Florent Blachot, VP of Data Science and Engineering chez Fandom

Diplômé du Mastère Spécialisé Interactive Digital Expériences en 2012, Florent Blachot a travaillé chez Ubisoft pendant 8 ans, d’abord en tant que « Senior Manager Data Science » puis en tant que « Director of Data Science » avant de rejoindre Fandom. Aujourd’hui VP of Data Science and Engineering, il revient pour nous sur son parcours et nous en dit plus sur la science de la donnée et son application. 

Je suis rentré chez Ubisoft à l’issue du stage que j’avais fait au Strategic Innovation Lab, le think tank d’Ubisoft. Je travaillais sur des projets à long terme tel que « Comment Ubisoft envisage la donnée dans 5 ou 10 ans ? ». J’ai également étudié la question du « consumer decision journey », c’est-à-dire l’évolution du comportement et des décisions des joueurs au fur et à mesure de leur relation avec une marque ou un jeu.

Je suis resté 3 ans dans cette équipe puis j’ai rencontré la VP of Marketing de l’équipe de San Francisco pendant un dîner d’entreprise. Je lui ai proposé de créer une équipe de science de la donnée à San Francisco. 6 mois plus tard, j'avais mon visa et mon contrat, et je partais m’installer là-bas avec femme et enfants. Je vis dans la baie de San Francisco depuis plus de 8 ans maintenant. 

Au début, j'étais seul avec son meilleur analyste de données. Puis l’équipe a grandi et nous avons gagné la confiance du CEO et du président. Notre mission était de travailler sur l’acquisition et l’engagement des joueurs : comment les attirer, comment créer des passerelles entre les jeux… 

J’ai été, par la suite, contacté par un chasseur de tête pour un poste de VP of data chez Fandom. Fandom est un spin-off de Wikipédia, co-créé par Jimmy Wales, son fondateur, en 2004. Le site regroupe tous les contenus de Wikipédia qui ne sont intéressants que pour les communautés de fans. Les sabres lasers ou les vaisseaux de Star Wars ont, par exemple, chacun leur page dédiée sur Fandom. 

La science de la donnée permet de comprendre les comportements des utilisateurs et d’améliorer leur expérience. Il s’agit de croiser différents flots de données pour en tirer des conclusions. 

Par exemple, Assassin's Creed est un jeu en monde ouvert dans lequel les joueurs incarnent un assassin, ce qui implique qu’ils soient discrets et furtifs dans le jeu pour ne pas se faire détecter. Or nous avons pu constater que 42% des joueurs jouaient de manière assez brutale, à l’opposé de ce qui est attendue dans l’expérience. Les enquêtes de satisfactions nous ont aussi appris que la quasi-totalité des utilisateurs étaient intéressés par l'aspect historique et culturel du jeu. 

Ces analyses nous ont permis de comprendre le comportement des joueurs et leurs motivations. Nous avons pu en conclure que les joueurs qui ont un comportement plutôt violent ne s’intéressent pas vraiment aux mécaniques du jeu, ils ont surtout envie d’avancer dans l’histoire pour découvrir la suite de l’histoire.

Nous avons pu partager ces résultats avec les équipes marketing et leur suggérer d’axer la promotion sur l’aspect historique et intrigue du jeu. Nous avons également proposé aux équipes de game design de faire évoluer le jeu vers une version plus RPG (role playing game), qui convient mieux aux différentes typologies de joueurs.

Page d'accueil de Fandom

Fandom, tout comme Wikipédia, utilisait peu les données avant mon arrivée il y a quatre ans. Ces données servent à comprendre le contenu et à voir comment il peut être amélioré mais aussi comment on peut réaliser des transitions entre contenus.  

Fandom fonctionne par communautés. Chacune d’entre elles va avoir sa propre expérience wiki. La navigation et la compréhension du contenu est donc cruciale. J’ai travaillé sur la compréhension des comportements des utilisateurs de Fandom pour voir comment améliorer l'expérience utilisateur. 

Mon travail implique également une partie beaucoup plus technique. Je m’occupe de la mise en place des pipelines et de l’utilisation de l’intelligence artificielle et des modèles de langage large sur le site (les large language models (LLM), des données qui permettent aux machines et à l’IA générative d'interpréter les subtilités du langage). 

Fandom héberge près de 100 millions d'articles wiki. Certains de ces articles sont tellement détaillés qu’il faut plusieurs heures pour les lire. Il y a donc un important travail à réaliser autour de l’IA pour qu’elle associe les sujets correspondants aux articles et les jeux, les films, les séries, etc qui sont mentionnés pour pouvoir effectuer ensuite des renvois vers d’autres contenus. 

Ce travail permet aussi de cibler les tranches d'âges des articles et s’assurer que Fandom ne renvoie pas les utilisateurs vers des pages ou des publicités qui ne correspondent pas à leur tranche d’âge. 

En tant que VP, je gère également une équipe d’une vingtaine de personnes. Mes équipes sont très délocalisées.  Elles sont éparpillées dans la baie de San Francisco à Los Angeles et en Pologne. 

J’avais envie de partir vivre à l’étranger pour améliorer mon anglais. C’était vraiment un manque pour moi et je voulais que mes enfants puissent apprendre une seconde langue de manière native.

J'étais en discussion avec Ubisoft pour différents postes, le principal était celui de San Francisco. J'étais aussi en discussion avec Ubisoft pour Singapour et Montréal. J'ai reçu également des propositions d'autres entreprises. Le jour où j'ai reçu la confirmation d'Ubisoft pour partir à San Francisco j'avais un entretien avec Lego au Danemark !

J’ai dirigé une unité GenAI pour Fandom, pour comprendre le fonctionnement des communautés de fans et voir comment on pouvait les aider et collaborer avec elles. 

Nous avons utilisé la GenAI pour créer la fonctionnalité « Quick Answer », un outil qui permet de réorienter au mieux les utilisateurs sur les différentes pages. Cette fonctionnalité réarrange les informations des pages wiki en une foire aux questions qui apparaît comme un module sur la page sur laquelle il est basé. Ces modules sont directement liés au sujet de la page et répondent à des questions à ce sujet.

Nous avons analysé les requêtes de Google pour identifier les mots clés qui peuvent renvoyer vers une communauté de fans. Par exemple, d'une recherche comme « Quel est le vrai de Goku dans Dragonball Z ? », nous avons utilisé les API d’OpenAI pour générer des questions sur le même thème (qui sont les parents de Goku, qui est Goku…). Puis nous avons utilisé des systèmes apparentés au modèle de langage large pour retrouver les articles dans Fandom qui répondent le mieux à ces questions.  

Nous avons ensuite consulté les éditeurs et les contributeurs de Fandom avant de publier cette FAQ afin de nous assurer de leur consentement et pour qu’ils puissent effectuer les modifications nécessaires à la précision de la FAQ. 

Nous avons également optimisé le format des FAQ pour qu’elles soient bien référencées par Google et que les utilisateurs puissent trouver le contenu qu’ils recherchent de manière la plus directe possible.

 J’avais déjà un doctorat en Computer Science avant de suivre la formation. J’ai travaillé pendant 8 ans sur l'optimisation algorithmique et j’avais la sensation qu’il me manquait des connaissances sur l’expérience utilisateur.

J’ai décidé de faire une pause dans ma carrière pour aller vers l’univers du jeu vidéo que j’ai toujours trouvé passionnant. J'avais envie de recentrer ma carrière sur quelque chose de plus créatif et de plus proche de l'utilisateur.

Je souhaitais aussi travailler dans de plus petites entreprises, je n’envisageais pas du tout de travailler chez Ubisoft à ce moment-là ! 

La durée courte de la formation était également un atout, je ne me voyais pas repartir sur un cursus en master ou licence puis master !

Les personnes avec qui j’ai suivi la formation ! Je suis toujours en contact avec deux d'entre eux de manière régulière. Les liens que nous avons créés durant les projets et les cours étaient très forts.

L’école offre deux avantages selon moi : un accès à des enseignement de qualité et l’intégration à un réseau fort. 

Beaucoup de gens sont passés avant vous, et bon nombre d’entre eux ont eu des carrières très importantes. Une école c'est une expérience, un endroit où on apprend des choses, mais c'est aussi un réseau sur le long terme. Il ne faut pas hésiter à utiliser et solliciter ce réseau au fur et mesure des années.