Analyse preliminaire originale

================================================================================ PYANNOTE AI — DOSSIER DE SYNTHÈSE COMPLET Compilation exhaustive de tous nos échanges Dernière mise à jour : 04 mai 2026 ================================================================================

AVERTISSEMENT DE LECTURE

Ce document compile l'intégralité du travail réalisé en préparation des entretiens chez Pyannote AI : recherche société, décryptage produit, stratégie GTM, cartographie sectorielle, préparation orale et corrections factuelles. Il n'est ni court, ni light. Si tu cherches une fiche d'une page, ce n'est pas ici. Si tu veux un référentiel unique pour repartir en main, c'est ici.

================================================================================ SOMMAIRE ================================================================================

Contexte et processus de recrutement
Identité et financement de Pyannote AI
Genèse — du laboratoire CNRS au produit commercial
L'équipe (existant + recrutements en cours)
La vision produit — la "Speaker Intelligence"
Vocabulaire technique (à maîtriser sans hésitation)
La gamme de modèles (Community-1, Precision-1, Precision-2)
Les deux produits commerciaux (Precision-2 + STT Orchestration)
Voiceprinting — détail propriétaire vs concept générique
Pricing et plans (Developer, Starter, Enterprise)
Modèle économique — sources de revenus actuelles et futures
Distribution et canaux (HuggingFace, AWS Marketplace, on-prem)
Concurrence (AssemblyAI, Deepgram, Gladia, Whisper, hyperscalers)
Marché et ICP (verticales coeur, géographies)
Référence Visio / DINUM — l'ouverture sovereign
La stratégie GTM — les 3 cohortes OSS → payant
Cartographie sectorielle des leads (3 tiers)
Le rôle de Founding AE — détail du poste
Préparation entretien Pierre-Baptiste (Chief of Staff)
Préparation entretien Vincent (CEO)
Pitch personnel — narratif maître founder → AE
Les 90 premiers jours — plan structuré 30/60/90
Les 3 questions stratégiques ouvertes (vertical, channel, EU)
Tics oratoires — la liste noire
Imprécisions factuelles à ne pas répéter
Checklist opérationnelle
Annexe — leads concrets identifiés et activables

================================================================================

CONTEXTE ET PROCESSUS DE RECRUTEMENT

Tu candidates au poste de Founding Account Executive / Commercial Associate à Paris chez Pyannote AI, 2-3 jours remote, démarrage ASAP.

Process complet en 6 étapes : Étape 1 — Call découverte avec Pierre-Baptiste Viougeat (Chief of Staff), 30 min — fait le 27/04/2026. Étape 2 — Call avec Vincent Molina (CEO), 30 min — programmé le mercredi suivant à 14h00. Étape 3 — Role-play sales en live, pour évaluer les capacités en situation. Étape 4 — Call avec Hervé Bredin (CSO), 30 min. Étape 5 — Call avec Juan Coria (CTO), 30 min. Étape 6 — Offre, si tout converge.

Ton premier contact (Pierre-Baptiste) a été fluide et direct : message LinkedIn, calendly envoyé sous quelques minutes, ton décontracté avec emojis dans le suivi. Bon signe mais pas un blanc-seing — il process. Décontracté en ton, sérieux en filtre.

================================================================================

IDENTITÉ ET FINANCEMENT DE PYANNOTE AI

Nom commercial : pyannoteAI Raison sociale : Pyannote SAS Siège : Paris, Île-de-France, France Création société comm. : 2024 (la lib OSS pyannote.audio existe depuis ~10 ans) Effectifs : ~20 personnes en avril 2026 (vs 6 en avril 2025 lors de la levée) Statut : Active, deeptech, financée par capital-risque Site web : pyannote.ai Contact : contact@pyannote.ai

Levée de fonds — Seed avril 2025 Montant officiel : 8,1 millions de dollars (PAS 8 millions d'euros, erreur fréquente y compris dans le call avec PB — ne jamais répéter cette erreur devant Vincent). Co-leads : Crane Venture Partners + Serena Capital Autres investis- seurs : Motier, Kima, Pareto Advisors stra- tégiques :

zone grise Gladia/pyannote, à la fois client et concurrent indirect)

Julien Chaumond (CTO HuggingFace)
Alexis Conneau (ex-OpenAI / ex-Meta)
Jean-Louis Quéguiner (CEO Gladia — explique la
Laura Modiano (OpenAI Startups EMEA)

Traction publique

l'État français — voir section 15)

200K+ développeurs utilisateurs
45M téléchargements / mois sur HuggingFace
Top 10 OSS AI mondial sur HuggingFace
Référence client publique : Visio (solution de visio souveraine de

================================================================================

GENÈSE — DU LABORATOIRE CNRS AU PRODUIT COMMERCIAL

Pyannote AI est née d'une librairie open source historique du CNRS, créée par Hervé Bredin dans le cadre de ses recherches en traitement automatique de la parole. La librairie a été développée pendant une décennie avant d'être commercialisée.

Le déclencheur de la commercialisation, selon Pierre-Baptiste : la sortie de Whisper par OpenAI en 2022. Whisper a apporté la brique de transcription qui manquait à pyannote (jusqu'alors centrée sur la diarisation, c'est-à-dire l'identification de qui parle quand). Avec Whisper qui rendait la transcription accessible, l'opportunité commerciale s'est ouverte : devenir la brique de speaker intelligence qui complète la chaîne speech-to-text.

Le pivot commercial de la boîte (la transition vers la plateforme payante Precision) est exactement ce qu'ils financent avec leur levée Seed.

================================================================================

L'ÉQUIPE (EXISTANT + RECRUTEMENTS)

LES 3 COFONDATEURS

deep-tech (Klub by Ki, Pao, Biogen, Time for the Planet). Profil conseil + product/strat. Décrit par Pierre-Baptiste comme "approchable, grande humilité".

selon Serena. ~10 ans de recherche derrière la lib OSS.

Vincent Molina (CEO) — EDHEC + Salamanca, parcours opérateur
Hervé Bredin (CSO) — ex-CNRS, "the godfather of diarization"
Juan Coria (CTO) — PhD supervisé par Hervé.

EXISTANT EN POSTE (avril 2026)

outillage de l'équipe sales

Équipe research & science (Hervé + scientifiques)
Équipe tech / engineering (sous Juan)
Pierre-Baptiste Viougeat — Chief of Staff
1 RevOps — focalisée valorisation données + signaux faibles +
1 Product Marketing Manager
Quelques sales en cours de structuration

EN COURS DE RECRUTEMENT

(bonne nouvelle : écosystème data enterprise FR)

jugé difficile à trouver

POC clients, pipelines custom, fine-tuning

mi-lead-gen

1 Product Manager — arrive de chez Dataiku en mai 2026
1 Pre-sales Engineer — profil très technique, à l'aise en Python,
1 Founding Account Executive — TON poste
"Applied AI Team" à monter : ingénieurs et scientifiques dédiés aux
"Community Team" à venir : hackathons, events, mi-marketing

3 LAYERS COMMERCIALES PRÉVUES

audio par mois (terme trompeur — ce sont des gros clients européens en réalité, pas des petits comptes)

Layer la moins structurée — opportunité d'ouverture pour toi, notamment via cabinets de conseil que PB a explicitement laissés de côté ("très bons points, on n'a juste pas eu le temps").

Mid-market : startups Série A/B avec dizaines de milliers d'heures
Enterprise : comptes corporate au sens classique
Partnerships : Google, Scaleway, OVH, Infomaniak, hyperscalers.

POINT À CLARIFIER AVEC VINCENT Le rattachement hiérarchique exact du poste : reporting à Pierre-Baptiste, à Vincent directement, ou à un futur VP Sales ? Pas confirmé à ce stade.

================================================================================

LA VISION PRODUIT — LA "SPEAKER INTELLIGENCE"

Pyannote AI ne se résume pas à la diarisation. La société se positionne sur une catégorie qu'elle nomme elle-même "Speaker Intelligence" — un terme volontairement plus large que la transcription, et que Serena qualifie d'"infrastructure layer manquante" de la voice AI.

Le postulat fondateur : la voix transporte beaucoup plus d'informations que les mots prononcés. Pierre-Baptiste a détaillé plusieurs exemples :

contexte

pauses, énergie

Bruit ambiant — informe sur la localisation, l'environnement, le
Caractéristiques du locuteur — genre, âge, accent, état émotionnel
Dynamique conversationnelle — qui interrompt qui, hésitations,
Identité — reconnaissance de la même personne d'un appel à l'autre

Exemples d'application :

son vocabulaire et son contenu

selon le profil détecté du client (âge, niveau technique, langue maternelle)

Assistant vocal type Alexa qui détecte enfant vs adulte et adapte
Call center qui route automatiquement un appel vers le bon agent

Positionnement stratégique : "arms dealer". Ils vendent à TOUS les acteurs voice AI sans les concurrencer en bout de chaîne. Gladia est à la fois client ET advisor — illustration parfaite du modèle.

Analogie qu'ils utilisent eux-mêmes : "pyannoteAI est à la voice AI ce que la segmentation d'objets a été à la computer vision".

================================================================================

VOCABULAIRE TECHNIQUE (À MAÎTRISER SANS HÉSITATION)

Si Vincent te tend une perche sur l'un de ces termes et que tu confonds, c'est éliminatoire. Lis ça à voix haute jusqu'à ce que ce soit fluide.

Speaker diarization Répondre à "qui parle quand" — segmenter l'audio par locuteur. LE CŒUR du produit pyannoteAI.

ASR / STT (Automatic Speech Recognition / Speech-to-Text) Convertir parole en texte. Couche complémentaire (Whisper, Deepgram, AssemblyAI). Pyannote ne fait PAS ça en propre — ils orchestrent.

Speaker recognition / identification Identifier QUELLE personne précise parle (vs juste "speaker_1"). Feature pyannoteAI via voiceprints.

VAD (Voice Activity Detection) Détecter quand il y a de la parole vs du silence. Étape amont, intégrée.

Speaker Segmentation Découper le flux audio aux instants de changement de locuteur.

Speaker Embedding Représentation vectorielle "empreinte vocale" d'un segment. Permet de comparer 2 voix.

Clustering Regrouper les segments aux embeddings similaires = même locuteur.

Cross-talk / Overlapped speech detection Quand plusieurs personnes parlent en même temps. Spécialité historique pyannoteAI, l'un des problèmes les plus durs.

Voiceprinting Empreinte vocale stable d'une personne = reconnaissance d'identité au-delà d'un seul fichier.

Confidence scoring Score de fiabilité par segment (utile pour les use cases critiques type juridique, médical).

Streaming / real-time Traitement live, latence < 150 ms chez eux. Pas seulement batch.

DER (Diarization Error Rate) Métrique standard d'évaluation. Plus c'est bas, mieux c'est. Le KPI sur lequel ils benchmarkent.

tcpWER / tcorcWER Word Error Rate qui pénalise aussi les erreurs d'attribution. Métrique pour évaluer STT + diarization combinés.

Code-switching Quand un locuteur change de langue en cours de conversation. Pas leur force directe (plutôt côté STT).

DISTINCTIONS CRITIQUES à ne JAMAIS confondre devant Vincent :

detection

(le produit pyannote qui route ENTRE les STT)

pyannote.audio

produit)

Diarization vs Identification vs Voiceprinting vs Cross-talk
STT (speech-to-text type Whisper/Deepgram) vs STT Orchestration
Precision-2 (modèle commercial fermé) vs lib open-source
Speech intelligence (la vision élargie) vs diarization (le cœur

================================================================================

LA GAMME DE MODÈLES

pyannote.audio (3.1, legacy) Type : OSS, gratuit, MIT license Cible : Devs, recherche Détail : Toolkit historique, GPU requis. Téléchargeable sur HuggingFace, déployable on-premise gratuitement.

Community-1 Type : OSS, gratuit (sortie avec pyannote.audio 4.0) Cible : Devs, prototypes Détail : Nouvelle génération OSS, meilleure que 3.1.

Precision-1 Type : API premium payante Cible : Production Détail : 20% plus précis que le state-of-the-art à sa sortie, 2x plus rapide que l'OSS.

Precision-2 (FLAGSHIP, modèle par défaut) Type : API premium + self-hosted enterprise possible Cible : Production critique Détail : +14% vs Precision-1, +28% vs OSS 3.1. Latence < 150 ms. RETENU PAR L'ÉLYSÉE pour le projet MarIAnne / Visio. C'est ton ANCRE crédibilité.

================================================================================

LES DEUX PRODUITS COMMERCIAUX

PRODUIT 1 — LE MODÈLE DE DIARISATION PRECISION-2

son blog : "pyannoteAI is an industry leader in this area, with diarization models that boast one of the highest precision levels")

Modèle propriétaire de séparation et identification des locuteurs
Performance revendiquée comme état de l'art (Gladia confirme dans
Disponible en SaaS API ou en déploiement on-premise
Performance mesurée par le DER (Diarization Error Rate)

PRODUIT 2 — STT ORCHESTRATION (lancé le 11 décembre 2025) Beaucoup plus stratégique qu'il n'y paraît.

Le problème résolu : Quand tu construis une appli voice AI (un meeting bot par exemple), tu fais 3 choses :

"Speaker A : bonjour, Speaker B : comment ça va"

STT : transcrire la parole en texte (ex: Whisper)
Diarization : identifier qui parle quand (pyannoteAI)
Reconciliation : matcher les deux outputs pour produire

L'étape 3 est un enfer technique. La diarization te dit "Speaker A parle de t=2.31s à t=4.87s" et le STT te dit "le mot 'bonjour' est à t=2.45s". Aligner les deux flux sur des timestamps qui ne correspondent jamais exactement, en gérant les chevauchements et les hésitations, c'est un cauchemar récurrent.

La solution pyannote : Un endpoint API unique qui combine diarization + transcription en un seul appel, en orchestrant un STT externe (NeMo Parakeet de NVIDIA aujourd'hui, Whisper bientôt). Le client n'a plus à réconcilier lui-même les timestamps.

Implication stratégique : C'est un REPOSITIONNEMENT — pyannote passe de "meilleure brique diarization" à "orchestrateur de la pipeline voice AI". Ça ressemble à une feature, c'est en réalité un changement de catégorie.

Tension à anticiper : Cela peut créer un conflit avec des partenaires-clients comme Gladia ou ElevenLabs qui faisaient déjà la réconciliation eux-mêmes. À aborder en question intelligente, pas en challenge frontal.

================================================================================

VOICEPRINTING — DÉTAIL PROPRIÉTAIRE VS GÉNÉRIQUE

Le concept "voiceprint" n'est PAS propriétaire à pyannoteAI. C'est un terme générique en biométrie vocale (= empreinte vocale, vecteur numérique qui caractérise une voix). AWS, Azure, NICE, Pindrop, Picovoice ont tous leur version. Pindrop est même un leader en voice biometrics dans la fraude bancaire depuis ~10 ans.

MAIS l'implémentation pyannoteAI est propriétaire et c'est ça qui compte commercialement :

à Precision-2 — pas dans Community-1, pas dans l'OSS

un dev OSS doit passer en API payante

très anglo-centré)

POST /voiceprint pour créer (max 30s d'audio) POST /identify pour comparer un audio contre N voiceprints stockés, avec threshold de confiance

Voiceprinting + Speaker Identification sont des features RÉSERVÉES
C'est donc un PAYWALL FEATURE — l'une des raisons pour lesquelles
L'identification est language-agnostic (différenciant vs Pindrop
L'API est très simple :

À l'oral devant un prospect ou un investisseur : "Le voiceprint en lui-même n'est pas un concept exclusif — Pindrop fait ça depuis 10 ans en banque. Mais l'implémentation pyannoteAI a un avantage : elle est language-agnostic et elle est packagée avec la diarization Precision-2. Pour un client meeting intelligence ou call center qui a besoin de tracker un même speaker à travers 1000 appels en plusieurs langues, c'est différenciant."

================================================================================

PRICING ET PLANS

3 PLANS PUBLICS

Developer — 19 €/mois Limite : ~125 heures d'audio traitées/mois Cible : dev individuel, solopreneur, side project Logique business : ce n'est PAS pour gagner de l'argent. C'est pour faire passer le dev OSS gratuit vers un compte payant. 19 €, ça déclenche le numéro de carte = entrée dans la base prospects, comportement loggable, début de relation.

Starter — 99 €/mois Limite : ~825 heures/mois, 3 jobs concurrents (= 3 fichiers traités en parallèle) Cible : petite startup, agence, produit early-stage avec sa propre clientèle Logique business : encore en self-serve mais le ticket commence à compter. Palier où l'AE commence à recevoir des alertes ("ce client utilise 700h/mois et grandit") = signal pour outreach.

Enterprise — Custom + self-hosted possible Pas de prix public. Cible : boîte qui a soit (a) du volume (10K+ heures/mois), soit (b) des contraintes de déploiement (on-prem, air-gapped, conformité GDPR/HIPAA stricte), soit (c) besoin de support custom + SLA. Logique business : c'est ICI que sont les vrais ACV. Probablement entre 30k et 500k+/an selon le profil. Avec self-host, on monte bien plus haut (EDF, Defense, banques, etc.).

FREE TRIAL 150h + 10 voiceprints sur 1 mois. Très généreux — c'est le top of funnel principal pour la conversion dev OSS → payant.

LECTURE GTM DU PRICING Modèle PLG → Sales-Assist → Enterprise.

qualifiés en deals enterprise

Le free tier nourrit le funnel
Le Developer/Starter monétise les early adopters
Le job d'AE c'est de transformer les signaux d'usage et les inbound

ÉVOLUTIONS PROBABLES DU MODÈLE (à ne pas anticiper en clair, mais à avoir en tête)

leur narratif "designed to fit exactly where you are")

infra)

payante)

Tier "Pro" entre Starter et Enterprise (annoncé tacitement dans
Streaming pricing différencié (le real-time coûte plus cher en
Voiceprint storage / management as a service (sticky feature
Compliance bundles (HIPAA, SOC2 avec certifs facturées)

================================================================================

MODÈLE ÉCONOMIQUE — SOURCES DE REVENUS

COMMENT ILS GAGNENT DE L'ARGENT (aujourd'hui)

Enterprise. Cœur du revenu récurrent. Modèle pay-per-usage avec floor minimum + overage.

régulés. Souvent contrats annuels ou multi-années avec maintenance + support inclus. ACV plus élevés, churn quasi nul.

une commission), mais excellent canal d'acquisition pour les comptes "AWS-first".

API SaaS premium (cloud) — Plans Developer, Starter, et surtout
Self-host / on-prem licenses — Plans Enterprise pour clients
AWS Marketplace — Revenu indirect, marges plus faibles (AWS prend

COMMENT ILS NE GAGNENT PAS (encore) D'ARGENT

leur ADN historique)

Pas de licence des modèles OSS (tout gratuit en MIT/Apache)
Pas de service / professional services majeur (ce ne serait pas
Pas (encore) de produit packagé end-user

DIAGNOSTIC GTM HONNÊTE

Forces actuelles

Distribution gratuite massive via OSS (acquis)
Top of funnel énorme (200K+ devs)
Brand technique fort dans la communauté

Faiblesses actuelles

systématisée

Conversion OSS → payant probablement encore manuelle, sous-
Outbound enterprise probablement faible voire inexistant
Account-based motion à construire
Sales operations encore artisanales

→ C'est exactement la situation où un Founding AE écrit le playbook.

================================================================================

DISTRIBUTION ET CANAUX

CANAUX CONFIRMÉS

cloud premium

Precision-2

(le client déploie chez lui sur sa propre infra GPU)

API cloud propriétaire (api.pyannote.ai) — deployment principal
HuggingFace Hub — hosting des modèles OSS + dispatching vers leur
AWS Marketplace — déploiement SageMaker self-hosted pour
Self-hosted on-prem / on-device — disponible en plan Enterprise

NON ENCORE COUVERT (= opportunité d'ouverture pour toi)

Devoteam) malgré le référencement Élysée

Pas de présence Azure Marketplace
Pas de présence Google Cloud Marketplace
Pas de Databricks Marketplace
Pas de partenariat Snowflake formalisé
Pas de motion structurée avec les SI français (Sopra, Capgemini,

À UTILISER EN ENTRETIEN "Avez-vous regardé Azure Marketplace ou GCP — pour adresser les clients enterprise déjà engagés sur ces clouds ?" → tu signales que tu raisonnes channel, pas juste closing direct.

================================================================================

CONCURRENCE

ASSEMBLY AI Force : transcription anglaise, GTM US ultra mature, devrel monstrueux Faiblesse vs pyannote : diarisation moins précise, modèle plus US-centric Angle pyannote : EU > GDPR, multi-langue, diarisation haute précision

DEEPGRAM Force : latence très basse, Nova-2 modèle puissant, beaucoup d'enterprise US Faiblesse : moins précis sur diarisation pure, audio difficile Angle pyannote : qualité > vitesse pour les use cases intelligence (pas live captioning)

GLADIA Force : positionné EU, GTM dev-friendly, croissance solide Réalité : ils intègrent Precision-2 — donc partenaire/client autant que concurrent Angle pyannote : on est en dessous de leur stack, pas en face ATTENTION : Jean-Louis Quéguiner (CEO Gladia) est advisor de pyannoteAI — ne JAMAIS critiquer Gladia frontalement.

WHISPER (OpenAI / OSS) Force : gratuit, "ça marche" Faiblesse : pas de diarisation native, ops à porter, pas de SLA, pas de support, dérive non-monitorée Angle pyannote : "Whisper c'est cool pour un POC. Pas pour de la prod sérieuse multi-locuteurs."

HYPERSCALERS (AWS Transcribe, Google Speech-to-Text, Azure Speech) Force : intégration native dans les écosystèmes cloud respectifs Faiblesse : génériques, pas spécialisés sur diarization, pas de voiceprinting fin Angle pyannote : layer infra spécialisée vs offre commodity

NVIDIA NEMO Aussi des modèles de diarisation, mais pas de motion commerciale pure-play sur la diarization. Pyannote reste le seul acteur 100% spécialisé en diarization premium.

PHRASE DE POSITIONNEMENT À MÉMORISER "AssemblyAI et Deepgram sont des plateformes voice AI. Whisper est un modèle gratuit. Nous, on est l'infrastructure de diarisation que les autres voudraient avoir. C'est une catégorie différente, pas un degré différent."

LE RISQUE DE COMMODITISATION (la question stratégique à oser poser) Si Whisper, Deepgram ou un OSS futur arrive à 95% de la qualité Precision-2, le différentiel devient marginal et pyannoteAI devient une feature absorbée. C'est la question à poser à Vincent.

================================================================================

MARCHÉ ET ICP

ICP ANNONCÉ PAR PIERRE-BAPTISTE 300 à 400 comptes ICP identifiés.

GÉOGRAPHIES France + Europe + USA. L'écrasante majorité du revenu est HORS France (notamment USA). → Tu vas devoir bosser en anglais sur des comptes US.

3-4 VERTICALES CŒUR

Gong, Chorus, Modjo)

partenaire)

Customer service / call centers (conversation intelligence type
Note-takers (Otter, Fireflies, MeetGeek — pas Gladia qui est
Defense & intelligence (mentionné par PB spontanément)
Robotique (qualifiée de "long shot")

+ 2 VERTICALES HOT

Doctolib approchés "à l'époque")

Transcription médicale (volumes "faramineux" selon PB — OneDoc,
Voice agents / data vocale enterprise

USE CASES NOMMÉS PAR PYANNOTE EUX-MÊMES

Modjo)

2025-2026)

Transcription de réunions (Otter, Fireflies, MeetGeek, Modjo)
Call center analytics & conversation intelligence (Gong, Chorus,
Voice agents (assistants vocaux temps réel — vague Voice AI
Doublage / dubbing automatique (HeyGen, ElevenLabs, Synthesia)
Healthcare (consultations médicales, scribes IA — Nabla, Suki)
Justice (transcription de tribunaux)
Compliance / monitoring (banque, assurance, MIFID II)
Souveraineté publique (Visio FR, gouvernements)

================================================================================

RÉFÉRENCE VISIO / DINUM — L'OUVERTURE SOVEREIGN

ATTENTION : la référence client publique est VISIO, pas "Marianne". Marianne est un autre projet (chatbot agents publics). Pierre-Baptiste n'a pas relevé cette confusion dans le call, mais Vincent le fera. Ne JAMAIS dire "Marianne" devant lui.

FAITS SUR VISIO

DGFiP, ministère des Armées

Solution de visioconférence souveraine de l'État français
Portée par DINUM (Direction interministérielle du numérique)
Pyannote AI fournit la couche diarisation
Déployée sur 200 000 agents
Économie estimée : 1 M€/an pour 100 000 utilisateurs
Partenaires associés : Kyutai, Outscale
Ministères et organismes utilisateurs : CNRS, Assurance Maladie,

POURQUOI C'EST UN LEVIER GTM

pour relayer la motion sovereign

Référencement de fait dans le secteur public français
Ouverture vers tout l'écosystème régulé EU
Argument crédibilité massif pour les RFP/AMI publics
Porte d'entrée vers les SI français (Sopra, Capgemini, Devoteam)

================================================================================

LA STRATÉGIE GTM — LES 3 COHORTES OSS → PAYANT

C'EST TON LEVIER #1. Pierre-Baptiste l'a explicitement dit : "Si tu prends l'open source, c'est que tu n'as pas envie de payer, donc faut que tu arrives à prouver que ce que tu apportes est suffisamment intéressant."

LE PIÈGE À ÉVITER : traiter les utilisateurs OSS en bloc. Ils ne convertissent PAS pour 3 raisons différentes. Donc 3 motions différentes, 3 SKU différents, 3 cycles différents.

LA QUESTION DE DÉCOUVERTE QUI TRIE EN 30 SECONDES "Quand vous regardez votre roadmap des 6 prochains mois — qu'est-ce qui vous bloque pour passer en payant ? Le déploiement ? La preuve de valeur ? Ou la spécificité de votre domaine ?"

COHORTE 1 — "DATA SOVEREIGNTY" (alias Compliance-blocked / On-Prem)

Qui : Banques, assurances, gov, défense, santé EU. Tout ce qui touche DORA, NIS2, AI Act, secret défense, HDS

Pourquoi ils ont : Pas pour économiser — POUR GARDER LE CONTRÔLE DE pris l'OSS LA DONNÉE. Ils ont déjà un budget.

Signal observable : Téléchargement OSS, ZÉRO appel API côté pyannote, pas d'inscription dashboard. Profils LinkedIn DSI/CISO/Head of AI dans les downloads GitHub.

Trigger d'achat : Audit interne ou réglementaire qui flag "OSS non supportée = risque" → ils doivent passer en solution avec SLA, support, audit logs.

Bloqueur réel : "On ne peut pas envoyer notre audio chez vous." → Donc on déploie chez eux.

Motion : (1) Outbound ciblé via channel SI français (Sopra, Capgemini, Devoteam) post-référencement MarIAnne / Visio. (2) Discovery + security review avec pre-sales tech. (3) Déploiement Marketplace AWS (existe) ou self-hosted via Helm chart.

SKU vendu : Enterprise self-hosted — pricing custom, ACV typiquement 6 chiffres.

Cycle : 3 à 6 mois (procurement + sécu + DPO).

Ton ouverture : Référencement Élysée = porte d'entrée gratuite sur tout le secteur public FR. Ton expérience RFP/AMI = tu sais structurer le dossier.

COHORTE 2 — "QUALITY PLATEAU" (alias Proof-blocked / In-Prod Bloqués)

Qui : Startups Série A/B+ avec un produit voice en prod : note-takers (Otter, Fireflies-like), conversation intelligence (type Modjo), centres d'appels, ed-tech vocal, robotique.

Pourquoi ils ont : Vélocité. Ils ont prototypé en 2 jours et c'est pris l'OSS rentré en prod.

Signal observable : Usage actif — issues GitHub ouvertes, traffic API régulier sur free trial, audio difficile (cross-talk, 4+ voix, bruit). Plaintes utilisateur sur la qualité de transcription.

Trigger d'achat : Leur produit plafonne sur la qualité de diarization → support client gueule → c'est devenu un sujet de COMEX.

Bloqueur réel : "Je sais pas si Precision-2 vaut vraiment +28%." → Donc on prouve, on ne pitche pas.

Motion : (1) Capture inbound via free trial 150h. (2) Benchmark gratuit sur LEUR audio : ils envoient 3-5 fichiers représentatifs, on fait tourner OSS 3.1 vs Community-1 vs Precision-2, on livre un rapport chiffré (DER, tcpWER).

SKU vendu : Starter ou Enterprise selon volume. Cycle : 2 à 6 semaines. Ton ouverture : C'est là que tu fais du chiffre vite.

COHORTE 3 — "DOMAIN-SPECIFIC" (alias Fine-Tuning / Custom Model)

Qui : Médical, juridique, industriel — domaines à vocabulaire et contexte spécifiques que le générique ne capte pas.

Pourquoi ils ont : Le générique ne marche pas chez eux ou pas assez pris l'OSS bien.

Bloqueur réel : "Le modèle générique ne capte pas notre vocabu- laire métier."

Motion : Custom Plan + Applied AI engineer en co-pilotage. Modèle Mistral pro services : l'AE ouvre et qualifie, l'Applied AI scope la partie technique.

SKU vendu : 6 chiffres + services associés. Cycle : 3 à 6 mois. Ton ouverture : Tu ouvres et tu qualifies, tu ne pilotes PAS le technique. Honnêteté à porter en entretien.

RÉPARTITION DE TES PREMIERS 90 JOURS

60% sur la Cohorte 2 (Quality Plateau) — c'est là que tu fais du chiffre vite 30% sur la Cohorte 1 (Data Sovereignty) — tu actives ton expérience régulé/RFP 10% sur la Cohorte 3 (Domain-Specific) — jusqu'à ce que le pre-sales tech soit en poste

VARIANTES NOMS — POUR L'ORAL Mieux vaut nommer les cohortes par le BLOQUEUR plutôt que par l'étiquette marketing. À l'oral chez Vincent : "Première — celles qui ne peuvent pas envoyer leur audio chez vous" "Deuxième — celles qui sont en prod avec l'OSS et qui plafonnent sur la qualité" "Troisième — celles dont le domaine est trop spécifique pour le générique"

================================================================================

CARTOGRAPHIE SECTORIELLE DES LEADS (3 TIERS)

TIER 1 — SOUVERAINETÉ + ON-PREM (où pyannote est imbattable)

Là où les hyperscalers (AWS Transcribe, Azure Speech, Google) sont disqualifiés d'office et où Deepgram/AssemblyAI sont US donc politiquement compliqués.

Défense & Renseignement Thales, Dassault Aviation, MBDA, Naval Group, Airbus Defence & Space, Safran Electronics, Atos/Eviden BDS, ChapsVision, Earthcube Use cases : interception, analyse conversationnelle, voiceprinting (identification locuteur), traitement de flux radio Porte d'entrée existante via le ministère des Armées sur Visio Cycle long (12-18 mois), ACV 6-7 chiffres, lock-in massif

Secteur public & Administrations Au-delà de Visio/DINUM déjà signé : ARCEP, CNIL, France Travail, URSSAF, Caisse des Dépôts, AP-HP, INSEE, INRIA EU : Bundesdruckerei, GovTech Campus DE, GAIA-X, administrations néerlandaises (très matures sur la souveraineté), nordiques Cycle marché public kafkaïen mais référencements UGAP/centrale d'achat = revenus récurrents

Santé hospitalière publique & pharma régulée AP-HP, CHU régionaux, Institut Curie, Gustave Roussy, INSERM Pharma : Sanofi, Servier, Pierre Fabre, Boehringer, Roche, Novartis Use cases : transcription médicale, compliance pharmacovigilance, calls représentants médicaux Contrainte forte HDS/HIPAA → on-prem obligatoire = ton terrain de jeu

Énergie & Infrastructures critiques EDF, RTE, Engie, TotalEnergies, Orano, Framatome, Veolia, Suez Telecoms : Orange (gros), SFR, Bouygues, Free, Proximus, KPN, Telefónica Beaucoup de NOC, support technique, calls opérateurs à analyser, vrai sujet souveraineté

Finance régulée BNP Paribas, Société Générale, Crédit Agricole, BPCE, Crédit Mutuel, AXA, CNP, Allianz, Generali Plus discret : Euronext, AMF, ACPR USE CASE KILLER : conformité MIFID II (enregistrement obligatoire des conversations trader pendant 5 ans), KYC vocal, détection de fraude Tu vends de la conformité, pas de la techno.

TIER 2 — VOLUME + CYCLE COURT (ce qui fait vivre la boîte post-Seed)

Conversation Intelligence (vendre AUX éditeurs, pas aux end-users) Modjo (FR — À COURTISER ABSOLUMENT), Avoma, Fireflies, Otter, Fathom, Read.ai, Grain, Tactiq, Sembly Tous ont besoin de diarisation + STT orchestration. Déjà sur Whisper open source ou un mix bricolé. Tu vends la qualité supérieure + l'orchestration packagée. Cycles 2-3 mois, ACV moyens mais usage qui scale linéairement avec leur croissance = NRR rêvé.

CCaaS & Contact Center analytics Diabolocom, Odigo, Ringover, Aircall (FR/EU), Genesys, NICE, Five9, Talkdesk, Verint, CallMiner Éditeurs verticaux QA agent : Observe.AI, Level AI, Cresta, Balto Marché énorme, besoin réel, cycles raisonnables.

HealthTech AI scribes Nabla (FR — à connaître), Doctolib (s'ils repackagent du voice), Suki, Abridge, DeepScribe, Augmedix, Heidi Health, Corti Marché en ébullition, levées récentes massives, budgets disponibles.

LegalTech Doctrine, Predictice, Hyperlex, Septeo (EU) US : Harvey, Casetext (Thomson Reuters), Spellbook Cycles courts, besoin évident.

HRTech / Recrutement vidéo Easyrecrue/Visiotalent, Yotta, HireVue, MyInterview, Modern Hire, Metaview Ils analysent des entretiens — besoin de diarisation propre.

EdTech / Formation pro 360Learning, OpenClassrooms, CFA, Coursera, Udemy, Cegos, Demos Surtout sur le marché français de la formation financée (CPF, OPCO) où la transcription/analyse est requise pour traçabilité.

TIER 3 — LONGSHOT (à laisser tourner en inbound, pas en priorité 1)

Médias & Audiovisuel Radio France, ARTE, France TV, BBC, RTBF, RAI, ZDF Producteurs podcasts : Acast, Spotify Studios, Wondery, Binge Audio, Louie Media Use cases : transcription d'archives, recherche, sous-titrage, accessibilité

Automotive (voice assistants embarqués) Stellantis, Renault, Mercedes, BMW, Volkswagen, Volvo Cerence est le concurrent installé. Cycle ultra long (3-5 ans), à oublier sauf si Vincent dit le contraire.

Recherche académique & Sciences sociales CNRS, INRIA, Max Planck, ETH, universités Pas de revenu direct significatif, mais top of funnel idéologique. À nourrir, pas à monétiser à court terme.

================================================================================

LE RÔLE DE FOUNDING AE — DÉTAIL DU POSTE

INTITULÉ Founding Account Executive / Commercial Associate Paris, 2-3 jours remote ASAP

DEUX MISSIONS PRINCIPALES (annoncées dans la JD)

Convertir 170K+ utilisateurs OSS + thousands de nouveaux users/ mois + dozens d'inbound leads en pipeline qualifié.

DEMAND GENERATION

Own le pipeline de bout en bout, expand sur les comptes existants, devenir l'expert voice AI en interne.

DRIVING GTM

CE QUE LA JD NE DIT PAS MAIS QUI EST VRAI

(Chief of Staff)

toi

Tu vas écrire le playbook AVEC la RevOps, pas juste l'exécuter
Tu travailles directement avec Vincent (CEO) et Pierre-Baptiste
Si tu performes : Sales Lead à 12-18 mois, recrutement d'AE sous

COMPENSATION ATTENDUE (à anticiper, pour ne pas être surpris) OTE : 70-110k€ Split : ~50/50 fixe/variable BSPCE : 0,5 - 1,5%

STRATÉGIE COMP À L'ORAL NE PAS sortir de chiffre toi. Réponse type : "Je suis flexible, je connais les ranges Founding AE Paris Seed-stage. Je préfère qu'on parle fit avant package."

================================================================================

PRÉPARATION ENTRETIEN PIERRE-BAPTISTE (lundi 14h30 — réalisé)

POSTURE Échange exploratoire, pas un pitch. Dialogue > monologue. Tu poses autant que tu réponds. Si tu monologues, tu perds. Si tu fais réfléchir PB sur sa propre boîte, tu gagnes.

SUJETS À ABORDER PROACTIVEMENT

qu'ils n'ont pas attaqués)

intelligence, pas en challenge)

(utilisation des 150h gratuites, scoring matrix)

qualification (si données IP récupérables)

Conversion OSS → payant (les 3 cohortes)
Upsell des plans Developer → Starter → Enterprise
Stratégie channel et partenariats (notamment cabinets de conseil
Question sur la pertinence du produit STT Orchestration (en
Analyse des signaux faibles de consommation sur la plateforme
Croisement potentiel des données HuggingFace + API pour
Mise en place de tracking type PostHog sur leur site
Positionnement à moyen terme — qu'est-ce qu'ils veulent VRAIMENT ?

LES 3 QUESTIONS À POSER (max 3, choisies)

vs outbound construit ? Et où est le gap de qualité entre les deux ?"

plan à passer en Enterprise ? Volume, self-host, latence, sécurité ?"

européenne se construire ? Quelles autres administrations ou OIV vous regardent ?"

"Aujourd'hui dans le pipeline, c'est quel split inbound qualifié
"Quel est le moment de friction qui pousse un dev en Developer
"Avec MarIAnne, est-ce que vous voyez une motion sovereign

À ÉVITER ABSOLUMENT

(lis la JD)

Questions de type "quels sont les avantages de travailler ici"
"Vous avez levé combien" (info publique)
"C'est quoi votre stack tech" (pas ton sujet en tant qu'AE)

================================================================================

PRÉPARATION ENTRETIEN VINCENT (mercredi 14h)

CANEVAS PROBABLE (anticipé) 2 min : Vincent parle de lui (laisse-le, n'interromps pas) 3 min : Il te demande de te présenter (concis, PAS 5 min) 15 min : Il creuse

8 min : Tes questions 2 min : Close

Pourquoi pyannoteAI vs autres opps
Comment tu vois le rôle
Comment tu attaques les 90 premiers jours

LES 5 QUESTIONS À POSER À VINCENT (par priorité)

"L'Élysée sur Precision-2, c'est un signal. Vous voulez en faire un axe GTM 'pyannoteAI souverain européen' ou ça reste opportuniste ?"

SOUVERAINETÉ EU

"Sur la cohorte data-sensitive, quelle est votre roadmap Azure/GCP/AWS marketplaces ?"

STRATÉGIE MARKETPLACE

"Si OpenAI ou Whisper intègre une diarization native dans 18 mois, comment vous protégez le moat de Precision-2 ?"

RISQUE DE COMMODITISATION

"À 12-18 mois, vous voyez quelle taille d'équipe sales et quelle répartition direct/channel ?"

STRUCTURE ÉQUIPE

À poser EN FIN, sans gêne. Fixe, variable, BSPCE — tu dois sortir avec une fourchette.

COMPENSATION & EQUITY

QUESTION VARIANTE — VISION LONG TERME (à poser SI l'ambiance le permet) "Tu vois pyannoteAI comme un Twilio du voice intelligence — pure infra layer pour les boîtes produit — ou est-ce qu'il y a une ambition de remonter vers des produits packagés sur certaines verticales (genre meeting intelligence ou call center direct) ? Ça change pas mal la nature du job d'AE."

LES 3 PIÈGES À ÉVITER AVEC VINCENT

tech — il aime structurer la conversation. Suis sa structure, ne la combats pas.

concis et stratégique.

record PLG. Si Vincent creuse : "Je n'ai pas piloté de conversion PLG end-to-end. J'ai analysé ces modèles côté VC. Je viens chez vous parce que c'est exactement ce que je veux apprendre — sur un terrain où mes 0→1 GTM précédents me donnent un avantage différentiel."

NE PAS le laisser parler. Il a 15 ans de conseil et product strat
NE PAS refaire ton récit complet. PB lui aura déjà résumé. Sois
NE PAS survendre tes capacités sur le PLG. Tu n'as pas de track

PHRASE DE CLOSE POUR VINCENT "Vincent, ce que je retiens de cet échange c'est [reformule un point clé qu'il a fait]. Ce qui me semble cohérent avec ce que je viens chercher : un produit techniquement validé, un GTM à structurer, un terrain mix outbound enterprise + conversion PLG. Côté PB j'ai bien compris les 3 axes du rôle. Côté toi, qu'est-ce qui ferait qu'au mois 6 tu te dirais 'on a fait le bon choix d'embaucher Maxime' ?" → Tu inverses, tu le forces à projeter une réussite avec toi. C'est un closing puissant.

================================================================================

PITCH PERSONNEL — NARRATIF MAÎTRE FOUNDER → AE

VERSION 90 SECONDES (à mémoriser dans le fond, pas dans la lettre)

"J'ai fait deux 0→1 GTM. ExtraStudent comme first sales hire post-seed, Arkavia comme co-fondateur. À Arkavia j'ai bâti l'outbound de zéro, généré 78% du revenu sans inbound ni SDR, et closé des deals enterprise complexes — logistique 10 Mds€, PE 1,5 Mds€ AUM, pharma 500 M€, M&A advisory.

Ce que j'ai appris ces deux fois, c'est que la phase la plus dure et la plus intéressante du sales startup, c'est écrire le playbook quand il n'existe pas. C'est ce que pyannoteAI vit en ce moment.

Pourquoi pas founder à nouveau ? Parce que j'ai construit deux fois sans validation produit en amont. Ici, vous avez 200K devs, top 10 HuggingFace, l'Élysée qui signe sur Precision-2. Le risque tech est derrière. Le risque GTM est devant. C'est la phase où je veux être — mais sans repartir de zéro produit. Founding AE chez vous = je peux encore écrire le playbook, mais sur un actif qui a déjà gagné la bataille technique."

VERSION 30 SECONDES (variante courte)

"Deux 0→1 GTM derrière moi, dont un en outbound pur enterprise. Je veux scaler dans un produit déjà validé techniquement, pas en relancer un de zéro. Founding AE chez vous = je peux encore écrire le playbook, mais sur un produit qui a déjà gagné la bataille technique."

LES 5 ATOUTS À CHARGER

78% du revenu Arkavia, zéro SDR, zéro inbound, cycles 3-6 mois, C-level, MEDDPICC, RFP/AMI. Pas théorique.

Tu as fait l'outbound enterprise complexe DEUX fois.

Les RFP/AMI sur logistique 10Mds€, pharma 500M€, PE 1,5Mds€ — exactement la mécanique que MarIAnne vient d'activer chez pyannoteAI.

Tu connais le terrain réglementé/sovereign mieux que la moyenne.

Epitech (C, algorithmes), cours AI Sorbonne (350+ étudiants avec Mistral, Scaleway, Capgemini comme partenaires). Tu peux dialoguer avec un Head of Engineering sans te ridiculiser. Pour vendre du dev-first, c'est rare.

Tu as un background technique réel.

Tu as suivi le sujet avant de candidater (Precision-2, STT Orchestration, l'analogie computer vision/voice AI). Pas un AE générique qui découvre le marché.

Tu as la curiosité voice AI documentée.

Scoring d'usage, signaux faibles, channel partnerships — tu ne penses pas en quota mensuel, tu penses en système.

Tu raisonnes growth + sales, pas juste closing.

================================================================================

LES 90 PREMIERS JOURS — PLAN STRUCTURÉ 30/60/90

J+30 — TU ÉCOUTES ET TU CARTOGRAPHIES

sont les frictions)

/ fine-tuning)

pour comprendre les TRIGGERS RÉELS d'achat

variés)

Audit pipeline inbound existant (qui rentre, qui convertit, où
Cartographie ICP par cohorte (data sensitivity / preuve de valeur
10 conversations clients existants (mix payants + OSS convertis)
Lecture du code OSS et test bout en bout du dashboard (15 audios

J+60 — TU STRUCTURES

levier MarIAnne

GCP + Databricks/Snowflake

Premier outbound structuré sur la cohorte 1 (régulé / sovereign),
Qualification framework (MEDDPICC adapté au PLG-to-enterprise)
Premier dossier channel : AWS Marketplace existe → ouvrir Azure +
Premier playbook RFP/AMI réutilisable (vu ton expérience régulé)

J+90 — TU LIVRES

sur les 150h gratuites)

pour relayer les RFP publics)

3-5 opps enterprise qualifiées en cycle
Premiers learnings data-driven sur conversion OSS (scoring matrix
Première hypothèse channel partner FR (Sopra/Capgemini/Devoteam
Document "Outbound Playbook v1" partageable avec le futur 2e AE

================================================================================

LES 3 QUESTIONS STRATÉGIQUES OUVERTES (NON TRANCHÉES)

Ce sont les 3 axes de discussion qui n'ont pas été tranchés et qui orienteront ta priorisation outbound.

QUESTION 1 — VERTICAL-LED OU HORIZONTAL-LED ? Pyannote est aujourd'hui horizontal (API générique). À quel moment il faut packager une "pyannote for healthcare" ou "pyannote for defense" avec compliance built-in ? Trop tôt = dispersion. Trop tard = perdre face à un acteur vertical pur.

QUESTION 2 — DIRECT OU VIA CHANNEL ? Vendre à Modjo / Avoma / Diabolocom (qui revendent ensuite à 1000 boîtes) vs vendre direct à BNP. Le channel scale mieux mais cannibalise la marge et te rend dépendant d'un poignée de partenaires. À 8 M$ de runway, tu choisis quoi ?

QUESTION 3 — EU-FIRST OU EU-ONLY ? Le pitch souveraineté marche en France/EU, pas du tout aux US. Si la Série A demande une thèse globale, comment on positionne pyannote face à Deepgram sur le sol US ?

Ces 3 questions sont à poser à Vincent ou à utiliser comme angle d'analyse personnelle. Ne pas leur faire la leçon — les utiliser pour révéler la profondeur de ta réflexion stratégique.

================================================================================

TICS ORATOIRES — LA LISTE NOIRE

PB a poliment laissé passer. Vincent NE LAISSERA PAS.

Tics identifiés à éliminer :

"STT et STT" (confusion entre les deux notions)
"tu vois"
"je veux dire"
Monologues > 3 minutes
Réponses qui démarrent par "alors"
Hésitations sur le vocabulaire technique (voir section 6)

DRILLS À FAIRE Drill 1 — Pitch perso 90 sec, chronométré, enregistré, réécouté Couper les "je veux dire", refaire Drill 2 — Lost deal en STAR (Situation/Task/Action/Result) 90 secondes. Le R doit inclure un APPRENTISSAGE, pas juste un échec Drill 3 — Les 90 premiers jours, à voix haute, 2 minutes Structure 30/60/90 (voir section 22)

================================================================================

IMPRÉCISIONS FACTUELLES À NE PAS RÉPÉTER

Plusieurs erreurs ont été faites dans le call avec PB, qu'il n'a pas relevées par politesse. Vincent les relèvera.

ANNONCÉ DANS LE CALL RÉALITÉ VÉRIFIÉE ---------------------------- ---------------------------- "8 millions en avril 25" 8,1 millions de DOLLARS US (pas 8 M€). Parfois mentionné 9 M$ avec angels.

"Marianne" comme client de VISIO (DINUM). Marianne est un référence État autre projet (chatbot agents publics). Ne pas répéter.

"40 millions de téléchargements 45 millions/mois selon les par mois" communiqués officiels et le blog Serena.

"200 000 utilisateurs uniques" Cohérent (chiffre ré-actualisé fin 2025/début 2026).

Vincent : "15 ans de conseil Profil EDHEC + Salamanca. puis product" Expériences publiques : Klub by Ki, Pao, Biogen, Time for the Planet. Ordre de grandeur cohérent mais pas spécifiquement 15 ans en conseil.

SUJETS ESQUIVÉS OU NON CLARIFIÉS PAR PB

commoditisation

produit end-user

potentiel)

payants, taille moyenne des contrats)

Durabilité de l'avantage technique de Precision-2 face à la
Risque de cannibalisation entre l'offre infra et un éventuel
Dynamique long terme avec Gladia (à la fois client et concurrent
Métriques business actuelles (ARR, run-rate, nombre de clients
Stratégie Série A — calendrier, taille, lead pressenti
Compensation, equity, conditions du poste
Rattachement hiérarchique exact du poste
Quotas et structure de variable

→ Tous ces sujets sont des candidates pour ta liste de questions à Vincent.

================================================================================

CHECKLIST OPÉRATIONNELLE

AVANT L'ENTRETIEN VINCENT [ ] Avoir testé pyannoteAI en pratique (compte sur dashboard.pyannote.ai, audio uploadé, Precision-2 lancé dessus) [ ] Lire le blog post "STT Orchestration" en intégralité (10 min) [ ] Lire le blog post "Precision-2" en intégralité (10 min) [ ] Regarder la page "Use cases" de pyannote.ai et la page "Enterprise" [ ] Recherches sur Vincent : LinkedIn, posts publics, interviews (Slator, EU-Startups, TechFundingNews) [ ] Pitch perso 90 sec dit à voix haute 3 fois minimum [ ] 5 questions Vincent classées et mémorisées [ ] Lost deal en STAR calé (UNE histoire concrète) [ ] 90 premiers jours dits à voix haute, 2 minutes

JUSTE AVANT (mercredi 13h-14h) [ ] Relecture 20 min max — pas de cramming [ ] Phrase d'accroche personnelle (90 sec) [ ] Les 3 cohortes OSS → payant [ ] 5 questions [ ] 3 observations sur Precision-2 (du test de la veille)

HYGIÈNE MENTALE [ ] Café avant 12h, pas après [ ] Pas d'alcool la veille (oui, à écrire) [ ] Hydratation [ ] Test technique 15 min avant (caméra, micro, lumière, fond neutre)

================================================================================

ANNEXE — LEADS CONCRETS IDENTIFIÉS ET ACTIVABLES

Liste personnelle de leads que tu peux activer ou mentionner à Vincent comme apport concret au démarrage.

LEADS DIRECTS CONFIRMÉS PAR TOI

à disposition outil contre publicité

Sixt (à approcher)
Intelcia (call center) — possibilité de proposer un RDV direct
Crayon Group — pub sur déploiement à toutes leurs émissions, mise
OneDoc — lance un assistant IA pour le marché suisse, en cours
Gouvernement du Gabon — possibilité d'intro
AI note-takers listés sur Product Hunt — liste compilée

CONTACTS PARTENARIATS HYPERSCALERS / CLOUD FR

OVH : tu connais le Head of Partnerships
Scaleway : tu connais le CTO + le Head of Sales

Ces contacts personnels sont un atout concret à mettre en avant chez Vincent — peu de candidats arrivent avec des intros activables dans les 30 premiers jours.

================================================================================ FIN DU DOCUMENT ================================================================================

Document compilé à partir des chats du projet Pyannote. Volume cumulé : ~13 conversations sur la période 27 avril → 4 mai 2026.

Si une section te paraît incomplète ou si tu veux qu'on creuse un angle (ex : scripts d'approche LinkedIn par cohorte, role-play Vincent, briefing Hervé/Juan pour les calls suivants), demande.