# #268 - Criteo : Déployer des algorithmes en temps réel à l'échelle (ML & GenAI)

Page: https://stenobird.com/podcast/datagen-3403537/268-criteo-d-ployer-des-algorithmes-en-temps-r-el-l-chelle-ml-genai
Text version: https://stenobird.com/podcast/datagen-3403537/268-criteo-d-ployer-des-algorithmes-en-temps-r-el-l-chelle-ml-genai.md
Podcast: [DataGen](https://stenobird.com/podcast/datagen-3403537)
Published: 2026-05-04T10:07:18+00:00
Episode link: https://shows.acast.com/data-gen/episodes/268-criteo-leur-methode-pour-deployer-des-fonctionnalites-ml
Audio file: https://sphinx.acast.com/p/open/s/5fa58959e64011214fbf140d/e/69eb7d7366c3374f7e5de5a3/media.mp3
Processing state: not_requested
JSON: https://stenobird.com/v1/public/podcasts/datagen-3403537/episodes/268-criteo-d-ployer-des-algorithmes-en-temps-r-el-l-chelle-ml-genai
Duration seconds: 1339

## Resource

Sarah Nogueira est Staff Machine Learning Lead chez Criteo, l'une des premières licornes françaises, spécialisée dans le marketing et le ciblage publicitaire sur les sites e-commerce. Elle dirige une équipe qui développe et met en production des modèles de Machine Learning dans le produit. On aborde : 🔥 Le déploiement de leur premier LLM en production 🔥 Leur cycle de développement ML du prototype à la mise en production 🔥 Leur stack in-house et leurs plus gros enjeux : temps réel et qualité des résultas 🔥 Ses principaux challenges en temps que manager : vélocité, staffing, coordination 💪 VOUS AVEZ UN PROJET DATA ? DataGen a lancé un collectif de freelances data issus des plus belles boîtes (BlaBlaCar, Aircall, Critéo, Artefact, 55, Sunday...). Vous avez un projet data ? On a l'équipe qu'il vous faut : Head of Data, Data Analyst, Data Engineer, Data Scientist, etc. 👉 Nous rencontrer ici 📚 RESSOURCES - Le LinkedIn de Sarah - Le blog de Criteo - La newsletter The Batch de DeepLearning.AI 🎬 CHAPITRES 00:00 Son parcours 01:34 Le rôle de son équipe ML 04:46 1er LLM en production 06:16 Leur cycle de développement ML 16:15 Leurs principaux challenges 19:59 Ses reco de contenu 21:01 Ce qui l’a le plus fait progresser 🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER #250 - Malt : Mettre en place une approche MLOps et LLMOps #196 - Pigment : Monter l'équipe GenAI appliquée au Produit (Licorne, +230 millions levés) #170 - Leboncoin : De la Data Science au ML Engineering 👋 PLUS DE CONTENU DATA ? 1/ Suivez-moi sur LinkedIn ici 🤳 2/ Inscrivez-vous à la newsletter (synthèses, événements) ici 💌 3/ Découvrez le podcast en format vidéo sur YouTube ici 📹 🎙 SOUTENEZ LE PODCAST GRATUITEMENT 1/ Abonnez-vous 🔔 2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰 Hébergé par Acast. Visitez acast.c…

## Actions

- request_transcript: `POST https://stenobird.com/v1/public/podcasts/datagen-3403537/episodes/268-criteo-d-ployer-des-algorithmes-en-temps-r-el-l-chelle-ml-genai/transcription-requests` — Idempotently request low-priority transcript generation for this episode.
- read_markdown: `GET https://stenobird.com/podcast/datagen-3403537/268-criteo-d-ployer-des-algorithmes-en-temps-r-el-l-chelle-ml-genai.md` — Read the agent-friendly Markdown representation of this episode resource.

A page view does not enqueue transcription. Agents should invoke `request_transcript` explicitly when they need this episode processed.

## Transcript

Full transcripts are not published on public pages unless there is a clear rights basis.