Candidature POP France

Kevin Blettner

Lead IA & Automatisation

kevin.blettner@email.com06 00 00 00 00Reichstett / Grand EstCDI - disponibilité 3 mois

Un profil hybride pour faire passer l'IA du test à l'usage

Ce que j'apporte à POP : une capacité à comprendre vite un besoin métier, prototyper une solution utile, connecter les bons outils et accompagner les équipes jusqu'à l'adoption réelle.

Après avoir construit seul Champisphère, en faisant pousser des champignons en Lorraine, j’ai envie de retrouver une vraie ambiance de travail : des collègues, du challenge, de l’exigence partagée et un impact concret sur les équipes.

Posture différenciante

Chef d’orchestre d’agents IA

Les agents IA sont devenus assez bons pour chercher, comparer, coder, rédiger, contrôler et synthétiser. La différence se fait désormais sur la capacité à cadrer plusieurs agents en parallèle, à confronter leurs sorties et à transformer ce travail distribué en décision fiable.

Limite réelleLe budget de crédits API, pas la capacité à imaginer ou piloter les workflows utiles.

Orchestration agentique

  • Décomposer un objectif métier en agents spécialisés : recherche, extraction, rédaction, contrôle qualité, code, synthèse.
  • Lancer plusieurs agents en parallèle, comparer leurs sorties, repérer les angles morts et consolider une réponse exploitable.
  • Arbitrer le bon niveau de dépense : qualité attendue, temps gagné, coût en crédits API et risque opérationnel.
  • Garder un humain responsable : sources, garde-fous, validation, documentation et maintenance des workflows.

Impact POP probable

  • Qualification devis, comptes rendus, relances et briefs commerciaux mieux structurés.
  • Enrichissement PIM, contenus multi-marques et contrôles pré-publication plus rapides.
  • Synthèses de dossiers, base de connaissances et alertes opérationnelles pour réduire les frictions.

Compétences clés

Automatisation & workflows

Cartographier un process, identifier les ruptures, prototyper un workflow puis le stabiliser. L'objectif : moins de ressaisie, moins d'oublis, plus de temps utile pour les équipes.

IA appliquée aux opérations

Utiliser les LLM pour résumer, classer, enrichir, rédiger, traduire, contrôler ou assister une décision. Toujours avec garde-fous, validation humaine et mesure du gain.

Traduction besoin métier

Parler avec des profils non techniques, reformuler le besoin, séparer le vrai irritant du symptôme et produire une solution compréhensible par les utilisateurs finaux.

Data, reporting & décision

Transformer des données éparpillées en tableaux de bord, alertes ou synthèses actionnables. L'enjeu n'est pas plus de reporting, mais de meilleures décisions plus vite.

Contenu, PIM & e-commerce

Produire et enrichir des contenus structurés : fiches produits, pages SEO, e-mails, argumentaires, variantes par marque et tonalité. Un terrain très naturel pour l'IA chez POP.

Cadre, fiabilité & RGPD

Documenter les usages, définir ce qui peut sortir ou non des outils, garder une trace des automatisations et prévoir la maintenance avant que le système ne devienne fragile.

Parcours

  • Responsable WebmarketingPlanète Laser Forbach - 2024 - 2026
  • Fondateur - Projet entrepreneurialChampisphère - 2024 - 2025
  • Consultant SEO & SEAOnesthal - 2016 - 2024
  • Responsable WebmarketingTrianon Résidences - 2017 - 2018
  • Chef de projet SEOPulseo - 2015 - 2017
  • Chef de projet WebmarketingDigimood - 2013 - 2014

Formation

  • Master in Management - Programme Grande ÉcoleKEDGE Business School (Marketing & Innovation, Entrepreneuriat & Prospective) - 2015
  • Bachelor in Business AdministrationNEOMA Business School (Marketing & Innovation) - 2012

Preuves d’exécution

  • Création de workflows IA pour accélérer la recherche, la rédaction, la structuration de contenus et la production de livrables web.
  • Pilotage de stratégies webmarketing avec SEO, SEA, campagnes Meta Ads, contenus, reporting et suivi des performances.
  • Optimisation de parcours d'acquisition avec impact mesuré, notamment +30 % de réservations en ligne chez Planète Laser.
  • Production de livrables opérationnels : audits, recommandations, briefs, calendriers éditoriaux, e-mailings, supports de vente et tableaux de suivi.

Outils principaux

ChatGPT / Claude / Cursor / OpenClaw / Hermes / Make / Zapier / Notion / Airtable / Google Sheets / Excel / GA4 / Looker Studio

Langues

Français : Langue maternelle - excellente rédaction / Anglais : Professionnel courant - TOEIC 990/990 / Allemand : Scolaire - en apprentissage

Cas pratique IA & automatisation

État des lieux des automatisations possibles chez POP France

Cette page n’est pas une vérité définitive. C’est une première hypothèse de travail : ce que j’irais vérifier, comment je prioriserais les cas d’usage, et comment je transformerais les irritants quotidiens en gains mesurables sans créer une usine à gaz.

Posture

Partir du terrain

Observer les équipes, comprendre les flux et éviter les démos hors-sol.

Priorité

Gains visibles vite

Deux quick wins avant les grands chantiers : qualification devis et copilote commercial.

Cadre

Fiable et adopté

Données, RGPD, validation humaine, documentation et mesure de l’usage réel.

Le terrain POP : trois marques, une chaîne opérationnelle complète.

Les informations publiques montrent un groupe avec plusieurs modes de distribution : catalogue et e-commerce, plateforme digitale créative, et solutions grands comptes. C’est exactement le type d’environnement où l’IA peut standardiser ce qui doit l’être, tout en respectant les spécificités de chaque marque.

Business unit

Objetrama

Référence historique, catalogue large, e-commerce performant, excellence opérationnelle.

Angle IA probable

Le potentiel IA se situe dans la fiabilité catalogue, l'enrichissement PIM, les contenus produits, les volumes et les contrôles avant publication.

Business unit

Pandacola

Plateforme e-commerce créative, audacieuse, orientée marques qui veulent sortir du cadre.

Angle IA probable

Le potentiel IA se situe dans la vitesse de devis, l'idéation produit, les variantes de ton, la personnalisation et l'expérience client.

Business unit

POP Grands Comptes

Solutions sur-mesure pour start-up, ETI et grands groupes avec niveau d'exigence élevé.

Angle IA probable

Le potentiel IA se situe dans les catalogues dédiés, les demandes complexes, l'e-procurement, les comptes rendus et les suivis multi-interlocuteurs.

Avant d’automatiser : ce que je chercherais à comprendre.

Un bon cas d’usage IA commence rarement par l’outil. Il commence par une question simple : quelle friction revient souvent, coûte du temps qualifié, et peut être fiabilisée sans mettre en risque la relation client ?

Check 01

Flux commande personnalisée

Où se perd le plus de temps entre demande, qualification, devis, BAT, production, livraison et service client ?

Livrable attendu

Une cartographie simple des étapes, des ruptures, des ressaisies et des délais moyens par type de demande.

Check 02

Qualité de la donnée produit

Quelles informations produit sont fiables, lesquelles sont reprises à la main, et où se trouvent les sources de vérité ?

Livrable attendu

Un score de complétude PIM : attributs, marquages, délais, visuels, prix, variantes, contraintes fournisseur.

Check 03

Outils & intégrations

Quelles connexions existent déjà entre ERP, CRM, PIM, formulaires, helpdesk, analytics et fichiers métiers ?

Livrable attendu

Une liste courte des automatisations faciles, des intégrations risquées et des zones à ne pas toucher trop vite.

Check 04

Adoption terrain

Quelles tâches les équipes accepteraient vraiment de déléguer à l'IA, et lesquelles doivent rester sous contrôle humain ?

Livrable attendu

Un backlog priorisé par métier : gains visibles, niveau de confiance, risque RGPD, fréquence d'usage.

10 cas d’usage que je testerais ou qualifierais.

Chaque cas doit être confirmé avec les équipes, mais cette grille montre le niveau de précision que je chercherais : irritant, vérification terrain, solution, garde-fou, KPI et stack probable.

01

Demandes entrantes & devis

Impact Très fortEffort Faible

Irritant probable

Les demandes arrivent avec des niveaux de précision très variables : budget, quantité, délai, fichier, marquage, livraison, contexte client.

À vérifier d’abord

Analyser 50 demandes récentes et mesurer combien nécessitent une relance avant d’être exploitables.

Automatisation possible

Agent de qualification qui transforme un formulaire ou un e-mail en brief propre, détecte les informations manquantes et prépare la suite CRM.

Garde-fou

Aucune réponse finale automatique au client au départ : l'agent prépare, le commercial valide.

KPI de validation

Délai de première réponse, taux de demandes complètes, temps de qualification.

Stack probable

Formulaire + CRM + LLM + modèle de brief + checklist métier.

02

PIM & catalogue

Impact Très fortEffort Moyen

Irritant probable

Un catalogue large implique des fiches, attributs, variantes, visuels, textes, contraintes et informations fournisseurs à maintenir.

À vérifier d’abord

Échantillonner 100 fiches et repérer les champs incomplets, incohérents ou réécrits plusieurs fois.

Automatisation possible

Assistant PIM qui propose titres, descriptions, attributs, textes SEO, variantes ObjetRama/Pandacola et signale les champs suspects.

Garde-fou

Validation humaine avant publication et règles strictes sur prix, délais, minimums de commande et contraintes fournisseur.

KPI de validation

Temps de création fiche, taux de complétude, erreurs détectées avant mise en ligne.

Stack probable

PIM + LLM + règles qualité + tableau de validation.

03

BAT, fichiers & production

Impact FortEffort Moyen

Irritant probable

Les étapes sensibles ne pardonnent pas : fichier manquant, mauvais format, BAT non validé, retard fournisseur ou statut production flou.

À vérifier d’abord

Lister les causes de blocage sur les commandes personnalisées des 30 derniers jours.

Automatisation possible

Workflow d’alertes qui repère les dossiers bloqués, résume le statut et notifie le bon interlocuteur avant que le retard ne devienne client.

Garde-fou

L'IA ne valide jamais un BAT. Elle détecte, résume, alerte et aide à prioriser.

KPI de validation

Dossiers bloqués, retards évités, relances manuelles, temps de résolution.

Stack probable

ERP + CRM + règles métier + notifications Teams/Slack/e-mail.

04

Copilote commercial

Impact FortEffort Faible

Irritant probable

Les commerciaux perdent du temps à préparer les relances, reformuler les besoins, rédiger les comptes rendus et retrouver le contexte client.

À vérifier d’abord

Observer une demi-journée de travail commercial et chronométrer préparation, relance, compte rendu et recherche d’informations.

Automatisation possible

Copilote qui génère synthèse client, brouillon de relance, compte rendu d’appel, prochaines actions et points de vigilance.

Garde-fou

Les propositions commerciales restent validées par l'équipe : ton, prix, promesse et engagement délai.

KPI de validation

Temps de préparation, taux de relance, délai entre contact et proposition.

Stack probable

CRM + templates validés + historique client + LLM.

05

Service client

Impact FortEffort Moyen

Irritant probable

Les questions répétitives sur délais, fichiers, livraison, personnalisation, paiement, BAT ou SAV consomment beaucoup de temps qualifié.

À vérifier d’abord

Classer 200 tickets ou e-mails entrants par motif, complexité, temps de réponse et besoin de données internes.

Automatisation possible

Base de connaissances augmentée : réponses assistées, synthèse de dossier, recherche dans les procédures et aide au suivi commande.

Garde-fou

Réponse assistée, pas réponse aveugle : le conseiller garde la main sur les cas sensibles ou insatisfactions client.

KPI de validation

Temps moyen de réponse, résolution premier contact, taux de reprise manuelle, satisfaction client.

Stack probable

Helpdesk + base documentaire + RAG + validation agent.

06

Sourcing fournisseurs

Impact MoyenEffort Moyen

Irritant probable

Comparer prix, délais, stocks, contraintes de marquage, minimums et fiabilité fournisseur demande beaucoup de lecture.

À vérifier d’abord

Identifier les catégories où le sourcing ralentit le plus les devis ou génère le plus d’aller-retours.

Automatisation possible

Assistant de comparaison qui normalise les offres fournisseurs, fait ressortir les écarts et produit une recommandation argumentée.

Garde-fou

La recommandation reste explicable : prix, délai, risque, qualité, marge, historique fournisseur.

KPI de validation

Temps de comparaison, erreurs de sélection, délai de réponse fournisseur.

Stack probable

E-mails fournisseurs + fichiers prix + table de comparaison + LLM.

07

Marketing multi-marques

Impact MoyenEffort Faible

Irritant probable

Produire vite sans uniformiser : ObjetRama doit rester efficace, Pandacola plus créatif, POP Grands Comptes plus premium.

À vérifier d’abord

Comparer 20 contenus récents par marque : ton, structure, mots-clés, CTA, formats réutilisables.

Automatisation possible

Content factory multi-marques : un brief produit devient fiche, page SEO, e-mail, post LinkedIn et variante Pandacola.

Garde-fou

Chartes éditoriales séparées et validation marketing avant diffusion.

KPI de validation

Temps de production, cadence contenu, taux de validation, trafic organique.

Stack probable

LLM + guidelines de marque + SEO + workflow de validation.

08

Reporting & pilotage

Impact FortEffort Fort

Irritant probable

Les signaux faibles sont dispersés : marge, ventes, retards, tickets, ruptures, catégories, satisfaction, conversion.

À vérifier d’abord

Lister les reportings existants, leur fréquence, leurs sources et les décisions réellement prises grâce à eux.

Automatisation possible

Cockpit hebdomadaire qui résume les indicateurs clés, anomalies, risques et décisions à arbitrer.

Garde-fou

Pas de synthèse sans source traçable : chaque alerte doit pointer vers la donnée d’origine.

KPI de validation

Temps de reporting, anomalies détectées, décisions prises, fiabilité des sources.

Stack probable

ERP + CRM + analytics + BI + couche de synthèse IA.

09

Base de connaissances interne

Impact MoyenEffort Moyen

Irritant probable

Les procédures, astuces, contraintes produits et exceptions métier vivent souvent dans les têtes, les e-mails ou des documents éparpillés.

À vérifier d’abord

Demander à chaque équipe les 20 questions qu’un nouveau collaborateur pose le plus souvent.

Automatisation possible

Assistant interne qui retrouve une procédure, résume une règle métier et renvoie vers la source officielle.

Garde-fou

Une réponse sans source n'est pas une réponse : l'assistant doit citer la procédure ou demander une validation.

KPI de validation

Temps de recherche, questions répétées, adoption onboarding, erreurs évitées.

Stack probable

Documentation + moteur de recherche + RAG + owner par domaine.

10

Contrôle qualité pré-publication

Impact FortEffort Moyen

Irritant probable

Les erreurs visibles en e-commerce coûtent cher : prix, délai, minimum, faute, mauvais visuel, incohérence entre marques.

À vérifier d’abord

Recenser les erreurs corrigées après publication ou après envoi client sur un mois.

Automatisation possible

Contrôle automatique avant publication : champs critiques, cohérence texte/attributs, ton de marque, mentions manquantes.

Garde-fou

Le contrôle signale un risque, mais ne modifie pas une fiche sensible sans validation.

KPI de validation

Erreurs détectées avant publication, corrections post-publication, temps de contrôle.

Stack probable

PIM + règles qualité + LLM + journal de corrections.

Priorisation

Je commencerais par le visible, pas par le spectaculaire.

L’erreur classique serait de commencer par un gros agent transversal. Je préférerais prouver la valeur sur des flux courts, avant d’élargir aux chantiers plus dépendants de la qualité data et des intégrations.

Qualification devisTrès fortFaibleQuick win prioritaire
Copilote commercialFortFaibleQuick win prioritaire
Content factoryMoyenFaibleRapide à tester
Contrôle pré-publicationFortMoyenRéduit les erreurs visibles
PIM augmentéTrès fortMoyenChantier structurant
Alertes BAT / productionFortMoyenChantier opérationnel
Base service clientFortMoyenAdoption à piloter
Cockpit directionFortFortAprès fiabilisation data

Le cadre qui évite les automatisations fragiles.

Le poste parle de sécurité, gouvernance data, bonnes pratiques, RGPD, adoption et maintenance. C’est central : sans cadre, une automatisation gagne du temps pendant deux semaines puis devient un risque.

01

Données

Classifier les données : publiques, internes, sensibles, personnelles. Définir ce qui peut être utilisé dans quel outil.

02

Validation humaine

Garder un humain responsable sur les contenus client, les données prix, les décisions commerciales et les sorties sensibles.

03

Documentation

Chaque workflow doit avoir une fiche : objectif, owner, outils, données, fréquence, KPI, fallback et procédure de maintenance.

04

Adoption

Mesurer l'usage réel : qui utilise, à quelle fréquence, quel gain perçu, quelles frictions remontent après deux semaines.

05

Maintenance

Prévoir qui corrige quand une API change, quand une règle métier évolue ou quand une sortie IA commence à dériver.

Feuille de route 30/60/90 jours.

Une prise de poste efficace doit donner des preuves rapides sans perdre de vue la pérennité. Voilà comment je structurerais les trois premiers mois.

0-30 jours

Comprendre et choisir les bons combats

  • Entretiens terrain avec commerce, marketing, service client, sourcing, production, direction.
  • Cartographie du flux demande → devis → BAT → production → livraison → support.
  • Audit rapide des outils et données : ERP, CRM, PIM, helpdesk, analytics, fichiers de suivi.
  • Sélection de 2 quick wins à faible risque : qualification devis et copilote commercial.
  • Définition du cadre données : autorisé, interdit, anonymisé, validé humainement.

30-60 jours

Prototyper et mesurer

  • Prototype qualification devis sur un flux restreint : formulaire ou boîte e-mail pilote.
  • Prototype copilote commercial : résumé client, brouillon de relance, compte rendu et prochaine action.
  • Test content factory sur un lot court : 20 fiches ou contenus répartis entre les marques.
  • Tableau de mesure : temps gagné, qualité de sortie, taux de reprise manuelle, satisfaction équipe.
  • Revue sécurité et RGPD avant élargissement : données utilisées, logs, accès, conservation.

60-90 jours

Industrialiser ce qui prouve sa valeur

  • Connexion plus propre aux outils internes et création des procédures de maintenance.
  • Formation courte des équipes pilotes : usages, limites, exemples, remontée d’incident.
  • Tableau de bord adoption : usage, gains, incidents, demandes d’évolution.
  • Backlog priorisé pour les chantiers structurants : PIM augmenté, service client, alertes production.
  • Rituel mensuel IA : arbitrer, supprimer ce qui ne sert pas, renforcer ce qui fait gagner du temps.

Synthèse

POP n’a pas besoin de quelqu’un qui vienne vendre de l’IA. POP a besoin de quelqu’un qui sache transformer des irritants opérationnels en systèmes utiles, connectés, mesurables et adoptés.

Les premiers gains sont probablement dans les flux à fort volume et faible ambiguïté : qualification devis, comptes rendus, relances, enrichissement catalogue, contrôle pré-publication, support client et alertes de blocage.

Ce qui me motive dans ce poste : le côté concret. Comprendre l’entreprise, tester vite, connecter les bons outils, documenter proprement, et rendre les équipes objectivement plus rapides et plus efficaces.

Candidature POP France

Retour au CV cible Lead IA & Automatisation.

Retour au CVRevenir en haut