Florent
Salettes
Product Manager Data & IA
Lecture 30 secondes
Le dashboard figé a fait son temps. La restitution de la donnée devient dynamique.
Product Manager Data & IA en SaaS B2B, de la stratégie d’offre jusqu’au SQL. Rattaché au CPO chez Opsealog : 350 navires, 8 clients majors pétrolières.
Quatre choses à retenir
Parcours
Profil
Product Manager Data & IA (SaaS B2B), à la croisée des enjeux business et techniques. Ma conviction : le dashboard figé a fait son temps. La restitution de la donnée devient dynamique — livrer à chaque consommateur, utilisateur, application ou agent IA, une recommandation ciblée plutôt qu’un tableau à interpréter. De la stratégie d’offre jusqu’au SQL : data governance, data contracts, semantic layer, API + MCP, agents IA. Anglais C1.
Compétences
Product management
Product vision, product strategy, Product Canvas, value proposition, North Star Metric, product discovery, customer interviews, Voice of Customer, qualification d’opportunités, prototypage et expérimentation, roadmap, priorisation par la valeur, business cases et ROI, pricing et packaging, go-to-market, sales enablement. Product delivery : pilotage end-to-end.
Data & IA
Data product management, data platform, architecture médaillon, data governance, data contracts, data quality, semantic layer, data sharing et data monetization, API product design, data readiness for AI, AI product governance et évaluation — shadow testing, human-in-the-loop —, agents IA, MCP.
Outils
Français langue maternelle, anglais C1.
Expérience
Opsealog
SaaS B2B, offshore maritime performance — Marseille | Rattachement CPO | Squad data de 5 personnes | 350 navires, 8 clients (majors pétrolières)
Titre contractuel : Product Owner Data & Analytics
- Product discovery et arbitrage : conçu et déployé le framework en amont de la roadmap : 7 canaux de collecte, environ 200 signaux clients et métier découpés atomiquement, regroupés par convergence en insights pondérés, puis convertis en une vingtaine d’opportunités qualifiées pour arbitrage en Comité Offre. Devenu le point d’entrée unique de la roadmap.
- Data product API-first et monétisation : défini, lancé et commercialisé un data product donnant accès aux données de 150 navires à travers une dizaine de datasets exposés via API et MCP, pour une consommation par des applications, des équipes clientes et des agents IA. Structuré le modèle d’abonnement, la gouvernance, les contrats d’interface, le versioning, les modalités d’accès et l’onboarding. Commercialisé en upsell auprès de deux clients et utilisé en production.
- Agent IA d’analytics self-service : porté un agent interrogeable en langage naturel restituant texte, tableau ou graphique sur les données opérationnelles. Défini les capacités et les cas d’usage prioritaires, organisé la validation métier, suivi les indicateurs produit : taux de réponse 95-100 %, réponse en 2-3 minutes, erreurs classifiées, coûts monitorés. Déployé en production mais maintenu volontairement en test interne : shadow testing conservant le traitement humain de référence, sur un panel transverse de 10 utilisateurs, avant toute exposition client.
- Gouvernance data et semantic layer : défini le modèle de gouvernance des données de la plateforme avec les métiers, architecture médaillon et migration dbt. Responsable fonctionnel des contrats de données en entrée et en sortie, des owners métier des définitions, de leur cycle de vie et des standards de qualité. Structure une semantic layer AI-ready qui alimentera l’exposition MCP et l’agent d’analytics.
- Automatisation métier : conçu et développé seul un moteur de qualification, scoring et déclenchement d’actions automatisant contacts, relances et escalades. Utilisé en conditions réelles par les équipes métier sur toute la flotte, avec des contrôles pluriquotidiens sur 3 mois. Repris ensuite pour d’autres usages.
- Refonte des modèles de prévision de consommation carburant : défini le PRD et l’architecture cible après un incident client mettant en cause leur fiabilité. Exploité plus de 10 ans de données pour construire le dataset et sélectionner les variables, fixé l’objectif de fiabilité à 90 % et aligné la direction. Mené avec une squad data de 5 personnes.
- Intégration de données capteurs embarquées : produit le benchmark des fournisseurs et défini le modèle d’intégration porté dans une réponse à appel d’offre — 25 navires potentiels, offre commerciale modélisée avec l’équipe business.
- Analytics et pilotage : construit et maintenu une dizaine de datasets analytiques exploités en self-service par les équipes internes et les clients. Refondu le moteur de règles métier, d’un legacy SQL dispersé vers un moteur centralisé et paramétrable. Piloté la roadmap data en Scrum et la relation contractuelle avec les fournisseurs de données externes.
Teamwill Consulting
Cabinet de conseil
- Chef de projet digital — mission Ma French Bank (04/2019 – 10/2020) : lancement de l’offre Crédit Renouvelable côté métier, de l’expression de besoin à la validation des livrables. Parcours de souscription et de tirage, analyse du funnel de souscription.
- Product Owner — mission GE Money Bank (11/2017 – 01/2019) : applicatif métier de titrisation. Product delivery en Agile Scrum : roadmap, product backlog, nouvelles fonctionnalités et nouveaux types d’opérations.
- Chef de projet AMOA — mission GE Money Bank (12/2015 – 11/2017) : applicatif métier d’opérations financières de titrisation. Conception fonctionnelle complète, spécifications et pilotage des tests jusqu’à la mise en service. Forfait en cycle en V.
- Consultant AMOA — mission GE Money Bank (01/2015 – 08/2015) : formalisation du besoin métier, de la solution fonctionnelle et des flux inter-applicatifs, en avant-vente.
Projets personnels
Moteur de qualification d’opportunités produit assistée par IA : extraction structurée multi-sources, scoring, validation humaine explicite avant écriture. Stack Claude Code, serveurs MCP, API Groq.
Formation
Ingénieur généraliste — Arts et Métiers ParisTech (ENSAM), Paris