Comment Pennylane pilote sa transition IA avec 1100 salariés

Pennylane gère la comptabilité et les finances des TPE et PME françaises. Le même outil sert aux cabinets comptables qui tiennent leurs comptes de A à Z.

• 160 M€ ARR, croissance prévue x2 sur l’année
• 1,2M d’entreprises accompagnées et 6 000 cabinets partenaires
• 20% de parts de marché en France en 6 ans
• 1100 personnes (dont 130 en produit et design, 400 en tech et data)
• Lancement en cours en Allemagne

1. Viser des experts augmentés plutôt que des product builders

Tancrède (Cofounder et CPO) manage 130 personnes en produit et design et 400 en tech et data. À cette échelle, il préfère des ingénieurs, des PM et des designers 10 fois plus efficaces avec l’IA plutôt que des profils qui font tout.

2. Ouvrir la codebase en lecture mais pas en écriture

Chez Pennylane, les PM et designers peuvent interroger le code mais pas le mettre en production. Il a lui-même diagnostiqué un bug de récupération de factures dans Cursor, sans déranger l’équipe responsable de ce périmètre.

3. Assigner les bugs à un agent plutôt qu’à un développeur

Ils ont un bot interne surnommé Jean-Claude (big up à Claude). On lui assigne un ticket Linear, il va chercher l’erreur via Sentry, ouvre une pull request, lance la CI, et le merge si tout passe. Jean-Claude est uniquement réservé aux bugs pour le moment.

4. Créer une équipe IA dédiée à l’outillage

Tancrède a crée une équipe de 6 personnes à temps plein nommée Apex. Elle est composée des ingénieurs les plus seniors de Pennylane. Leur job n’est pas de construire des fonctionnalités mais l’outillage de demain pour le produit, le design et l’engineering.

5. Optimiser le lien entre les étapes plutôt que les étapes elles-mêmes

Les designers sont dans Figma, les PM dans Notion, les ingénieurs dans Linear. Un de leurs premiers agents traduisait un document produit Notion en tickets Linear au bon format. L’output d’une étape est l’input de la suivante.

6. Séparer les rôles dans les équipes

Un “adopter” passe au minimum 2h par semaine sur les outils. Un “explorer” y passe un jour et construit les agents que les autres utiliseront. Chez Pennylane, la réponse « je n’utilise pas » n’existe pas.

7. Donner à chaque métier une perspective sur son rôle demain

Un des ingénieurs de Pennylane a fait remonter : “si mon métier devient relire du code écrit par des robots, je démissionne. Si c’est construire le système qui garantit la qualité, ça m’amuse”. C’est la philosophie suivie par Pennylane pour embarquer les équipes tech dans cette transformation IA.

8. Prototyper pour tester ce qu’une maquette ne peut pas tester

Pour choisir leurs raccourcis clavier, l’équipe a mis un prototype Lovable entre les mains de bêta-testeurs, en enregistrant les touches réellement pressées. Chacun tapait le raccourci de son ancien outil.

9. Revoir le case study dans les recrutements

Pendant le process de recrutement, le case study à préparer chez soi est devenu obsolète avec l’IA. Pennylane avait déjà un cas en live et l’a donc conservé. La question ajoutée en entretien : “montre-moi ce que tu as déjà construit”.

10. Mesurer l’impact business plutôt que le nombre de pull requests

Tancrède reconnaît que la mesure de l’impact de l’IA reste difficile. Il suit la consommation de tokens et les retours qualitatifs, mais refuse de s’arrêter au nombre de pull requests. Ce qu’il cherche, c’est l’effet sur les métriques business.

‍