Clef de voûte

Receive the key takeaways from this episode in my newsletter "How they Build"
And for a free 30-minute Product audit, book a call with Stellar.
--
User feedback is overrated.
AI is nearly useless for the hardest part of product work.
These are two of the arguments Luba Vyaznikova makes in this episode.

Luba is Head of Product at Timeleft, a social product built around a simple idea: two clicks, and tomorrow evening you're sitting at a dinner table with 5 strangers who want the same thing as you.
Timeleft now runs in 60 cities around the world.

Before Timeleft, Luba spent years at Bumble and Badoo, two of the largest social products in the world.
She has seen the same product problems play out over and over, and she's built strong, contrarian views on how to navigate them.

If you're a Product Manager, CPO, or founder building a consumer product, this conversation is for you.

A few of the questions we tackle:
Why is treating user feedback as gospel a beginner's mistake?

How do you measure success when the value happens between people?

Why did every new PM at Badoo want to remove a 40% revenue feature?

Where does AI help in product work, and where doesn't it?

What's the difference between individual and institutional AI?

Enjoy the episode.

---
[00:00] Introduction
[02:06] What Timeleft is really building
[04:30] Ecosystem thinking in social products
[07:55] Bumble : more than "women message first"
[09:47] How to measure success in a social product
[14:20] The metrics beyond experience score
[17:42] Reading emotional user feedback
[19:36] Bringing back angry users
[23:55] The Emirates first-class analogy
[29:25] Retention in B2B vs B2C
[30:54] Why user feedback is overrated
[34:05] The Badoo feature every PM wanted to remove
[41:39] The BlaBlaCar analogy
[43:49] Why AI can't help with product decisions
[48:31] Where AI actually helps at Timeleft
[52:34] The new bottleneck in Product teams
[54:50] Individual AI vs Institutional AI
[59:30] Why AI won't transform companies overnight
---

💥 To support the podcast:
1. Subscribe so you don’t miss an episode 🔔
2. Leave a great review on Apple Podcasts or Spotify ❤️
3. Join the YouTube channel

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Clique ici pour recevoir ma nouvelle newsletter "How They Build"
Et pour un audit Produit 30 min (gratuit), prends RDV avec Stellar.
---
Comment ton produit doit-il évoluer pour les agents IA ?
C'est la question que toute boîte tech va devoir se poser dans les mois à venir.
Et chez Stripe, ils sont déjà en train d'y répondre.

Le trafic des LLM sur leur documentation a fait x5 en 2025, puis x10 en 2026.
Aujourd'hui, leur documentation est plus lue par des agents que par des humains.

Quand tu sais qu'1,6 % du PIB mondial e-commerce transite par Stripe, ce qui se construit chez eux en ce moment va impacter tout l'écosystème.

Pour décortiquer comment Stripe se prépare à ce nouveau monde, mon associé David a reçu Arielle Le Bail, Head of Product chez Stripe pour la France, l'Europe du Sud et le Benelux.

Ce qui est hallucinant, c’est qu’Arielle s'est absentée 5 mois entre octobre 2025 et mars 2026, et à son retour, elle a vu un avant-après radical dans son métier de Product.

Si tu es CPO, Head of Product, fondateur tech ou e-commerce leader, cet épisode est pour toi.

Quelques-unes des questions abordées :
Comment se préparer à l'arrivée des agents IA dans son business ?

Comment passer de User Experience à Agent Experience ?

Comment le métier de Product Manager va-t-il évoluer avec l'IA ?

Comment industrialiser l'usage de l'IA dans une grosse équipe Product ?

Bonne écoute.
---
[00:00] Introduction
[01:41] Welcome au Stripe Tour Paris
[03:00] Le parcours d'Arielle chez Stripe
[05:05] 300 PMs chez Stripe
[08:19] La doc plus lue par les agents
[09:47] Le futur du e-commerce agentique
[15:48] La chaîne de valeur Stripe
[18:02] Stripe Project pour les agents
[19:57] Le Machine Payments Protocol
[21:41] Devenir agent-ready
[24:39] De l'UX à l'AX
[26:51] Le studio de prototypage
[29:21] La revanche des Product Manager
[31:39] Le Product Cycle avec l'IA
[34:05] L'interface conversationnelle
[37:24] Le message aux Product
[38:58] Le message aux CEO
---
💥 Pour apporter ton soutien au podcast : 
1. Abonne-toi pour ne rien manquer 🔔
2. Laisse un super avis sur Apple podcast ou Spotify ❤️ 
3. Rejoins la chaîne Youtube

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Clique ici pour recevoir ma nouvelle newsletter "How They Build"
Et pour un audit Produit 30 min (gratuit), prends RDV avec Stellar.
---
Alan, a fait une des transformations IA les plus avancées qu'on puisse observer dans la tech française.

800 personnes qui utilisent l'IA tous les jours.
Plusieurs centaines de pull requests en production écrites par des designers, des PMs et des ops.
Toute la codebase ouverte à la boîte via une initiative interne baptisée "Everyone Can Build".

Pour découvrir comment ils en sont arrivés là, j'ai reçu Alexandre Gerlic, VP Engineering chez Alan.
Il a rejoint la boîte en 2019 quand l'équipe tech faisait 20 personnes et chapeaute aujourd'hui plus de 100 ingénieurs.

Ce qui rend Alan particulier, c'est qu'ils ont démarré leur transformation IA avant la démocratisation de l'IA générative.
3 ans plus tard, ils construisent leurs propres outils internes.

Si tu es VP Engineering, CTO, CPO ou fondateur tech et que tu te demandes par où démarrer ou comment accélérer ta transformation IA, cet épisode est pour toi.

Quelques-unes des questions abordées :

Par où commencer une transformation IA dans ses équipes ?

Comment ouvrir sa codebase à des profils non-techniques ?

Comment construire sa propre stack IA interne ?

Faut-il poser des métriques IA dès le début ?

Quelle est l'erreur principale à éviter dans une transformation IA ?

Bonne écoute.
---

[00:00] Introduction
[02:17] Le pitch d'Alan
[05:01] De 20 à 100+ ingénieurs
[06:39] L'IA chez Alan dès le day one
[08:14] Le Slack bot marmotte
[14:47] Les "champions" en interne
[15:49] Ouvrir la codebase à tous
[18:26] Le lancement d'Everyone Can Build
[27:04] Pourquoi Alan a refusé Lovable
[30:31] Construire ses propres outils
[37:09] Hopper, l'outil interne
[41:58] Construire à 2 au lieu de 4
[43:49] Le nouveau goulot : la code review
[48:41] L'approche métriques d'Alan
[54:02] Les Skills, le shift récent
[58:57] Les obstacles rencontrés
[01:04:51] Le nouveau process de recrutement
[01:07:11] Le conseil pour démarrer
[01:09:12] L'erreur à éviter
[01:10:27] Aux ingénieurs sceptiques

---
💥 Pour apporter ton soutien au podcast : 
1. Abonne-toi pour ne rien manquer 🔔
2. Laisse un super avis sur Apple podcast ou Spotify ❤️ 
3. Rejoins la chaîne Youtube

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Clique ici pour recevoir ma nouvelle newsletter "How They Build"
Et pour un audit Produit 30 min (gratuit), prends RDV avec Stellar.
--
Comment on transforme vraiment une organisation Product pour la rendre AI-Native ?

Il y a quelques semaines, j'ai animé une table ronde sur ce sujet à La Product Conf, la plus grande conférence Product en France. Sur scène, j'ai invité 3 Product Leaders venus de trois entreprises à des stades radicalement différents :
Christopher Parola, CPO chez Youtrust (ex-Yousign). 200 personnes dont 90 en Product & Engineering, en transformation depuis 1 an et demi.

Justine Poggi, VP Product chez Weglot. 70 personnes dont 20 en Product & Tech, en transformation depuis quelques mois.

Florian Cordel, VP Product chez Cegid. 6000 personnes dont 2000 en R&D, en transformation depuis 2 ans.

Une discussion honnête, où chacun partage ce qui a marché, ce qui ne fonctionne pas, et ce qu'on découvre vraiment quand on essaie de reconstruire son équipe autour de l'IA.
Si tu es CEO, fondateur, CPO ou Head of Product et que tu te demandes par où démarrer ou comment accélérer ta propre transition, cette discussion est pour toi.

Quelques-unes des questions abordées :
Pourquoi 80% du code généré par IA ne fait pas x5 sur la productivité ?

Qui devient le goulot d'étranglement au sein de l'équipe produit ?

Pourquoi le format "2h IA / semaine" ne marche pas ?

Pourquoi monter une "AI Team" séparée a échoué chez Cegid ?

L'erreur principale à éviter lors d'une transformation IA ?

Bonne écoute.
---
💥 Pour apporter ton soutien au podcast : 
1. Abonne-toi pour ne rien manquer 🔔
2. Laisse un super avis sur Apple podcast ou Spotify ❤️ 
3. Rejoins la chaîne Youtube

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Receive the key takeaways from this episode in my newsletter "How they Build"
And for a free 30-minute Product audit, book a call with Stellar.
--

Make scaled its revenue and customer base by 50% in one year without hiring more people.
I wanted to understand what actually changed inside the company, so I invited Fabian Q. Veit, CEO of Make.com.

Make is a visual platform used by hundreds of thousands of companies to build and manage automations and AI agents. But beyond the product, Fabian has been rebuilding the way Make operates internally with AI.

He also sees how thousands of companies are trying to do the same: what works, where teams get stuck, and why some AI projects never create real impact.
This conversation is for CEOs, CPOs and founders who are trying to figure out where to actually start with AI inside their company.

Fabian shares the framework he uses with leaders in the first 30 days of an AI transformation, the operating model that helped Make grow without growing the team, and why the companies making progress with AI are not always the ones hiring the most AI experts.
They are the ones changing how work gets done.

We get into questions like:
What AI-first really looks like

Why AI projects fail early

Where CEOs should start with AI

How to justify AI investment

What stays human vs automated

Leading a company run by agents

Enjoy the episode.

---
[00:00] Introduction
[01:58] What Make does
[04:16] The biggest AI transformation mistake
[06:49] Top-down vs bottom-up adoption
[09:07] Justifying AI investment without clear ROI
[13:02] Why everyone flipped on AI
[15:12] Skill, will, environment
[18:08] How Make uses its own product
[21:26] A marketer builds her own agents
[23:12] Engineering at Make in 2026
[25:35] The "Triple A" framework
[26:52] 50% bigger, same team
[27:53] Real use cases: Celonis and a bank
[30:54] What to automate, what to keep human
[32:35] From doer to orchestrator
[34:40] The AI jobs debate
[38:36] Make's evolving value proposition
[43:35] The future of triggers
[46:28] Positioning in a crowded landscape
[49:38] Can product still be a moat?
[52:44] The OpenAI consulting move
---

💥 To support the podcast:
1. Subscribe so you don’t miss an episode 🔔
2. Leave a great review on Apple Podcasts or Spotify ❤️
3. Join the YouTube channel

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.