Déployer l'IA à l'échelle - Pennylane (MAIA #4)

Déployer l'IA à l'échelle - Pennylane (MAIA #4)

2026-01-14T18:00:00+00:00

2026-01-14T20:30:00+00:00

https://mines-paris.org//medias/image/thumbnail_146333759269444d81e7221.png

Pour son quatrième événement, le club Mines Alumni Intelligence Artificielle (MAIA) est ravi d’accueillir Thomas Cassou (P10) et Théophile Cantelobre (P17) pour parler de comment l'entreprise déploie du machine learning à l'échelle chez Pennylane.Pennylane est un logiciel tout-en-un de gestion financière et de production comptable. Pennylane met la donnée et le machine learning au service des experts-comptables et chefs d’entreprises, avec un autopilot de tenue et le ComptAssistant, agent comptable spécialisé. Avec plus de 700 000 entreprises clientes, Pennylane traite plus d'un million de factures et transactions bancaires automatiquement pour ses utilisateurs. Afin d’alimenter ces systèmes en données et répondre aux requêtes de ses clients, le data engineering est critique.Thomas Cassou et Théophile Cantelobre présenteront le rôle que joue la data chez Pennylane et ses retours d'expérience technique sur le passage à l'échelle de Pennylane -- de quelques clients à presque 1 million -- ainsi que des cas concrets de déploiement de systèmes. La conférence sera suivie d’un cocktail pour poursuivre les échanges.IntervenantsThomas Cassou (P10 ICiv)X-Mines spécialisé en mathématiques appliquées, Thomas Cassou (P10) a démarré sa carrière chez Air France-KLM, avant de rejoindre la start-up PriceMatch. Après le rachat de cette dernière par Booking.com, il y a dirigé les équipes chargées de la plateforme de Machine Learning pour l'entraînement et le déploiement de modèles. Depuis 2020, il occupe le poste de Head of Data chez Pennylane, où il a rejoint ses anciens collaborateurs pour transformer la gestion comptable grâce à la donnée.Théophile Cantelobre (P17 ICiv)Diplômé des Mines (P17 ICiv) et docteur en informatique (ENS-Inria), Théophile a démarré sa carrière par une thèse en informatique à Inria (équipe SIERRA) et à l’ENS, où il a développé et analysé des nouvelles méthodes de machine learning basées sur des méthodes à noyaux. Bénévole de Mines Paris Alumni, il a utlisé Pennylane pour la gestion financière et comptable de l’Association. À l’issue de sa thèse, il est passé de l’autre côté du rideau en rejoignant l’équipe Machine learning de Pennylane.

https://mines-paris.org/fr/event/deployer-l-ia-a-l-echelle-pennylane-maia-4/2026/01/14/873