Christophe Karnas
Product Manager Salesforce | AI & Data Enthusiast | Tech Podcast Lover
43 ans
Permis de conduire
Mons-En-Baroeul (59370) France
Situation professionnelle
En poste
Ouvert aux opportunités
Exploration et mise en pratique des modèles de langage LLM
perso
Depuis novembre 2022
- Pionnier de l’intégration des LLM dans les environnements Salesforce et dans les workflows métier, j’explore depuis 2022 l’usage de l’IA générative pour augmenter la productivité, industrialiser la connaissance métier et accélérer la conception produit.
Une démarche structurée : construction d’un catalogue d’agents spécialisés
Conception et déploiement d’agents intelligents (GPT / Gemini) couvrant des activités clés du cycle produit et de la gouvernance Salesforce : - Rétro-documentation automatisée
- Analyse des métadonnées Salesforce (JSON rapports / Flexipages / objets)
- Restitution de la logique métier, des règles, des dépendances et de l’architecture fonctionnelle.
Génération structurée de User Stories et critères d’acceptation
- Agents capables d’interpréter le contexte Salesforce (objets, cardinalités, règles).
- Production de backlog de qualité homogène et industrialisable.
Génération automatisée de composants LWC
- À partir d’un besoin exprimé en langage naturel et du dictionnaire de données Salesforce.
- Intégration directe des règles métier et relations interobjets.
Modélisation automatisée
- Processus métier : flowchart, swimlanes, séquences (Mermaid.js).
- Modèles de données : génération au format DBML.
- Analyse des métadonnées Salesforce (JSON rapports / Flexipages / objets)
- Exemples de réalisations concrètes
- Composant Vision 360 des rôles de contact : Agrégation interobjets (opportunités, contrats, sites, projets), tri, filtres, export Excel.
- Outil d’aide à la saisie des usages gaz et équipements ; Intégration des règles de gestion, cohérences contextuelles, logique de recommandation.
- Composant Vision 360 des rôles de contact : Agrégation interobjets (opportunités, contrats, sites, projets), tri, filtres, export Excel.
- Prototypage accéléré via GenAI (Gemini 2.5 Pro / Replit)
Création de POC complets avec génération automatique :
- Modèles de données, dictionnaires d’attributs
- Jeux de données simulés cohérents
- IHM interactives (Streamlit) : formulaires, tableaux, graphiques, simulations
- Modèles de données, dictionnaires d’attributs
- Cas d’usage démonstrateur : planification des travaux gaziers
Application de démonstration intégrant :
- Visualisation du réseau gaz (artères, antennes, Point de comptage)
- Définition et simulation de travaux
- Analyse d’impact client (criticité, activité, exposition)
- Comparaison de scénarios
- Identification automatisée des communications réglementaires à effectuer
- Visualisation du réseau gaz (artères, antennes, Point de comptage)
- Finalité générale : Montrer la valeur de la structuration des données dans le CRM, accélérer la discovery, et démontrer l’apport concret des LLM dans des cas métier à forte complexité.
