qu'on appelle souvent aussi.

François Lanthier Nadeau: Dis-moi en plus.

David Beauchemin: Mettons, série chronologique, c'est dire, j'ai un prix d'un billet, comment il va évoluer dans le temps. Donc, il y a un aspect qui est temporel à tout ça.

François Lanthier Nadeau: OK, c'est bon.

David Beauchemin: Donc, prix d'une action, série chronologique. Très clair. Il y a beaucoup de méthodes statistiques qui existent depuis longtemps, qui ont fait leur preuve. Puis maintenant, souvent, ce qu'on va faire, nous autres, comment on va l'utiliser, c'est que l'IA va être une autre façon, ou des méthodes NLP, d'ajouter de la nouvelle information à ce modèle-là. Par exemple, tu veux prédire, tu veux essayer d'avoir le meilleur prix possible pour ton billet, puis là, tu dis, OK, c'est quoi le meilleur prix que je peux vendre à mes clients ? On appelle ça l'élasticité des prix en économie. Bien, tu es capable de dire, OK, je vais avoir un modèle, mais je pourrais peut-être le connecter sur des sources de texte externe avec des nouvelles, comme on vient d'annoncer le FEC, donc mes prix d'hôtel, je pourrais les augmenter. Voici le line-up. Donc, tu es capable finalement d'acheter des nouvelles sources d'informations à ton modèle pour avoir une meilleure prédiction. Donc, l'IA vient supporter ton modèle initial avec la nouvelle information.

François Lanthier Nadeau: Puis, as-tu des exemples de clients plus concrets ? Ou est-ce qu'il t'a implémenté des formes d'IA, puis que tu as eu des résultats ou que les clients ont eu des résultats ? Tu sais, des exemples un peu plus concrets.

David Beauchemin: Oui, il y a un projet qui était avec, en fait, une compagnie, eux autres. spécialisait dans un offre de service lié à tout ce qui est les maisons d'édition. Puis un des éléments qui les intéressait, c'était d'être capable de dire, Cet livre-là, c'est quoi son code ISBN ? Donc là, avant, c'était un humain qui lisait le livre, puis il arrivait, puis il avait sa liste de je ne sais plus combien de codes, il y en a beaucoup, il y en a vraiment beaucoup des codes ISBN. Puis là, tu es comme, OK, un livre, un roman, souvent, tu es capable de dire, ça, c'est un trailer, c'est tout ça. Mais des fois, tu as des livres où est-ce que tu as plusieurs chapitres, puis chaque chapitre peut avoir son propre code ISBN. Puis là, ça venait un petit peu à un mess. Tu avais comme des edge cases qui prenaient tout le temps par rapport à d'autres. C'est facile, ça c'est un trailer, c'est correct. Mais comme ton 20% qui restait, c'était 80% de tes efforts que tu allais chercher sur ces livres-là parce qu'il fallait vraiment que tu les lises au complet. Puis là, le problème, la solution finalement qu'on est arrivé, c'est qu'on a vraiment mis en place une solution, on appelle ça la classification. Donc, l'IA lit le livre puis arrive avec une affaire à donner c'est quoi le meilleur code. Elle fait une recommandation sur les codes en fait pour être précis. Donc, elle en recommande maintenant son top 3. la personne humaine pour dire, ah oui, ça, ça a du sens, ça, ça n'a pas de sens. Puis, on peut le faire par chapitre. On peut le faire pour l'ensemble du document aussi en même temps. Ça veut dire que la solution, au lieu de dire, je paie une personne pendant 40 heures, tu es capable de juste dire, une couple de secondes, je ne sais plus c'est quoi le modèle de prix, je ne m'en rappelle pas par cœur, mais finalement, c'est un prix unitaire par livre. Puis, la maison d'édition est capable de les classifier de manière vraiment rapide. Puis, les délais de publication aussi viennent de réduire. Donc, ton time to market pour un livre vient de passer. Exactement. peut-être que ton ROI est plus intéressant. Ce n'est pas une solution qui était vraiment risquée. On a commencé vraiment par des méthodes assez simplistes. Si on veut rentrer dans la technique, en fait, on est plus dans du machine learning que du deep learning qu'on a utilisé.

François Lanthier Nadeau: C'est quoi la différence ?

David Beauchemin: Machine learning... En fait, souvent, la classification pour moi n'est pas super claire. Mais mettons, le deep learning, souvent, ça va être des modèles neuronaux qu'on va appeler. Puis, il va y avoir un aspect d'apprentissage avec des poids qui va être très, très, très présent. Là, je ne vais pas forcément rentrer trop dans la technique, trop inutilement. Mais deep learning, LLM, c'est un deep learning. Des GAN, des RNN, des LSTM, des trucs comme ça, ce sont des types de modèles qui sont très typiquement deep learning. souvent va être associé avec un besoin de données assez important. Puis souvent va être associé à un... C'est difficile de comprendre ce qui se passe entre l'entrée et la sortie.

François Lanthier Nadeau: Oui, l'espèce de petit cœur...

David Beauchemin: L'activité qu'on va souvent appuyer.

François Lanthier Nadeau: Dans les LLM, c'est un problème.

David Beauchemin: Exactement. Pourquoi ce que tu dis là, c'est que c'est tellement massif. Il y a vraiment un aspect de dimensionnalité très immense de ces modèles-là, souvent. Le machine learning, souvent, c'est plus des méthodes. Ça fait longtemps que ça roule. On va parler d'arbre de décision. Donc, j'ai une donnée. Si elle est plus petite que ça... Ça veut dire que tu vas à droite, c'est le plus grand que ça, tu vas à gauche, puis tu arrives, tu descends comme ça, puis à la fin, tu arrives avec une classe. Donc, tu es capable souvent de ramener ça à des variables. Il va souvent y avoir des variables ou des features qui vont être créées par un humain pour définir les caractéristiques, puis essayer de faire cette classification-là. C'est beaucoup ça qu'on a pris pour ce modèle-là. On a essayé avec des modèles de Transformer, puis ce n'était pas meilleur. Il y a beaucoup des cas où des fois, le machine learning fait encore une très bonne job par rapport au deep learning. Peut-être avec les projets, parce que ça fait quand même deux ans à peu près de ça, puis probablement qu'il y aurait des progrès qui pourraient... permet d'aller chercher, mais je pense qu'on a cherché 1%. Ça vaut-tu l'investissement de faire rouler un GPU à quelque part ? Non. On est bien correct avec ça.

François Lanthier Nadeau: Parce que là, tu as parlé de Transformer, puis c'est un type de modèle qui propulse tous les...

David Beauchemin: C'est ça qui est derrière Chatgpt.

François Lanthier Nadeau: Les GPT-Models.

David Beauchemin: C'est une architecture, finalement, de comment on part de la donnée en entrée jusqu'à... Je prédis une classe à la fin où je réponds à une tâche.

François Lanthier Nadeau: Puis ça, c'est un patent, c'est un breakthrough de Google dans les années 2018,

David Beauchemin: je pense. De même, c'est ça.

François Lanthier Nadeau: Ça a pris un bout avant que ça...

David Beauchemin: C'est pas exactement Google. Qu'est-ce qui a amené la racine de Transformer c'est qu'on appelle ça de l'attention. L'attention, grosso modo, comment je la représente beaucoup, moi, c'est quand tu vas regarder une image, ton oeil va être porté sur des zones d'intérêt. Puis c'est comme ça que beaucoup l'ont représenté. Au début, c'était plus sur le texte, mais on l'a amené vers les images aussi. Puis ça, on appelle ça un peu le concept d'attention. Mettons, pourquoi est-ce que j'ai dit qu'il y avait un panneau tout top, par exemple ? Je vais dire, je regardais là, puis j'ai vu que c'est rouge, je fais marquer ce top dessus. Finalement, c'est une façon à ton modèle d'accorder plus d'importance à certains éléments ou certains points de données à travers une image ou un texte pour permettre de répondre à la tâche. Ça a été la tension qui a été proposée par Badano. C'est assez obscur comme article à lire. Ce n'est pas très facile à lire. Ça a pris un moment avec l'académique et l'industrie à réussir à faire OK, il y a vraiment de quoi là Puis là, ça a été appliqué. Puis là, les transformers ont vraiment découlé de là. C'est ça actuellement. le modèle qui domine à peu près tout.

François Lanthier Nadeau: On a vu des clients en SaaS.

David Beauchemin: Oui, on a eu quand même quelques clients en SaaS.

François Lanthier Nadeau: Il y en a-tu dont tu peux, pas nécessairement dire les noms, mais qu'est-ce qu'ils font, comment tu les aides, ça m'intéresse.

David Beauchemin: Oui, bien un actuellement qu'on aide encore beaucoup, c'est une plateforme finalement. Là, je suis en train de voir, je ne me rappelle pas si j'ai demandé, je peux y parler. Tu ne peux pas. Il me semble que oui, mais c'est une plateforme finalement où est-ce qu'ils tentent, tu peux créer un patio. Puis, une des grosses, grosses fonctionnalités qu'ils ajoutent avec ça, c'est que tu as un plan de coupe. puis tu sais exactement le nombre de matériaux que tu as besoin puis tu es capable de le montrer en 3D puis de dire ah ma piscine va être là puis tu peux faire un design puis c'est fait pour un utilisateur comme toi et moi non comme un designer puis là finalement dans les discussions qu'on avait au début on l'a beaucoup plus approché de ce que je parlais sur la poche data-driven là les questions qui se disaient c'est qui mes marchés c'est quoi le marché que je veux intéresser puis bien naturellement tu te dis je veux aller dans les plus gros marchés Montréal, Laval, Québec bien non en fait ton marché c'est la banlieue c'est eux qui ont des passions Fait que là, finalement, on a pris une approche d'Atta Jenkins pour dire c'est quelle qui a eu la plus forte croissance, c'est quelle entreprise, c'est quelle ville qui a eu le plus de nouvelles constructions, donc de passeaux qui m'intéressent, donc c'est ça tes marchés. Puis à partir de là, on a dit ok, ben là c'est quoi les autres fonctionnalités qu'on peut ajouter ? Une des fonctionnalités qui nous intéresse, c'est de pouvoir dire ton passeau il est conforme pour la piscine, qu'il respecte les lois en place, puis là, ça on est dans des solutions d'IA. Ou est-ce que là, finalement, on est capable de partir d'un document textuel des règlements d'une municipalité, implémenter ça en règle d'affaires ? sortir ça pour implémenter ça en règle d'affaires puis rentrer ça dans la solution pour qu'ils puissent de manière informatique dire ton plan pour nous respecte les normes. Puis après ça, l'idée, c'est de pouvoir connecter ça direct avec la ville puis dire la ville, voici un plan. Nous, on pense qu'il est conforme, valide, oui ou non. Moins de back and forth entre le client, entre la personne qui veut faire, la ville, la réduction des coûts. Tout le monde est gagnant dans ces endroits. Le citoyen, il perd moins de temps. La ville perd moins de temps. Puis finalement, tu t'assures que ça respecte les normes puis le mets en place. Ça, c'est vraiment un exemple qu'on a parti de écouter... tel genre de besoin, je ne suis pas sûr de ce que je peux faire, je ne sais pas c'est quoi mon marché. On a implémenté une culture d'Attajavine, on a identifié des besoins d'IA et comment on pourrait les répondre avec des nouvelles fonctionnalités. C'est vraiment de la valeur ajoutée. Le client était déjà content de son passé et de son plan. Là, si tu peux lui dire... Je te garantis, tu ne peux pas te le garantir parce qu'après, un ingénieur, c'est souvent ce genre de truc-là, mais je te dis que moi, toutes les règles de ta ville sont respectées. Puis là, tu peux le faire en français, en anglais. Tu n'es pas limité dans ton marché. Après, c'est plus comment tu implémentes les règles. Généraliser l'implémentation des règles qui peut être la complexité, plus une complexité logicielle. Mais tu es capable de feeder avec des modèles. Finalement, c'est extraire ces règles-là automatiquement pour dire, je vais acheter une nouvelle ville, donne-moi ton PDF. Les règles, après ça, on va les implémenter et c'est réglé.

François Lanthier Nadeau: C'est hâte parce que ça a l'air... mettons, cette culture de données-là, ce focus sur les données-là, ça a joué sur deux grosses dimensions importantes en SaaS. Il y en a une, c'est la commercialisation. Connaître, comprendre ton Total Addressable Market, ou du moins les poches, les dimensions, les sous-dimensions de ce market-là qui sont les plus payantes pour toi. Très intéressant. Puis deux, streamliner des opérations. Plus efficient, faciliter ça. C'est vraiment intéressant.

David Beauchemin: C'est souvent comme ça qu'on va essayer d'accompagner les SaaS. parce que le gros avantage des SaaS pour l'IA, pourquoi nous, on pense vraiment qu'il y en a beaucoup qui le font, c'est que l'IA, c'est payant quand tu peux l'utiliser sur beaucoup de clients. Mettons que tu as un modèle d'IA que tu fais. Pour tes coûts d'opération, tu l'utilises une fois par mois. Ça va être d'ici le rentrer dans ton argent. Si par contre, tu es capable, pour chacun de tes clients, tu en as 10 000 par mois, là, ça devient payant parce que tu es capable de créer de l'argent. Uber est un bon exemple de ça. Uber, finalement, il y a un algorithme qui permet de dire voici le meilleur prix, voici ton trajet, Ça, c'est des algorithmes. qui probablement sont basés sur des notions d'IA à quelque part là-dedans, tu es capable de le dire pour chacun de tes clients. Tu crées une valeur ajoutée pour ton client que tu peux répartir sur un grand nombre de clients plutôt que de le répartir plutôt juste à tes coûts à l'interne. C'est là, Rakuten, je veux essayer de prédire, Rakuten Ready, finalement, je veux essayer de prédire le temps de la livraison, tu es capable de le vendre à plusieurs personnes, ça devient intéressant. C'est vraiment là que les SaaS ont un grand intérêt à s'intéresser à l'IA pour ce genre de choses, plus que Radio Leekoo souvent. Radio Leekoo... C'est plus difficile. C'est souvent aussi, tu sais, justifier l'investissement quand tu es souvent une startup, tu n'as pas infini d'argent, tu as un niveau limité de ressources financières et de temps. Donc, souvent, d'essayer de créer de la valeur achetée, ça peut augmenter le nombre de clients que tu convertis, augmenter tes offres premium. Aussi, tu peux dire, voici une offre premium et j'essaie de les emmener vers mon offre premium. D'avoir une échelle dans tes coûts, dans la structure de coûts que tu veux faire. Tout ça peut t'emmener avec des genres de solutions comme ça.

François Lanthier Nadeau: Puis, y a-tu des... J'en ai vu un paquet de SaaS passer soit sur le pod ou à l'extérieur, mais y a-t-il des bases, mettons, qui doivent être en place dans un SaaS pour pouvoir vraiment exploiter, leverager l'IA, que ce soit la quantité et le type de données qui est en place, l'éducation du leadership ou des devs, ou juste le budget, mettons ?

David Beauchemin: Les données, souvent, en SaaS, sont déjà existantes, fait que c'est pas un problème. Fait que c'est un des gros intérêts aussi pour les SaaS, c'est que souvent, vous avez déjà un des plus gros travails, qui est de fait, vous avez déjà des données. Vous avez déjà une culture de données.

François Lanthier Nadeau: Ça dépend des cas.

David Beauchemin: En général, même si c'est dans un Excel, ça fait un job. À quelque part, il y a une donnée qui génère. Est-ce que tu la gardes bien ? Qu'est-ce que tu fais avec ? Il y a tout à garder. Mais par rapport à un manufacturier qui fonctionne papier, tu pars plus loin. Parce qu'il y a l'étape de collecter la donnée. Elle peut déjà être collectée assez facilement. Ensuite, il y a l'éducation. Mais l'éducation, surtout sur les opportunités. Puis surtout, Il faut avoir beaucoup d'attention. Il y a des opportunités, mais des opportunités plus intéressantes que d'autres. Il faut toujours essayer d'animer ces opportunités avec c'est quoi les objectifs d'offre. Ton objectif, c'est-à-dire je veux aller chercher plus de clients, je veux charger le plus cher, ou peu importe c'est quoi ton objectif, ou je veux aller chercher tant de portes de marché à Québec. Est-ce que cette solution-là va te permettre d'atteindre cet objectif-là ? Si la réponse est non, c'est peut-être pas la meilleure allocation de tes ressources. C'est beaucoup comme ça qu'on essaie de driver, nous autres, tes décisions. On est beaucoup par stage gate qu'on appelle, c'est une méthode qui existe. Tu as un projet ou tu as un groupe de projets, puis tu as une gate. Puis là, la gate, finalement, c'est des métriques, des KPI que tu vas dire comment tu peux passer d'un projet à l'autre. Puis finalement, tu le fais monter comme ça. Jusqu'à temps que tu arrives à une innovation à la fin qui te dit, bien là, je suis arrivé avec tel genre d'innovation, je l'ai mis en place, puis je l'ai évalué à différents étapes, à différents niveaux de maturité pour justifier que je fais mon investissement.

François Lanthier Nadeau: Il y a de la valeur à chaque gate entre guillemets.

David Beauchemin: Exactement.

François Lanthier Nadeau: C'est quoi ?

David Beauchemin: Stage gate Stage gate Pas bien compliqué. C'est assez comme ça. Puis… où est-ce que je vais en aller avec ça.

François Lanthier Nadeau: Je pense qu'on s'en va sur le budget aussi. C'est-tu cher,

David Beauchemin: c'est-tu pas cher ? Comment on essaie souvent de commencer, il ne faut pas que ça coûte cher au début. On a un produit qui est vraiment c'est quoi les opportunités de l'IA. L'objectif, c'est que ce soit juste, on rentre, on sort le plus d'infos possible, 80-20. C'est 20% des affaires, on sort 80% de la valeur. C'est quoi les opportunités ? On ne veut pas que ce soit un frein le coup. Après ça, on va regarder souvent, à travers ça ou dépendant de... comment on est capable d'aller en profondeur. Souvent, il y a tous des outils que des fois, c'est juste, tu pourrais juste intégrer ça, tel outil à côté, puis tu vas aller chercher telle option pour tes clients, puis toi, ça va te coûter quasiment rien ou tu vas résoudre tes coûts avec ça. Puis avant de parler d'implémentation puis de solution custom, jour 1, solution custom, pour un SaaS, ça va être payant si c'est son core business. Si c'est juste de dire je vais améliorer ma gestion des factures ça n'a peut-être pas la peine d'adopter ton propre système pour ça. Si ce n'est pas ton core business.

Participant 6: Je comprends.

David Beauchemin: Les budgets, ce n'est pas énorme. La quantité de données, souvent, on est capable de faire bien des trucs sans beaucoup de données ou des fois, ça va être jour 1. On n'a pas assez de données, on va en collecter, mais on va mettre en place et on va s'assurer que tu collectes les bonnes choses. Des fois, on est comme je collecte toutes Finalement, tu arrives et tu en vas voir. t'as pas vraiment collecté tout, parce que moi, j'ai besoin de telle affaire, pis tu l'as pas collecté depuis deux ans, ça serait par livre là deux ans, ben là, on pourrait commencer. Fait que souvent, c'est juste ce petit regard-là critique sur, vraiment, pis ça vaut-tu la peine de collecter ça aussi.

François Lanthier Nadeau: Pis tu sais, je sais qu'il y a pas mal de devs ou de co-founders techniques qui écoutent le pod, fait que ce que je me demande, c'est, avez-vous, mettons, de votre côté, chez Baseline, une stack, c'est-à-dire des outils, des librairies, des apps, vraiment, avec lesquels vous travaillez ?

David Beauchemin: Ouais, ben, tu sais, les grosses stacks, c'est ce qu'elles appellent DevOps, mais pour l'AML. Puis là-dedans, c'est vraiment... Une des particularités de l'AML, c'est le processus expérimental. Souvent, mettons, mon quotidien, quand j'entraîne des modèles, je vais peut-être faire une centaine de modèles que je vais entraîner dans une journée. Je vais avoir des paramètres différents, des configurations différentes. Puis ça, je me garde une notion de ces éléments-là. Fait que qu'est-ce que tu fais ? Tu leques ça dans une BD. Fait que finalement, il y a des outils qui permettent de léguer ça dans des BD, de visualiser les résultats. Donc, on a une stack finalement qu'on utilise pour ces entraînements-là, les résultats, plein d'affaires qui sont mesurés, qui sont envoyés vers ça. qui permettent après ça de pouvoir dire, OK, bien, voici les meilleurs modèles. De plus en plus, il y a des stacks aussi. Là, on est en train de regarder pour une stack, en fait, parce que, par exemple, notre processus de déploiement, puis notre processus, mettons, la MLU, puis ses déploiements, est détaché. Souvent, ça va être Jenkins, ou des besoins de clients aussi. On va avoir une stack qui va être déployée autour de ça. Mais de plus en plus, il y a des offres qui permettent de le faire dans la même plateforme. Donc, tu entraînes ton modèle, tu cliques sur un bouton, il est rendu en production.

François Lanthier Nadeau: OK.

David Beauchemin: Fait que c'est vraiment le fun avec ça, mais ça prend une certaine maturité avec tout ça, tout dépendant aussi du processus DevOps, où est-ce qu'elle est dans son cycle.

François Lanthier Nadeau: C'est-tu toi qui intègre ces modèles-là dans le code base de SaaS ?

David Beauchemin: Souvent, on va le faire en formule API. C'est le plus simple.

François Lanthier Nadeau: OK.

David Beauchemin: L'idée, surtout si on est dans un MVP, on ne veut pas nécessairement commencer à embarquer. C'est tout l'objectif de résoudre les coûts aussi. On va le faire en API, en API REST. Puis genre, envoie-moi ta poutine, je t'envoie la poutine. Puis à un moment donné, on va juste te donner les clés de la machine quand on est rendu au bon moment. Mais on va souvent le faire un petit peu plus à côté pour aller plus vite. Classique approche. On ne réinvente rien. Les autres stacks, c'est des stacks technologiques Python. On travaille beaucoup en Python, nous autres. On va déployer des solutions Python, Azure ou AWS. Google, moins. On a moins d'expérience avec Google. La stack Google, on la travaille un peu, mais moins. On aime moins, à la date, les fonctionnalités. Azure, AWS. Puis, c'est le processus classique de déploiement. On entraîne, on développe, on pitch là-dessus. GitHub. Gestion de projet, c'est Teamwork qu'on utilise. Slack. Puis, c'est une stack de même comme ça. Assez classique. Un truc qu'on veut beaucoup nous autres ajouter, qui nous intéresse, c'est vraiment d'avoir le bon outil d'MLOPS. Nous autres, c'est pas mal. Elle est vraiment là, nous autres, notre vigie. Actuellement, il y a quand même un peu... Il y a beaucoup de solutions que je surveille. Pour moi, ce n'est pas assez mature que ça vaut la peine encore de rentrer dans ma business. Puis ça fonctionne bien au scale qu'on est. Mais quand tu as une équipe de 50, il ne faut pas que ce soit artisanal. Puis là, à cette étape-ci, il y a des étapes qu'on fait encore un petit peu artisanales, que t'es comme Ah, c'est correct, j'ai pas besoin de gérer plus que ça. Il y a pas encore... C'est pas encore un frais à ma production qui nécessite un investissement.

Participant 6: Ouais, je comprends.

David Beauchemin: On est très data-driven aussi, nous autres, dans comment on organise nos processus aussi, sur comment on... OK, ben là, c'est le moment de lever le flag, puis je m'en vais chercher tel outil. Ça fait longtemps que je le spot, puis je suis prêt à l'intégrer.

François Lanthier Nadeau: Y a-tu beaucoup de blocs ou de... composantes que tu peux réutiliser d'un projet à l'autre avec ce que tu développes ou c'est par exemple t'as un SaaS X, tu développes un modèle A, t'as un SaaS Y, y'a-tu des parties du modèle A que tu peux...

David Beauchemin: Quand même. Puis en fait, y'a déjà beaucoup de trucs qui sont juste existants dans l'académique. C'est pas juste... Mettons les Transformer on utilise le Game Face, puis tout est déjà là-dessus, puis c'est juste... Le call base que tu fais pour l'entraînement, c'est un script, donc c'est pas nécessairement une grande valeur de toute connaissance. Souvent, c'est plus les trucs autour. C'est créer des interactions, mettons, sous des bases de données. On s'est fait un peu notre propre librairie de repository, finalement, avec SQL Alchemy et des trucs comme ça. Pour nous, on l'utilise de telle manière, c'est plus cohérent, mais c'est assez petit comme librairie. Je pense qu'il y a quatre scripts. Il y a un module et c'est tout. Mais il y a d'autres illustrations comme ça qu'on essaie tranquillement de créer autour de nous pour développer nos outils. Mais il n'y a pas une... Il y a une réutilisation du code qui peut être... possible mais qui est pas nécessairement une grande valeur, c'est plus sauver du temps qu'autre chose. Je peux le réécrire sur le code-là.

François Lanthier Nadeau: Puis mettons qu'on parle d'acquisition de données parce que tu disais, ouais, ça souvent, ça génère de la donnée, ça veut pas dire que ça collecte la bonne ou que ça en collecte assez. Mettons que t'en manques de données puis que tu veux en collecter plus. Comment tu fais ça ? Puis comment tu fais ça éthiquement ? Comment tu fais ça ?

David Beauchemin: Un des premiers points que les gens souvent oublient, il y a beaucoup de données publiques. En stat can, pour vrai, il y a vraiment crissement de la donnée là-dessus. Tu sais, moi, il y a un projet que j'ai monté, j'étais au bac, c'était d'essayer de prédire par code postal c'est qui les clients selon des personas qui avaient des caractéristiques. Le groupe d'âge, le groupe d'appartenance, des trucs comme ça. J'ai tout juste pris des données du recensement, j'ai fait une solution, j'ai monté un modèle là-dessus. Aucune donnée que j'ai eu besoin de collecter. Fait que souvent, mettons que t'as une business, t'es comme, ben voici mes personnages, t'as un stage, voici les personnages que je cherche, j'ai pas de données, j'sais pas son haut, ses clients-là, c'est ta canne, va chercher ça. T'sais, ça sera pas parfait, genre, mais c'est une reprise, t'as un vraiment bon point de départ pour aller chercher. Fait que données publiques, données Québec, y'en a plein, des données aussi, des données, c'est pas tout le temps le fun, c'est pas tout le temps ce que tu veux, mais c'est un bon point de départ. Pis après ça, Il n'y a pas besoin de donner. En fait, comprendre tes caractéristiques. Les films que tu as écoutés avant, quand tu commences à en écouter, mais juste pour le premier départ. C'est quoi ton groupe d'âge ? Tu es dans quel pays ? Tu es dans quelle ville ? Puis après ça, tu es probablement capable juste avec ça de dire, il y a des bonnes chances que les films que tu écoutes vont ressembler un petit peu aux films que j'écoute. Plus que, mettons, quelqu'un en Corée. Puis juste à partir des caractéristiques-là, tu peux déjà faire des recommandations qui peuvent être commencées de personne. Puis plus en plus, tu vas écouter des films, plus en plus, je vais te faire des recommandations qui vont ressembler à ton groupe de films d'appartenance. Puis si je sais qu'une personne est dans le même groupe que toi à écouter ce film-là, il y a des bonnes chances que je te le recommande, tu risques de l'aimer. Si tu écoutes juste, mettons, des films de guerre, moi, c'est pas tant ça que j'écoute, ils me recommandent juste ça. Mais tu vois, des fois, tu regardes le profil d'une autre personne, t'es comme, on n'a pas pas en tout le même genre de film qu'ils nous proposent parce qu'ils ont compris que c'est quoi que je veux. Mais je n'ai pas besoin d'un grand nombre de données. Des fois, juste, il va te poser 5 films que tu aimais puis il est capable de faire quoi que bien de la leur.

François Lanthier Nadeau: J'essaie de le convertir en use case pour ça, si je me dis, pour faire de la prédiction. En e-com, mettons, ça en serait un facile. Une couple de data points peut probablement donner assez.

David Beauchemin: Un bon point de départ. Il faut toujours gérer les attentes. Ce ne sera pas un genre de précision de 99%, mais c'est un bon point de départ, tout en dans l'idée de développer une culture data-driven, de commencer à quelque part, empower les équipes, montrer, un peu comme un addict au sucre. Tu donnes un petit corps et tu commences, j'ai aimé ça, j'en veux encore. Puis là, tranquillement, tu vas vouloir en amener. Tu vas avoir un processus, tu vas plus chercher des données plus étendues, puis tu vas avoir du sens. Tu nous... C'est difficile de justifier, dire qu'on va coller toutes les données, ça va coûter 200 000 par année. Commençons par un 10 000 À un moment donné, ton 200 000 tu vas le passer de même parce que ça va avoir du sens pour toi.

François Lanthier Nadeau: Mais tu sais, moi, ce que j'ai vu dans beaucoup de choses, puis je l'ai vécu dans l'autre pendant un bout, c'est une certaine obscurité ou manque de connaissances au niveau de qu'est-ce qui se passe dans mon app. C'est-à-dire qu'on s'entend, à un certain point, tu as une base de données qui gère tout ça. Donc, la donnée, elle vit à quelque part. Elle est très, très... raw pas poli mettons, polished comment tu fais pour soit suggérer ou fortement recommander aux SaaS de savoir ce qui se passe dans leur app ? Tu comprends-tu ? Joues-tu là-dessus ou c'est plus BI ?

David Beauchemin: C'est du BI plus. Le BI a une valeur ajoutée à ça, vraiment, sur les insights. On est beaucoup là-dedans.

François Lanthier Nadeau: C'est ça.

David Beauchemin: Il y a vraiment une grande valeur ajoutée à ça. Ça te permet de comprendre qu'est-ce qui se passe. Tout dépendant aussi, tout ça, c'est une question de culture aussi. Si toi, t'es comme, moi, je vais aux GOTS, ça marche bien, good for you, mais si t'arrives de quoi, qu'est-ce qui se passe ? En fait, moi, l'insight, mettons, c'est une bonne façon, pour moi, le BI, c'est une bonne façon de dire, on a géré une business, on a du bon aux GOTS, on sait comment ça marche, mais si on veut racheter des gens à l'équipe, des fois, c'est plus difficile parce que ces gens-là ont tellement de connaissances que s'ils disparaissent, la business, rouler pendant trois mois. Le BI est vraiment un moyen de pouvoir amener ces insights-là à des gens qui sont peut-être moins expérimentés qu'ils sont ailleurs ou de pouvoir répartir cette charge de travail-là différemment. Pour moi, c'est une bonne façon de voir le BI et d'emmener cette éducation-là. Après ça, tu as un SaaS. Tu as une BD. Tu n'as pas une équipe de BI. C'est normal. Tu commences par un Excel. Tu te fais un petit dashboard s'il faut, si tu veux. Tu n'es pas obligé. Un petit Excel. Tu commences à faire de quoi. Tu développes une culture à un moment donné. Tu es comme Je me sens limité. C'est peut-être là que ça vaut la peine d'aller poser des questions ailleurs. Des fois, nous autres, on intervient juste de dire comme Ah ! Tu préfères ça, ça aurait du sens de faire ça. Tu définis c'est quoi tes KPIs comme il faut. Puis rapidement, l'enjeu qui va arriver, c'est que des fois, tes ventes peuvent avoir plusieurs définitions. Moi, je te regarde en assurance. Avant, une assurance, il y avait une place, en assurance vie, tu n'as pas les assurances vie, tu les vends, c'est une vente. Mais tu as aussi les ventes quand tu vends, des placements. Il y avait plusieurs départements qui avaient des définitions différentes des ventes qui faisaient en sorte que le chiffre annuel de vente qu'on pensait qu'on avait n'était pas pareil en fonction de quel prix tu regardais. Puis là, ça, ça cause un problème. Parce que finalement, ta donnée, tu l'interprètes de manière différente en fonction de la zone où est-ce que tu regardes. Ce n'est pas une bonne réponse. Il faut que tu fasses attention que... Ton interprétation, excuse-moi, c'est pas ton interprétation, ta définition, elle est différente, donc ton interprétation va être différente. Alors que si ta définition est elle-même, tu pourras avoir une interprétation différente parce que tu pourrais voir les données de telle façon, de telle façon, ça c'est correct. T'as-tu clair ou je me suis un peu perdu ? Je pense que je vais recommencer le début, es-tu sûr ?

François Lanthier Nadeau: Non, je pense que ce que je comprends, c'est juste que je me demande comment est-ce que, mettons, parce que moi, j'ai vu des cas où le BI sortait des réponses différentes dépendamment de ce qu'il analysait, Puis là, le leadership était un peu en crise en disant, Hey, vous me dites qu'on a tant de leads qui sortent avec un potentiel de vente de tant. Puis les autres, ils me disent qu'en termes d'actual revenu, c'est bien en bas de ça. Puis ils disaient, Chris, parlez-vous.

David Beauchemin: C'est probablement parce que l'équipier n'était pas bien défini. C'est une hypothèse. Je n'étais pas là. Il y a des bonnes chances que l'équipier n'était pas défini puis la vision de qu'est-ce que ça doit inclure. Un exemple de ça, mettons, on dit que nous, c'est quoi la définition de notre lead ? qu'a manqué notre livre. Puis dans notre BD de livres, mettons qu'on a, c'est quoi, c'est lesquels qu'on va chercher. Si on ne s'entend pas sur les mêmes, la même définition, bien c'est sûr qu'on n'aura jamais la même réponse.

Participant 6: Je comprends.

David Beauchemin: Puis ça, tout ça s'inscrit souvent dans une idée de commencer à créer une politique de gouvernance de données. C'est de commencer à rassembler tout le monde autour de la table et dire, OK, peut-être pas tout le monde, c'est beaucoup de monde inutilement. Puis c'est de commencer à définir, OK, c'est quoi nos objectifs d'affaires. puis comment les données vont pouvoir supporter ces objectifs d'affaires. C'est un très bon exemple. On veut savoir nos leads, on veut savoir comment on les arrive à les convertir. Si on n'a pas la même définition de c'est quoi un lead, puis comment on mesure c'est quoi un lead, puis comment on mesure un taux de conversion, on peut avoir des réponses.

François Lanthier Nadeau: La gouvernance de données, c'est l'acte de diriger puis orienter ta collection puis ton analyse de données pour atteindre les objectifs d'affaires.

David Beauchemin: C'est une compétence. Comme la comptabilité. La comptabilité, c'est... Tu n'auras pas une entreprise qui va dire, la compétence, on n'en fait pas. Non, ça n'a pas de sens. Tu as besoin d'une comptabilité. Donc, la compétence, c'est une compétence. Oui, on va le répartir, la gestion de la comptabilité, on va le répartir dans un département, mais tu n'auras pas un département de gouvernance de données. Tu vas avoir des gens qui vont avoir des rôles de gouvernance de données, qui vont être répartis en termes de compétence à travers l'organisation, tout dépendant de la grosse dalle. Si on est une petite équipe de six, il n'y aura pas 12 personnes. Ça va souvent être le founder ou une personne très technique, un CTO, tout ça. Ces gens-là vont avoir des compétences sur, OK, bien là, on va avoir une culture développée. on veut avoir des KPIs, il va y avoir des choses écrites quand même comme des bonnes pratiques comptables. Tu vas avoir des bonnes pratiques qui vont être définies puis voici comment on définit telle chose. C'est quoi ça veut dire telle définition ? Voici ça, voici tel concept, voici telle définition. Tu vas faire le même exercice avec tes données et tes KPIs puis tes objectifs d'affaires. C'est ça que souvent les gens vont oublier. La donnée, elle vaut rien si ce n'est pas un lien avec tes objectifs d'affaires.

François Lanthier Nadeau: Absolument. Tantôt, tu disais il y a des SaaS avec lesquels j'interagis qui nous disent ah nous on collecte toute la data depuis forever. On est riche en data. Il y a quelque chose en particulier que vous n'avez pas collecté depuis deux ans que j'en aurais eu besoin. As-tu des exemples de lacunes, de types de data qui n'est pas collecté dans des SaaS que tu pourrais...

David Beauchemin: Qu'est-ce qui arrive souvent ? Ce n'est pas nécessairement qu'il n'est pas collecté ou qu'il est mal collecté. C'est normal, on va aller vite. Ce n'est pas une critique personnelle. J'ai vu des... C'est quoi le type de vente ? C'est une variable en string à quelque part, puis là, tu n'es pas clair. Ton nom de type de client, il va avoir, mettons, vente en ligne au début, puis après, ça va sur le numéro de client. Ça, c'est un bon exemple. Dans la BD, mettons. Dans la BD. Pour logger, parce qu'en fait, finalement, c'est un outil technologique qui est apparu, puis au début, c'était des ventes dans le magasin. Fait que là, finalement, la BD logger, mettons, juste un numéro de client.

François Lanthier Nadeau: Fait que c'est une classification. Comment tu... Le problème est où, là ?

David Beauchemin: Je vais m'y rendre. Mettons, tu avais le type, puis là, finalement, après ça, il est apparu un site web. Donc là, pour différencier où est-ce que c'était que le funnel de clients qui arrivait, on a racheté juste dans le numéro de transaction, mettons, vente en ligne. Puis là, le problème qui vient avec ça...

François Lanthier Nadeau: Ça, c'est pour, mettons, un brick and mortar qui move en e-commerce, mais mettons pour un SaaS spécifiquement.

David Beauchemin: Pour un SaaS spécifiquement, en fait, le problème qui va arriver souvent, c'est... Comme on ne sait pas, jour 1, c'est quoi qu'on veut prédire ou c'est quoi qu'on veut faire, on ne va pas loguer.

François Lanthier Nadeau: OK, c'est bon.

David Beauchemin: C'est souvent le plus qui va arriver.

François Lanthier Nadeau: C'est bon.

David Beauchemin: La manière dont ta donnée va être loguée, souvent, ça va être, c'est quoi ton profil user, c'est quoi tes éléments, tout ça, etc. C'est quoi tu as pitché, whatever, tu as recommandé à travers ça, whatever, tout ça. Mais mettons que tu dis, OK, je veux faire un système de recommandations. J'avais trois mois que j'ai un algorithme et que j'ai fait des recommandations, mais je ne les ai pas loguées. Comment je peux savoir si ma solution est meilleure que la tienne ? Ou je pense que je vais offrir des recommandations, ou je ne sais pas quel feature que j'ai, je logue toutes, mais si on l'aurait su jour 1, que tu voulais faire ce genre d'offre-là, on aurait pu te permettre de loguer ça, ou de commencer à loguer ça par un proxy, ou de mesurer tes affaires, mettons, dans comment tu collectes les données sur la plateforme, et que là, on aurait pu commencer tout de suite à prédire ça jour 1, qu'on fait la solution. Un bon exemple de ça, il y en a un... actuellement, qu'on est pas mal en train d'accompagner, eux, c'est une plateforme, puis ils veulent faire des recommandations à travers la plateforme. Je ne sais pas tous les détails que je peux parler non plus, mais en ce modo, je pense que je peux en parler. Ils liensent leurs produits la semaine prochaine. Puis eux autres, c'est une plateforme de coaching pour supporter les coachs, vraiment dans l'aspect du task switching. Donc, un des gros enjeux des coachs, c'est que souvent, ils vont prendre des notes papier ou avoir une base de connaissances sur un individu, sur une équipe. Puis là, quand ils vont changer d'individu, d'équipe dans un meeting, bien là, il faut que tu reprennes. repasse, faire lire, tout ça, l'objectif, c'est de le présenter de manière très rapide à l'utilisateur. Puis à travers ça, ils veulent proposer des tasks ou des tâches ou des trucs associés pour améliorer le profil, associés à Ah, j'aimerais ça que tu fasses telle chose dans les deux prochaines semaines, puis on va en reparler. Puis de construire ou crafter ces trucs-là, bien, il va prendre du temps, puis là, ils veulent prendre ça d'une communauté, les partager, tout ça. Mais comment tu recommandes dans un bassin de mille ? Bien là, jour 1, nous autres, ce qu'on va faire, c'est que parfois, on va en crafter, puis on va mesurer lesquels les gens utilisent, puis jour 1, on va tout de suite commencer à collecter de la donnée. pour le système de recommandation. Fait qu'on va vouloir faire un modèle qui n'est pas juste de dire, voici les miens que j'ai faits, ben voici à quoi ça ressemble mon profil, voici comment je les ai utilisés. Si t'as pas logué ça, ben moi après ça, faire un modèle, plus difficile.

François Lanthier Nadeau: Fait qu'il y a du logging, mais tu sais, en même temps, comme tu dis, au départ de toute cette tirade-là, tu peux pas critiquer parce que les gens savent pas nécessairement tout le temps où est-ce qu'ils s'en vont.

David Beauchemin: C'est pas de leur peau.

François Lanthier Nadeau: Le marché va les éduquer, puis l'IOU...

David Beauchemin: Exactement. Mais nous, souvent, ce qu'on va essayer de donner comme orientation, c'est de dire, zut ! La recommandation, voici le genre de choses que j'ai besoin. La prédiction, voici le genre de choses que j'ai besoin pour être capable de le faire plus tard.

François Lanthier Nadeau: Ah, OK. Fait que toi, tu vas arriver...

David Beauchemin: Je donne des grandes lignes.

François Lanthier Nadeau: C'est ça. T'as des dimensions dans lesquelles, à travers ton SaaS, tu peux ajouter de la valeur. Exemple, les recommandations. Exemple, la prédiction.

David Beauchemin: Voici les genres de choses que je vais avoir besoin.

François Lanthier Nadeau: C'était bon.

David Beauchemin: Quand t'es rendu au moment que tu dis qu'est-ce que je vais laguer dans ma BD, pense à moi, puis moi, je vais être là, je vais dire, oh oui, ça, ça serait le fun. On sait pas comment on va l'utiliser, mais... Il y a plus de chances que ça, je vais en avoir besoin dans un an que le nom du client, mettons, ou telle information. Fait que moi, c'est ça qui m'intéresse. Par voici les genres de déclin. Souvent, c'est recommandation-prédiction. C'est les deux plus grandes lignes qui vont intervenir. C'est pas mal... Dans le produit, du moins. Dans le produit, du moins, c'est pas mal ça qui va arriver. Prédiction, c'est, mettons, combien de ventes que je pense que tu vas être capable de faire, des genres de trucs comme ça. Fait que si tu ne logues pas tes ventes que la personne fait, ben,

Participant 5: moi,

David Beauchemin: je ne peux pas rien faire, tu sais, jour 1. Fait que là, c'est de commencer à dire, OK, ben, on va commencer à logger ça. ou j'ai une plateforme, mettons, je vais reprendre Pascal, qu'est-ce qu'il avait dit, mettons. Moi, quand j'écoutais, il y a un truc qui me dit, je ne sais pas ce qu'ils font, moi, c'est juste, moi, la cloche qui a sonné, c'est de dire, OK, tu es une business qui vend un service de plein air. Donc, toi, tu veux maximiser le nombre de billets que tu vends, mais tu veux aussi que ça soit bien aligné avec ta logistique puis le fait que tu es gendarme d'employé, je peux gérer tant de personnes en même temps. Mettons qu'on prendrait le Mont-Tremblant. Mont-Tremblant, il y a tant de personnes, tant de secouristes qui se promènent en même temps, je peux gérer un maximum de 2000 personnes en même temps. donc moi je vais être le plus proche possible de 2000 mais je veux pas dépasser 2000 parce que 2000 ça devient un enjeu au niveau de la réglementation ou tout ça, fait que si j'arrive à 1999 c'est parfait, j'arrive à 2000 c'est encore meilleur fait que finalement si t'as une solution qui dit ok mettons on track tout ça, pis qu'on est capable de dire ok voici combien que t'as eu, voici combien tu as couru si t'as fait, ben je suis capable de me dire au jour 1 après ça je peux te monter une offre directement qui dit ben je vais essayer de prédire c'est quoi le meilleur prix, pis là tu peux embarquer dans l'élastique du prix etc tout ça pour essayer de faire en sorte que t'es tout le temps le plus proche du 2000 il annonce pas beau On va se connecter sur MétéoMédia. On va aller loguer les données historiques. On va coller ça. Du jour au lendemain, on va tout de suite collecter ça sur MétéoMédia avec le nombre de clients. Puis finalement, on va être capable de dire OK, voici le meilleur prix que tu aurais dû faire. Puis essayer de prédire. Puis après ça, souvent, on va faire un modèle qu'on va faire en parallèle. On va dire qu'on va laisser rouler ton modèle actuel. On va avoir un autre modèle. On va se comparer. Hey, vois-tu, la telle journée, mon modèle aurait prédit que j'aurais pu peut-être te vendre 15 de billets puis t'aurais fait 10 plus de ventes.

François Lanthier Nadeau: Ou réduire le staff, mettons. Exactement. C'est fucking sick, ça.

David Beauchemin: Puis ça, c'est vraiment... Tout ça est juste... Tu sais, jour 1, moi, je ne développe pas un modèle. Ce que je fais, stratégie. Je te montre c'est quoi tes problèmes. Puis je suis là pour t'accompagner, pour essayer de... Voici dans quoi on pourrait opérer qui serait pertinent. Puis pour moi, quand il a parlé de sa solution, pour moi, c'est une fonctionnalité qui serait super... Elle est longue à faire, par contre. Mais pour moi, ils ont tout en place pour être capable de se rendre là.

Participant 2: Très bien.

David Beauchemin: Puis...

Participant 2: Bien, on va y envoyer le pot.

David Beauchemin: Ça me ferait plaisir d'en discuter avec. Mais c'est vraiment... Puis il y en a d'autres ici. Il y en a d'autres que... Moi... un processus d'acquisition, moi, il y en a des SaaSes, souvent, je vais regarder cette web, je vais dire, pour moi, il te manque telle fonctionnalité, tu pourrais la faire. AccessFile. Tu checkes le... OK, vas-y. Bon exemple, AccessFile, moi, je l'ai appelé, je ne peux pas te donner les détails, parce que... Ben non, c'est bien clair. Je l'ai appelé, je lui ai dit, moi, je pense que tu pourrais acheter telle, telle, telle fonctionnalité, ça répondra à tel, tel, tel besoin d'affaires que tu présentes et qui est ton core business, puis je pense que ça serait vraiment hot. Ouais,

François Lanthier Nadeau: OK. Puis comment, mais... En tout cas, à toi de voir si tu peux mettre des détails ou pas, mais... Comment le monde... Mettons, moi, je ne te connais pas, là. pis là je gère Snip c'est du cold card c'est du gros cold card tu check mon site web pis tu m'appelles pis tu me dis hey tu pourrais faire tel genre de fonctionnalité je suis comme t'es qui toi genre what the fuck is going on comment le monde réagit à ça ben il y a

David Beauchemin: C'est un mix. En fait,

François Lanthier Nadeau: si c'est bien dit, bien présenté, je vais sûrement faire Ah, je n'ai pas plus le calme qu'un autre. Je vais écouter les...

David Beauchemin: C'est ça. Moi, c'est souvent ce que je vais dire. C'est vrai. Quand je vais prendre du temps à regarder un SaaS pour dire Je veux voir les fonctionnalités, je vais ajouter. C'est parce que je trouve que la solution est vraiment hot et elle répond à un vrai besoin.

François Lanthier Nadeau: Exact.

David Beauchemin: Moi, quand j'ai vu un accès fin ou que j'ai vu... Excuse-moi, j'ai oublié le nom de... Qui ? De Pascal, voyons.

François Lanthier Nadeau: Andorphine.

David Beauchemin: Andorphine. J'avais du coup un autre mot dans la tête. Pas trop. C'est vraiment hot. Pour moi, je monte en mode solution.

François Lanthier Nadeau: Ça porte.

David Beauchemin: Finalement, quand j'arrive, c'est la première chose. Pour moi, je trouve ça vraiment cool. Moi, je vois des opportunités que toi, tu n'as peut-être pas vues. Je ne sais pas si tu les as vues. Je pense souvent que la prémisse, je ne sais pas si toi, tu as vu ces opportunités-là. Moi, j'ai vu telle opportunité pour ta business. Tu veux-tu en jaser ?

François Lanthier Nadeau: C'est hot parce qu'il y a déjà de la valeur qui est ajoutée quand tu t'approches de moi. Tu ne fais pas juste arriver et dire, avez-vous pensé à utiliser l'intelligence artificielle et la prédiction ?

David Beauchemin: Ça demande plus de travail.

François Lanthier Nadeau: mais ça fait assez longtemps que je le fais que souvent je les vois assez rapidement ouais c'est ça tu sais mettons puis après ça c'est bien de crafter avec qu'est-ce qu'ils cherchent vraiment fait que tu sais des fois on va l'ajuster aussi au fil des discussions puis là ça s'est rendu où ils ont-tu du budget ils ont-tu genre mais je pense ce qui est intéressant aussi au niveau de l'IA l'intelligence artificielle c'est qu'il y a beaucoup de subventions il y a beaucoup de programmes qui t'aident à innover puis à implémenter des trucs fait que j'imagine que toi c'est quelque chose qui joue pour tes clients de temps en temps exactement quand il y a un appel à projet je décroche le téléphone pas mal ouais c'est ça

David Beauchemin: parce qu'il y a des appels à projets périodiques, je pogne le téléphone et j'appelle du monde.

François Lanthier Nadeau: C'est legit. C'est créatif.

David Beauchemin: C'est ça. C'est un processus d'acquisition de clients. C'est surtout lié au cycle de vente. Ce qu'on peut indiquer un peu. On a trois types de clients. Les clients qui sont les grosses corporations. C'est un an facile. Souvent, c'est des gros mandats. C'est super le fun. C'est des mandats très IA qui sont super intéressés à faire ça. On travaille beaucoup, nous autres, dans le domaine minier aussi. On a beaucoup appliqué en génie nos compétences. C'est super le fun, mais il y en a un an, puis je suis vraiment en train de closer les mandats et de faire de quoi qu'il se passe. C'est super le fun, qu'est-ce qu'on va faire, mais c'est long. Oui,

François Lanthier Nadeau: puis gérer ton cashflow sur des mandats qui closent juste un an.

David Beauchemin: Exact. Ce n'est pas le même game. On a un autre créneau qui est beaucoup plus service-conseil classique, genre des banques d'or, etc. C'est vraiment comme... C'est des gens soit qui reach out sur nous autres, soit qu'on les a interagis dans des événements réseautages, tout ça. Puis après, c'est l'autre qui est vraiment tout ce développement de solutions qui, là, bien, ça, c'est souvent, c'est un mix de tout ça qui va aboutir à ça. Puis souvent, c'est je suis pas le téléphone, j'appelle du monde. Les gens reach out sur nous autres. On reach out to them. Réseautage classique, là, de parler à du monde. Le WAC, pour vrai, nous autres, c'est une belle place pour échanger avec des gens. Puis ça amène souvent des bonnes idées de projets.

François Lanthier Nadeau: Je pense aussi qu'au WAC, il y a beaucoup de monde qui sont comme...

David Beauchemin: future-facing pis sont en mode comment on pourrait innover ou changer des trucs transformation numérique fait que c'est vraiment un bon mindset pour une offre comme la tienne plus que des trucs comme on est allé dans des salons comme salon connexion ou salon des trucs comme ça pis c'est souvent c'est du gros grinder grinder grinder c'est moins notre approche mettons c'est moins ce qu'on recherche on est plus on veut des relations authentiques avec les gens avec qui on travaille aussi

François Lanthier Nadeau: J'ai le goût de te dire, je vais t'expliquer rapidement comment on fait pour collecter de la data pour SaaS. C'est un clusterfuck. Spoiler alert, c'est un clusterfuck. Dans le fond, nous, ce qu'on veut faire, c'est amener le plus de SaaS, lister le plus de SaaS possible sur un répertoire en ligne qui est filtrable, cherchable, etc. Le but, c'est que des SaaS trouvent des paires, que des personnes trouvent des endroits où ils peuvent travailler, ou même que des fournisseurs, que ce soit des firmes comme toi ou des investisseurs, ou peu importe, plus... Trouver toute la gamme de SaaS qu'il y a à Québec, mais aussi juste donner des beaux profils de visibilité aux business SaaS qu'on construit au Québec. On a fait une étude du Total Addressable Market avec un ami qui est beaucoup plus chiffre, disons, puis statique que moi. On a pris des données sur les startups tech qu'on trouvait dans une base de données, une payante, mais tu peux avoir un free trial. Après ça, on a pris des données publiques d'une province qu'elle, elle avait de la data sur le ratio de SaaS versus d'autres affaires. On a... cross-reference ça, tout ça. Puis on est arrivé avec un total addressable market de 500 SaaS au Québec à 1500. Fait qu'on s'entend que notre range est un peu décollissant. Mais conservateur, mettons, je pense, je suis vraiment confiant que 500 SaaS au Québec, c'est réaliste. Fait que là, on a ça comme target minimum, mettons. Fait que là, après ça, on se dit, OK, il faut les lister, ces SaaS-là. Fait que là, bon, il y a des trucs comme Startup Montreal qui, eux, listent un paquet de SaaS qui sont dans la région de Montréal, mettons. Mais souvent, ils utilisent un outil qui est une genre de base de données un peu que tu peux embed dans ton site pour lister un paquet de SaaS. Puis souvent, ces outils-là sont buildés pour les investisseurs. Ça fait que ça se focus sur, genre,

David Beauchemin: mettons… La valeur du marché. Puis le growth rate. Les finances. Les torrents. Exact, exactement. Moi, ce qui t'intéresse, là.

François Lanthier Nadeau: Exact. Il y a des infos là-dedans intéressantes, mais il y en a que je m'en fous, que ce n'est pas pour ça que je build ça. Qu'est-ce qu'on a fait d'autre ? Ah, les investisseurs, les VC, ils ont des portfolios. Ils listent toutes les salles qu'ils investissent dedans. Mais là,

David Beauchemin: c'est plus du capital market qu'autre chose. Bien,

François Lanthier Nadeau: ça dépend. On a freestyler un paquet de trucs. Des fois, on faisait juste prendre toute l'HTML de la page, qui existe en chat du petit. J'ai un d'autre qui m'aide avec son pote. Il dit genre, sors-moi tous les noms et les URL. Ça marche. On a... pas tenté.

David Beauchemin: Tu fais du manual scraping.

François Lanthier Nadeau: Ouais, exact. Parce qu'il y a beaucoup de ces sites-là que justement, mettons, les Crunchbase de ce monde ou les autres, je pense que c'était Dealroom ou Dealroom je sais plus quoi. En tout cas, c'était pas facile à scraper. Genre, tu sais, c'était pas... Pis on est pas des devs, nous autres, SaaSpasse. En tout cas, pas encore.

David Beauchemin: T'as des solutions en SaaS qui se vendent de scraping ?

François Lanthier Nadeau: J'ai commencé à checker un peu, mais en tout cas...

David Beauchemin: Mais c'est tough, là, quand même. Scraping, c'est une grosse game.

François Lanthier Nadeau: C'est ça. Pis tout ça pour dire que un moment donné, justement, un pote qui m'aide là-dessus était comme, tu sais, dude, Il y en a que je peux juste rentrer à mi-tenne en monkey mode, puis ça va marcher. Fait que là, en monkey mode slash manuel scraping, comme je te parle, on a rentré 156 SaaS. Je suis vraiment content. C'est cool, il y a un beau... Puis on va chercher de la data précise. On va checker, mettons, c'est quoi les canaux marketing qu'ils utilisent. Sinon, on les outreach pour avoir de l'info. C'est quoi la stack qu'ils utilisent. Ils sont où ? C'est-tu remote ? C'est-tu fundé ou pas ? On essaie de monter des beaux profils. Mais d'autres, c'est tough à scaler. Puis je veux me rendre, mettons, aux 500, puis je suis comme, honnêtement, je ne sais pas comment. Là, je suis comme...

David Beauchemin: Mettons, la façon que je... Tu connais-tu GetApp ?

François Lanthier Nadeau: Ça sonne une cloche,

David Beauchemin: mais... C'est un site web, justement, qui comporte toutes les offres, SaaS, logiciel, de la troncure licence. Puis tu peux savoir c'est quoi les caractéristiques, tout ça. Puis eux autres, quand même, ils ont commencé ça au début. C'était vraiment un processus assez manuel, puis c'est les gros joueurs qui mettaient. Puis, ils ont des web scrapers qui vont chercher des infos à travers les différentes plateformes, tout ça, puis ils permettent de les comparer. Puis, c'est un peu comme j'ai tantôt le petit sucre. Tu sais, moi, la première fois que je suis tombé là-dessus, il n'y avait pas grand-chose. Je me suis dit que c'est nice, je peux comparer les solutions technologiques anti-slack, puis tout ça, puis ça va les différencier. L'information n'est pas toujours parfaite, mais c'est un bon point de départ de recherche. Fait que j'ai l'impression que là, tu en as 156. Tu te prends vraiment ton petit carré de sucre dans les mains, puis tu dois dire, hey, voici l'offre de service que je veux faire. Puis là, dire... Après ça, à un moment donné, ce serait plus facile si c'est les autres qui viennent s'ajouter, les 254 qui restent. Mais il faut que tu leur montres c'est quoi la valeur ajoutée de te rajouter sur ta plateforme. Je pense que, à mon avis, c'est que tu es assez en main pour faire ton...

François Lanthier Nadeau: J'ai des idées pour ça.

David Beauchemin: Tu as ton MVP présentement que tu es en train de concevoir. Puis d'un coup, tu vas avoir ton MVP, mais probablement que tu vas vouloir avoir un formulaire qui va te permettre de loguer les informations. Ils sont là. Bon. Tu as déjà une partie de ça, mais que les gens, naturellement, les SaaS vont vouloir être sur ta plateforme. Exact. C'est ça, ultimement, que tu veux pour te rendre de 156 à 1500. Parce qu'à la main, ça va être long. Parce qu'en fait, c'est que tu divises le travail. Parce que de faire des scrapers pour aller chercher chacun de tes restants, ça va te prendre autant de travail que juste prendre un humain et qu'il fasse du monkey. C'est comme un problème de... Ici, je ne pense pas qu'il y ait une solution technologique vraiment hot qui pourrait aller malheureusement. Mais je pense que la grande valeur, comme je te disais, c'est quoi tu veux faire et c'est quoi les données qu'on devrait loguer à travers. C'est quoi l'offre que tu veux faire. C'est pour moi qu'il y a une réflexion intéressante à aller chercher. pour être sûr que tu n'en fasses pas un autre 100 manuels, puis finalement, tu es obligé de refaire les 256 parce qu'il manque un point de données ou une information qui est vraiment importante. Puis, tu es comme, Arnaque, si ça va au début, on l'aurait fait, puis ça serait réglé.

François Lanthier Nadeau: Écoute, j'ai un paquet d'idées par rapport aux objectifs d'affaires qu'on veut accomplir avec ce répertoire de SaaS-là, puis comment on va incentiviser les gens à ajouter leur SaaS. Je ne suis pas encore rendu là. Puis, je ne veux pas faire le pas à propos de trop de SaaS-pass.

David Beauchemin: Mais il y a plein d'idées, juste pour mettre en clair. Pour le processus d'acquisition, je pense que le next step, c'est juste d'assurer que vos données sont dans des formats qui sont le fun. Pas dans un Excel, mettons.

François Lanthier Nadeau: On a un Airtable.

David Beauchemin: Un Airtable est déjà vraiment plus intéressant. En fait, là, c'est très techno. Pour moi, ça devrait être une MongoDB que vous devriez avoir derrière. C'est une approche par document.

François Lanthier Nadeau: Là, j'entends le budget.

David Beauchemin: Pas si t'as que votre vocale, une MongoDB.

François Lanthier Nadeau: Non, mais il faut quelqu'un qui est capable de l'opérer. Moi, je suis nul à chier là-dedans.

David Beauchemin: Je donne le cours de base de données 2. On pourrait regarder ça. Oui,

François Lanthier Nadeau: c'est bon.

David Beauchemin: Je pourrais en parler avec un étudiant, qui pourrait être intéressé de le faire pour toi pendant le cours en même temps.

François Lanthier Nadeau: Je crois que ça pourrait être malade.

David Beauchemin: Ça pourrait être pas pire.

François Lanthier Nadeau: On s'en reparle.

David Beauchemin: Puis parce que même, tu préfères une base, parce que je montre plusieurs types de bases données. Là, je fais un aparté, je vais à mon cours en même temps, mais on fait des bases données par graphes aussi. Fait que tu pourrais même les mettre en relation auxquelles, disons, auxquelles SaaS qui pourraient bien jouer ensemble ou qui jouent ensemble les acteurs similaires ou les parts de marché.

François Lanthier Nadeau: Ah oui, oui.

David Beauchemin: Fait qu'il y aurait probablement une création qui pourrait vraiment être intéressante qui pourrait faire l'objet d'un TP, mettons, qui pourrait intéresser des équipes.

François Lanthier Nadeau: Sam, je mets des bookmarks dans ma tête.

David Beauchemin: On s'en reparle.

François Lanthier Nadeau: Si tu avais un conseil à donner au fondateur SaaS ce serait quoi ?

David Beauchemin: Bon, je pense que c'est classique. Le data, c'est important, mais le data, c'est important si c'est aligné avec tes objectifs d'affaires. Puis moi, c'est vraiment là que je martèle tout le temps.

François Lanthier Nadeau: C'est parce que ça te force à réfléchir aux deux, collecter, nettoyer ta data,

David Beauchemin: mais c'est quoi tes objectifs d'affaires ? C'est quoi tes objectifs ? Puis si tu domines le monde ou si tu veux juste dire, ma solution, je vais en avoir 100, 100 000 clients cette année. Peu importe c'est quoi, puis la data est là pour aller atteindre tes objectifs-là.

François Lanthier Nadeau: Là, tu as mentionné cours, je donne un cours de travail pratique, ça m'a trigger mon PTSD du cégep et de l'université. Mais tu es prof à l'Uni.

David Beauchemin: Oui.

François Lanthier Nadeau: En plus que tu es en train de finir un doc.

David Beauchemin: Yes.

François Lanthier Nadeau: En plus que tu gères une business.

David Beauchemin: Yes.

François Lanthier Nadeau: Cutting edge. What the fuck ? Comment tu fais pour faire tout ça, man ?

David Beauchemin: Une grande discipline, je pense. Oui. C'est des années d'entraînement aussi. J'ai commencé il y a longtemps. En fait, moi, depuis que je suis à l'université, je me vois comme un travailleur autonome.

François Lanthier Nadeau: OK, intéressant.

David Beauchemin: Moi, ma perspective, c'est que les gens, quand ils viennent me voir ou que les entreprises, ce qu'ils veulent, c'est mon cerveau. C'est ce que j'ai développé là-dedans. Pour moi, c'est un bien qui est commercial. C'est un peu bizarre comme perspective, mais il y a David, puis il y a David d'un point de vue commercial. C'est ça que je vends. C'est ça mon offre de service, moi, en tant qu'individu. Puis que sur le marché, j'arrive à faire des trucs, tout ça. Moi, j'ai vraiment un mindset là-dessus. Je suis très curieux. J'aime ça apprendre. J'ai vraiment développé beaucoup des méthodes de travail. Il y a beaucoup de livres que j'ai lus, entre autres, pour essayer d'apprendre des autres. Deep Workleap entre autres, de Cal Newport.

François Lanthier Nadeau: Très intéressant.

David Beauchemin: Il y en a plein d'autres que je pourrais donner. Art of Learning aussi. C'est un gars qui est venu champion des chefs au monde et champion de Tai Chi en même temps. Deux semaines après, j'ai que j'ai à j'ai deux semaines, mais c'est à peu près ça. Tout ça a vraiment montré des trucs qui m'ont permis... Oui. Moi, je suis vraiment dans la règle 80, voyons, en général. 80 des résultats pour 20 des efforts. Puis, choisir les moments où j'interviens de manière adéquate, plus en profondeur, vers le 100 je ne peux pas faire ça au quotidien. Quand je gère de la comptabilité, j'ai déjà des trucs que je fais, mais je n'ai pas besoin d'aller à 100 d'être sûr et de fignoler tout ça. Je reste perfectionné sur beaucoup d'enfer et j'ai des pets de pivs vraiment majeurs. Moi, le souci du détail d'un document, pour moi, c'est... Je suis très, très, très piqui. Mais tous les documents que j'envoie, Il faut que ce soit clean, clean, clean, clean, clean, clean, clean, clean. J'écris bien, mais je fais quand même des faux. C'est ça, mon talon d'Achille, mettons. Mais pour le reste, je suis très, très, très souci du branding quand même, qui est assez présent. Tu sais, nous autres, la première chose qu'on a faite, c'est un branding. Puis c'était très annulé dans notre vision. Puis après... C'est-à-dire le color scheme, la fun, c'est bold. JCL, piqueur.ca. Bien, en fait, c'est un ami aussi. Puis pour vrai, incroyable qu'est-ce qu'il a fait pour nous autres. Vraiment le fun. On était dans ses premiers clients, en plus. comme ça c'est pas le fun tout ça pour dire je fais pas nécessairement des grosses semaines là oui c'est dans ça un petit peu plus j'essaie de plus d'accélérer mon dog j'accélère le tempo mais en général je suis autour de on dirait que je mange à chaque fois je dis 50 mais je vais être autour de 50 j'arrive à rentrer ça 50 sur 5 jours j'essaie de pas travailler la fin de semaine c'est vrai que je fais des grosses journées quand même longtemps assis j'ai différents mécanismes je fonctionne beaucoup par la pression donc pas nécessairement d'attendre la dernière minute mais comme de mettre beaucoup de choses en même temps et que je n'ai pas le temps de niaiser. Moi, c'était vraiment ça. Je n'ai pas le temps de niaiser, mais j'ai quand même le temps, j'ai quand même des temps dans mon horaire pour laisser un peu de créativité et de la flexibilité dans tout ça. C'est une prouesse. Je n'ai pas d'enfant, ça aide aussi, on va se le dire. Ça aide beaucoup. Le cours, pour moi, il y a beaucoup d'étapes qui sont automatisées. J'ai automatisé beaucoup de choses dessus. La correction, il y a des gens qui corrigent pour moi, mais les parties qui se préparent Il y a des trucs que je corrige automatiquement. Puis, dans le business, je ne fais pas de code, comme je disais. C'est moins time-consuming que ce que je fais finalement. C'est plus de rencontrer des clients, faire des démarchages, des trucs comme ça, qui se placent à travers dans un horaire qui est plus la relation humaine, finalement, que j'essaie de travailler beaucoup plus. Pour moi, c'est une force quand même. Ça fait que c'est facile, ça fait que c'est naturel. Puis, je suis quand même assez bon pour improviser. Je n'ai pas pensé à ce que j'allais dire aujourd'hui. Pour moi, c'est quelque chose qui est assez naturel de juste interagir. Ça l'aide beaucoup. Le doctorat, je n'ai pas trouvé ça si difficile que ça. Ça a bien été. Je pense que j'ai été chanceux. J'ai rapidement trouvé un bon sujet. C'est niche. Ça marche bien. Ça a bien avancé. Les deux premières années, c'était plus slow. Je n'étais pas sûr que je l'aurais resté. J'ai fait trois mois en Espagne. Ça a super bien fonctionné. En trois mois, j'ai une thèse à moitié écrite.

François Lanthier Nadeau: Très cool.

David Beauchemin: C'est un peu ça, prendre du recul. Très bonne méthode, j'utilise aussi. Marcher, courir, whatever, pour moi, c'est un incontournable. Flatter mon chat. C'est ça.

François Lanthier Nadeau: Pour finir un petit peu, qu'est-ce qui se trouve le plus tough et qu'est-ce qui se trouve le plus le fun dans ta business aujourd'hui ?

David Beauchemin: Je vais commencer par la chose qu'on a le plus sous-estimée, c'est la gestion financière. Les cash flows. Genre, nous autres, on se disait, on était très utopique. On avait une capitalisation qui était au début pas vraiment énorme. Ça va être correct. On n'a pas besoin d'ordi, on n'a pas besoin de bureau, de santé de travail. On était vraiment dans le champ. C'est vraiment, vraiment. Fait qu'on a vraiment ajouté le tir par rapport à ça et on a développé une culture un peu plus sur justement la gestion financière, la gestion des caches noires, avoir un meilleur insight là-dessus. Mieux comprendre aussi, tu sais, combien ça coûte vraiment un employé. On s'est fait des fichiers de fichiers Excel qui est comme quand je mets un salaire de temps, c'est quoi la charge sociale. Tu sais, c'est basic stuff, mais tu sais, c'est comme, ah ben oui, j'aurais dû penser à ça avant. Ça a l'air obvieux puis tu sais, toute la partie administrative aussi, c'est poche. Faire remplir le rejeté d'entreprise du Québec, faire des... tous ces cossins-là. Nous autres, il y a beaucoup de trucs qu'on a commencé à sous-traiter, en fait, parce que ce n'est pas notre core business. Je comprends. Oui, c'est ça. Le marketing, pour moi, ce n'est pas ma force, ce n'est pas notre force personne. On l'a sous-traité et on cherche juste quelqu'un qui fait le bon job.

François Lanthier Nadeau: Pourtant, justement, tu es game de prendre le headphone, tu parles bien en public, tu fais des events.

David Beauchemin: Ça, oui, mais faire des pauses sur les réseaux sociaux au zéro. Ok, c'est pas ça. Je vais reprendre ma phrase, tu as raison. de pause pour moi. Je suis à chier là-dedans. Ça ne marche pas. Je n'ai pas ce touch-là. Je suis capable de voir quelque chose que je trouve bon, mais je ne suis pas capable de me rendre à l'étape de faire quelque chose qui est bon. Puis, qu'est-ce qui est le plus fun pour vrai pour nous autres à la base, on a parti ça, c'était juste une gang d'amis qui voulait travailler ensemble et c'est encore une gang d'amis qui travaille ensemble. Pour moi, c'est quand même quelque chose que je veux vraiment garder. Je parle à mes collègues à peu près tous les jours. Pour moi, c'est tous des amis encore et je veux que ça reste comme ça. Pardon ? ça a une grosse valeur ouais vraiment c'est tous des gens avec qui j'ai envie de travailler ça c'est hot pis que là on est comme on aimerait ça peut-être même travailler en bureau ensemble on est rendu à se poser la question parce qu'on aime on aime ça interagir ensemble mais là c'est juste comment tu places ça c'est un projet sur 4 ans le bureau là à peu près on va sûrement faire construire quelque chose pis il y a une coopérative d'habitation là-dedans c'est un gros projet avec d'autres coopératives pis tout going full hippie On va être une gang, on va avoir notre kombucha sur place, on va avoir un petit logo de Stalingrad en haut. Avec un livre de Market un peu partout.

François Lanthier Nadeau: Blague à part, c'est fucking sick comme projet, je trouve. J'ai hâte de voir comment ça va évoluer.

David Beauchemin: C'est un gros projet d'envergure, il est sous le back burner pour l'instant. Là, c'est plus de réunir les acteurs autour de la table puis monter finalement tranquillement le dossier. Moi, ce qu'on me dit, c'est un 3 ans à peu près, monter un dossier. Ça fait que c'était un an pour tout préparer. Puis 3 ans vraiment à dire, OK, bien là, on est rendu à l'étape de trouver un entrepreneur, trouver ci, trouver ça. Soit que c'est une nouvelle construction ou une construction qu'on rénove.

Participant 6: Oui.

David Beauchemin: Ce n'est pas clair encore. Mais l'idée, c'est vraiment d'avoir comme un genre de 50, whatever le nombre de logements qu'il va y avoir à ça, puis des bureaux locatifs. Puis tout ça, ça va être aidé par des coopératives.

François Lanthier Nadeau: Wow. Oui. Ambitieux, original. J'ai hâte de voir ça. Écoute, on a lancé un paquet de perches de... Solution potentielle de opportunité qui remporte avec l'intelligence artificielle. J'ai le goût de te faire des shameless plugs. Baseline. Si le monde veut avoir le site web. Tu as un podcast aussi ?

David Beauchemin: Yes, Open Large Podcasts.

François Lanthier Nadeau: Parfait, on va pouvoir mettre ça en show notes. Le monde, tes DMs sur LinkedIn.

David Beauchemin: C'est la meilleure place. Pas Instagram, désolé. Facebook à peine. LinkedIn, c'est le best.

François Lanthier Nadeau: Le monde peut glisser dans tes DMs. Sinon, David. point beauchemin at baseline point Québec.

David Beauchemin: Exactement.

François Lanthier Nadeau: Doud, j'ai appris beaucoup. Ça m'a allumé beaucoup de lumière. Merci, man, pour ton temps, ton knowledge.

David Beauchemin: Merci à toi de m'avoir reçu.

François Lanthier Nadeau: On dit