Florent Salettes — CV (PDF)

Profil

Product Manager Data & IA en SaaS B2B, à la croisée du business et de la technique. Curieux, autonome et à l’aise sur les produits à construire comme à faire évoluer. Mon terrain de prédilection : les data & AI products, les API/MCP et la gouvernance qui rend la donnée exploitable par les applications et les agents.

Hands-on, de la discovery et de la product strategy jusqu’au SQL. L’IA fait partie de ma manière de travailler autant que de ma réflexion produit : je l’utilise, j’expérimente et je l’intègre lorsqu’elle crée une valeur réelle pour les clients.

Mon objectif : construire des produits adoptés par les clients et générateurs de revenu et de croissance pour l’entreprise. 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 : SQL, dbt, Azure API Management, Developer Portal, Application Insights, Postman, Bruno, Power BI, Power Automate, Azure DevOps, Notion, Claude Code, Serveurs MCP, LangGraph, GitHub Actions. Français langue maternelle, anglais C1.

Expérience

Opsealog

02/2022 – aujourd’hui

SaaS B2B, offshore maritime performance — Marseille | Rattachement CPTO | En interface avec une squad data de 5 personnes | 350 navires, 8 clients (majors pétrolières)

Product Manager Data & IA

05/2025 – aujourd’hui

Product Owner Data & Analytics

02/2022 – 04/2025

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 5 endpoints 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 qualitative de 90 %, réponse en 2-3 minutes, erreurs classifiées, coûts monitorés. Déployé en production, actuellement en phase de test interne : shadow testing conservant le traitement humain de référence, sur un panel transverse de 10 utilisateurs, avant ouverture aux clients.
Gouvernance data et semantic layer : utilisé la sortie du legacy — migration vers dbt, architecture médaillon — pour définir avec les métiers le modèle de gouvernance des données et introduire une semantic layer commune. Responsable fonctionnel des contrats de données entrants et sortants, des définitions métier, de leur cycle de vie et des standards de qualité. Cette couche alimentera l’exposition MCP et l’agent d’analytics.
Moteur de décision événementiel : conçu un moteur paramétrable de qualification, de scoring et de déclenchement d’actions, confié aux équipes métier pour réduire l’inefficience interne : contacts, relances et escalades automatisés. Prototypé seul une première version, testée en conditions réelles sur l’ensemble de la flotte, avant son industrialisation par l’équipe technique et son extension à d’autres usages.
De l’abaque au modèle prédictif : défini le PRD et l’architecture cible d’un modèle de machine learning destiné à remplacer des abaques maintenus manuellement et non scalables. Exploité plus de dix ans de données pour construire le dataset et sélectionner les variables, fixé un objectif de fiabilité à 95 %. Projet validé sur le principe par la direction, soumis à arbitrage budgétaire avant lancement.
Offre IoT en partenariat : construit l’offre de valeur autour de l’intégration de données issues de capteurs embarqués, en partenariat avec un fabricant : évaluation des fabricants, définition du modèle d’intégration dans la chaîne de valeur, conception de l’offre avec l’équipe business. Lancé un PoC portant sur 25 navires.
Delivery analytics : construit et maintenu des datasets et produits analytiques utilisés en self-service par les équipes internes et les clients. Piloté la roadmap et le delivery analytics en Agile Scrum. Géré le budget data et la relation commerciale avec les fournisseurs de données.

Césure professionnelle et projet de mobilité — La Réunion

10/2020 – 02/2022

Teamwill Consulting

01/2015 – 10/2020

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

Product Lab — harness de prototypage assisté par IA — Chaîne allant de la spécification Markdown au prototype déployé : découpage en issues de développement, publication sur GitHub, CI/CD et déploiement sur image Docker. Permet de passer d’une idée à un prototype fonctionnel sans mobiliser d’équipe technique.

Moteur de qualification d’opportunités produit — Extraction structurée multi-sources, scoring assisté par IA, validation humaine explicite avant écriture. Stack Claude Code, serveurs MCP, API Groq.

Hermes — assistant personnel auto-hébergé — Assistant hébergé sur Raspberry Pi, interface déployée sur Vercel derrière Cloudflare.

Profil

Compétences

Expérience

Projets personnels

Formation