Le directeur de Zapier affirme que le véritable avantage de l’IA réside dans la culture, pas dans la sophistication technique

Brandon Sammut est le Chief People and AI Transformation Officer chez Zapier. Lui et l’équipe de Zapier ont passé les trois dernières années à intégrer l’IA à leurs systèmes, leurs flux de travail et leurs pratiques en gestion des talents.

Nous avons rencontré Brandon pour comprendre pourquoi son rôle est passé de « People » à « People and AI Transformation ». Il nous a expliqué que la véritable transformation par l’IA est un enjeu humain, et non technique.

Créer des systèmes qui maximisent le potentiel humain

Je suis Brandon Sammut, Chief People & AI Transformation Officer chez Zapier. Je me concentre sur l’avenir du travail à l’intersection du talent et de la technologie.

Mon parcours est tout sauf linéaire. J’ai débuté dans l’enseignement — d’abord comme directeur de résidence à l’Université du Texas à Arlington — puis j’ai passé six ans chez Teach For America, en recrutement, finance, opérations et partenariats avec des entreprises.

Par la suite, j’ai obtenu un MBA et un Master en éducation à Stanford, effectué un stage en capital-risque chez Owl Ventures, et j’ai finalement décroché mon premier poste de CPO chez LiveRamp (NYSE : RAMP). Ce que partagent toutes ces expériences, c’est un fil directeur qui me motive profondément. Comment bâtir des systèmes qui maximisent le potentiel humain, et comment faire correspondre ce potentiel à des opportunités à grande échelle ?

J’ai rejoint Zapier en 2021, avant la révolution de l’IA générative. En mars 2023, notre CEO a lancé un « AI Code Red » à l’échelle de l’entreprise — un appel à l’action qui a tout changé. Nous avons rapidement compris que l’opportunité (et le risque de l’inaction) de Zapier autour de l’IA était immense.

Mon équipe People et moi-même avons passé ces trois dernières années à mettre en œuvre la transformation par l’IA sur l’ensemble de l’expérience collaborateur — du recrutement au développement des talents, jusqu’à la refonte même du travail.

Fin 2025, nous avons officialisé ce travail en élargissant mon périmètre pour inclure explicitement la transformation par l’IA en plus du volet People. La logique était simple : une véritable transformation par l’IA est avant tout un défi humain, pas seulement technique.

Zapier est une plateforme d’orchestration d’IA avec une équipe de 800 personnes, entièrement à distance, réparties dans plus de 40 pays. Mon champ d’action englobe toute la fonction People, du recrutement au développement des talents, operations RH, rétribution globale — ainsi que l’initiative de transformation IA pour toute l’entreprise. Cela inclut notre Centre d’Excellence de Transformation IA, onze équipes IA transverses intégrées aux départements, et notre cadre de transformation IA open-source partagé publiquement avec le marché.

En résumé : je suis responsable à la fois des humains et des systèmes IA qui leur permettent de donner le meilleur d’eux-mêmes. Je collabore également avec nos équipes en contact avec la clientèle pour aider d’autres organisations à réussir leur propre transformation par l’IA.

Comment l’IA rend le travail plus humain

Dans toute notre entreprise, 97 % des salariés utilisent des outils de programmation IA dans leur cœur de métier. Quatre-vingt-huit pour cent affirment que cela a amélioré de façon mesurable leur performance et l’engagement des employés dépasse 80 % à nos enquêtes pulse. Cela me montre que l’IA ne nuit pas, pour le moment, à l’expérience collaborateur, mais nous demeurons humbles et curieux quant à son impact sur la façon dont les gens vivent leur travail.

Les postes deviennent plus intéressants, et c’est l’aspect qualitatif qui m’enthousiasme le plus. Quand nous automatisons les tâches répétitives, les gens effectuent davantage de travail créatif, stratégique et humain.

Notre équipe acquisition de talents est régulièrement félicitée pour l’expérience candidat. Pas parce que l’équipe est très nombreuse, mais grâce à une orchestration réfléchie de l’automatisation et de l’IA qui permet de mieux personnaliser chacun des parcours.

De nouveaux parcours professionnels apparaissent. Des personnes qui faisaient auparavant des tâches manuelles et répétitives créent aujourd’hui des automatisations, occupent des postes dans la transformation par l’IA, et contribuent à des fonctions entièrement nouvelles.

L’IA élimine les tâches à faible valeur ajoutée et révèle les meilleurs talents

Notre équipe de support client a réduit de 50 % le temps moyen de traitement des tickets grâce à la synthèse automatisée par l’IA. Cela signifie qu’ils répondent désormais aux questions des clients deux fois plus rapidement. Cette même équipe est désormais rémunérée au 90e centile du marché. Ce n’est pas un hasard.

Lorsque l’IA élimine les tâches répétitives à faible valeur ajoutée, les personnes peuvent se concentrer sur un travail réellement complexe qui demande du discernement — et vous pouvez les rémunérer en conséquence. Ce sont des collaborateurs d’élite qui produisent des résultats précieux.

Notre équipe Demand Gen a conçu un workflow piloté par l’IA qui a automatisé la recherche de leads et généré des messages personnalisés à destination des commerciaux en temps réel. Cela a permis de récupérer l’équivalent de 4,5 ETP, d’économiser 15 000 à 20 000 $ en outils, et de générer 1,2 M$ de pipeline. Un seul workflow.

Revenue Operations gère désormais 25 workflows et agents IA, économisant l’équivalent de 34 semaines de travail à temps plein chaque mois. La finance a réduit la clôture de fin de mois de 25 % malgré une complexité accrue — avec une équipe de 8 personnes pour une entreprise réalisant plus de 5 milliards $ de chiffre d’affaires annuel.

Là où cela a été difficile, c’est que le rythme du changement crée de la fatigue. Tout le monde n’avance pas au même rythme, et c’est normal. Mais gérer cette disparité pour 800 personnes requiert de l’intention, et certains workflows automatisés par l’IA ont nécessité plusieurs itérations avant d’atteindre des résultats réellement satisfaisants.

Je n’appelle pas cela des échecs. C’est la nature même du travail. L’intelligence continue de croître. Quelque chose qui n’est pas totalement prêt aujourd’hui peut constituer une toute autre histoire d’ici un mois.

Brandon partage

La question n’est pas “À quel point est-ce impressionnant ?“, mais “Est-ce que cela améliore réellement le travail de quelqu’un ?“

Pourquoi la simplicité l’emporte sur la complexité dans les initiatives IA

Au début, mon équipe et l’entreprise pensaient spontanément que les cas d'usage IA les plus précieux seraient ceux qui seraient techniquement sophistiqués. Cela a mené à une sur-ingénierie. En réalité, certains de nos travaux les plus impactants ont été assez simples : automatiser les communications candidats personnalisées à chaque poste, construire un coach IA simple pour la fixation d’objectifs, et résumer de longs tickets de support en informations exploitables.

Si je pouvais revenir en arrière, je me dirais de commencer par la solution la plus simple qui résout une vraie douleur humaine. Ne confondez pas complexité technique et valeur business. La question n’est pas « À quel point est-ce impressionnant ? ». C’est « Cela améliore-t-il réellement le travail de quelqu’un ? »

Comment une évaluation de la maîtrise de l’IA élève le niveau pour les nouvelles recrues

Nous évaluons désormais la maîtrise de l’IA de 100 % des candidats, pour chaque département et chaque poste. C’est le plus grand changement opérationnel que nous ayons mis en place grâce à l’IA. L’IA devient un prérequis de base pour la façon dont le travail est réalisé.

Nous avons construit un cadre de maîtrise de l’IA à quatre niveaux : Inacceptable, Compétent, Adoptif et Transformatif.

• « Inacceptable » signifie que la personne s’oppose activement à l’IA ou ne l’a jamais utilisée de manière intentionnelle – pour nous, c’est rédhibitoire.
• « Compétent » signifie que vous avez utilisé l’IA à plusieurs reprises avec un objectif, et que vous progressez dans votre apprentissage – nous cherchons des exemples concrets qu'ils peuvent décrire, même simples.
• « Adoptif » signifie que vous avez dépassé l’utilisation occasionnelle pour l’appliquer régulièrement de façon pertinente et avec un réel impact – nous attendons des exemples nets de retour sur investissement.
• « Transformatif » signifie que l’IA a fondamentalement changé votre manière de travailler, et que cette nouvelle façon influence votre équipe, vos projets ou votre organisation — pas seulement votre propre productivité.

Dans l’ensemble de nos systèmes, nous avons intégré l’évaluation de la maîtrise de l’IA dans nos entretiens structurés et construit un Agent d’Entretien Bar Raiser — un outil basé sur l’IA qui génère des questions d’entretien sur mesure selon le poste, le niveau et notre grille d’évaluation. Il explique pourquoi il choisit chaque question, aidant les recruteurs à calibrer de façon cohérente dans notre organisation de 800 personnes avec 10 VP.

Nous avons formé notre équipe de recrutement à évaluer la maîtrise et calibré ce à quoi correspond « bon » à chaque niveau selon le poste. D’un point de vue comportemental, les managers de recrutement disposent désormais d’un langage commun pour discuter de la maturité IA.

En termes de résultats, la qualité de l’expérimentation et de l’apprentissage pair-à-pair autour de l’IA a nettement accéléré dès lors que chaque nouvelle recrue possédait au minimum une maîtrise de base. Cela a relevé l’exigence pour toute l’entreprise.

Comment l’IA augmente l’efficacité des réunions individuelles

Je vais présenter notre Coach d’Entretien Individuel, car c’est notre projet People le plus sophistiqué et il illustre comment l’IA peut augmenter (et non remplacer) la dimension humaine du management.

Problème : Tous les responsables savent que la qualité des conversations individuelles entre managers et collaborateurs directs est l’un des meilleurs indicateurs d’engagement, de fidélisation et de performance. Pourtant, la plupart des managers reçoivent peu de retours immédiats sur comment ils se comportent pendant ces échanges. Posent-ils suffisamment de questions ? Parlent-ils trop ? Créent-ils de l’espace pour l’autre personne ?

Solution IA : Nous avons créé un coach d’entretien individuel alimenté par l’IA. Après un entretien (avec une transparence totale pour les deux parties — c’est sur inscription volontaire et visible), le système analyse la conversation et génère des conseils personnalisés pour le manager.

Déroulement de bout en bout :

1. Le manager et son collaborateur tiennent leur entretien individuel habituel (rien ne change dans le déroulé de la réunion).
2. Après la réunion, l’IA analyse la structure de la conversation — ratios de parole et d’écoute, types de questions posées, et si le manager a laissé de la place aux priorités du collaborateur.
3. Le coach génère un retour personnalisé, comme « Vous avez parlé 70% du temps lors de cette réunion — pensez à poser davantage de questions ouvertes » ou « Vous avez posé d’excellentes questions de clarification, mais vous avez manqué une occasion d’accompagner sur le problème soulevé par votre collaborateur. » Le coach livre ces retours uniquement au manager — en privé, de manière constructive, et immédiatement exploitable.
4. Au fil du temps, le manager peut observer des tendances sur plusieurs entretiens et suivre sa progression,

Pourquoi ça marche : Cela résout le problème d’« échelle du Partenaire RH » auquel toutes les organisations sont confrontées. On ne peut pas placer un HRBP dans chaque entretien individuel. Mais on peut donner à chaque manager un coach privé qui l’aide à progresser sur les conversations les plus importantes — sans qu’il ait à demander de l’aide ou à reconnaître ses difficultés.

L’architecture de confiance est essentielle : Quelles données sont utilisées ? Où sont-elles stockées ? Qui y a accès ? Nous sommes radicalement transparents sur tout cela. C’est une « armure d’Iron Man » pour les managers — elle renforce leurs capacités — et non une IA-contrôleur scrutant leurs moindres faits et gestes. Cette nuance est cruciale pour l’adoption.

Je veux également partager un workflow plus simple mais tout aussi puissant : notre Coach IA de Feedback, que nous utilisons lors de la préparation d’un retour constructif. Cet outil utilise notre cadre interne de feedback ainsi que des exemples de retours constructifs réussis.

Un collaborateur peut, en toute discrétion, décrire la situation et se faire aider à structurer son retour avant une discussion en face à face. Cela résout le problème humain : « Je sais que je dois faire ce feedback, mais je ne sais pas comment le formuler habilement, et je ne veux pas encore en parler à un autre humain parce que c’est trop sensible. » Grâce à l’IA, cet obstacle disparaît totalement.

Pourquoi les défis d’intégration de l’IA dépassent les échecs techniques

Pour être tout à fait honnête, les déceptions liées à l’IA sont moins souvent dues à un échec technique qu’à un véritable défi d’intégration. Le principal obstacle repose dans la transition d’une adoption individuelle à une adoption institutionnelle de l’IA.

Bien que 97% de notre équipe utilise l’IA, transformer fondamentalement de bout en bout les processus clés de l’entreprise avec l’IA est un tout autre défi.

Nous avons rapidement récolté les fruits les plus faciles. Le travail plus difficile et à plus forte valeur — la refonte des workflows sur la base de principes fondamentaux et l’orchestration stratégique d’outils IA interconnectés — se fait de façon plus lente et chaotique que je ne l’avais anticipé.

En interne, nous appelons cela le passage de « l’IA individuelle » à « l’IA institutionnelle à grande échelle », et c’est notre priorité pour 2026. Cela exige une infrastructure d’authentification partagée, des bases de données transverses, et une réinvention fondamentale des modalités de passation de processus entre équipes. C’est un travail d’architecture, pas juste d’expérimentation.

Encore un aveu honnête : la surcharge d’offres des fournisseurs d’IA est bien réelle. Le nombre d’outils prétendant résoudre la transformation par l’IA est accablant. Une autre leçon que nous avons apprise à nos dépens : il est essentiel de se concentrer sur un petit nombre de plateformes principales, plutôt que d’accumuler plus de dix solutions ponctuelles. Désormais, nous suivons l’utilisation, la fiabilité et le retour sur investissement de chaque outil et nous mettons activement hors service ceux qui ne s’intègrent pas.

Et le dernier inconvénient de l’IA : une érosion de la responsabilité s’est produite en raison de la commodité que l’IA apporte. Quand l’IA génère des résultats rapidement et facilement, les responsables peuvent publier des éléments sans une véritable relecture humaine. Le niveau de qualité peut baisser au profit de la rapidité si l’on n’y prend pas garde. Si l’IA contribue au travail, les humains restent responsables de l’exactitude, du ton et de l’impact.

Comment l’IA modifie le besoin d’un cursus formel

Je pensais que le développement des compétences nécessitait un cursus formel, mais j’avais tort. Pendant des années, la méthode standard en RH/L&D a consisté à identifier un manque de compétences, concevoir un programme de formation, le délivrer, mesurer sa complétion.

L’IA a cassé ce modèle pour nous. La technologie évolue si vite que, le temps d’écrire un cursus traditionnel, il est déjà obsolète.

Nous l’avons remplacé par une philosophie d’apprentissage axée sur le rythme d’apprentissage plutôt que sur le stock de connaissances. Nous n’avons pas de cursus IA formel chez Zapier. À la place, nous intégrons l’apprentissage et l’expérimentation liés à l’IA dans un maximum de pratiques existantes de Zapier — les « hack weeks » sont devenues des semaines de hack IA, l’onboarding est devenu une rampe d’accès à la maîtrise de l’IA, des canaux de Q&R entre pairs avec des super utilisateurs IA assignés servent de couche de support.

L’élément clé ici, c’est que ce que nous savons à un moment donné importe moins que notre vitesse à apprendre. Et les ingrédients qui maximisent ce rythme — sécurité psychologique, culture de l’expérimentation, partage des réussites et des échecs — sont des éléments de culture d’entreprise que toute organisation n’a pas déjà en place.

Pourquoi la transformation par l’IA est un défi culturel

Brandon partage

Si votre culture ne soutient pas l’expérimentation — si les gens ne se sentent pas en sécurité pour essayer, échouer et partager — aucun outillage IA ne vous mènera là où vous souhaitez aller.

La transformation par l’IA est avant tout une question humaine, non technique. Chaque entreprise parle de transformation par l’IA, mais peu y parviennent réellement car elles s’intéressent d’abord aux outils.

La véritable transformation commence par les personnes, la culture et le leadership. Si votre culture ne soutient pas l’expérimentation – si les gens n’osent pas essayer, échouer ou partager –, aucune solution IA ne vous permettra d’atteindre vos objectifs.

La fonction RH n’a jamais été aussi importante qu’à l’ère de l’IA. Bon nombre de nos domaines d’expertise — planification des effectifs, conduite du changement, développement du leadership — prennent aujourd’hui encore plus d’importance.

Les organisations qui apprendront l’IA le plus vite sont celles où les collaborateurs se sentent libres de tenter ce qui pourrait échouer, partagent ouvertement leurs expérimentations et tirent publiquement les leçons des échecs. Si votre culture punit l’échec ou garde le savoir pour elle, les outils IA ne vous sauveront pas.

Nous avons passé autant de temps à ancrer ces composantes culturelles qu’à développer les compétences classiques. Les outils sont le minimum requis ; la culture fait la différence.

Pourquoi la gestion de la performance doit être repensée

La gestion de la performance est l’un des domaines à réinventer activement pour un futur dopé à l’IA. Le cycle de revue de performance traditionnel — annuel ou semi-annuel, rétroactif, et très dépendant de la mémoire ou des qualités rédactionnelles du manager – doit disparaître.

Chez Zapier, nous avons déjà commencé à repenser ce sujet à plusieurs niveaux :

• Couche 1 – Collecte des preuves (le workflow « Blob Notes ») : Nous avons créé une intégration Slack ultra-simple. Lorsqu'un événement mérite d'être noté — un excellent travail, un acte de leadership, une opportunité de développement — un manager ou un membre de l'équipe réagit au message Slack concerné avec un emoji spécifique (nous appelons cela les « blob notes » : 📝). Cette réaction déclenche un workflow Zapier qui capture le message, le résume grâce à l'IA, et enregistre une preuve de performance structurée dans un document dédié. Aucun formulaire, aucun passage d'un outil à l'autre, aucune dépendance à la mémoire des mois plus tard. Nous collectons les preuves sur le moment, d'un simple clic sur un emoji.
• Couche 2 – Rédaction de l'évaluation (le Coach IA pour les évaluations de performance) : Lorsque vient le temps de l’évaluation, vous fournissez le nom, le niveau de poste, et les éléments de preuve de performance accumulés. L’IA rédige alors une évaluation alignée sur nos Impact Behaviors — nos standards de performance différenciés selon le niveau de poste — en s’appuyant sur des exemples d’évaluations remarquables comme références. Résultat : des évaluations plus claires, basées sur des preuves concrètes, et directement exploitables, tout en réduisant radicalement la charge des managers.
• Couche 3 – Définition des objectifs (le Coach d’objectifs AMP) : Un chatbot aide tous les employés à se fixer des objectifs concrets, mesurables et porteurs de sens en quelques minutes, grâce à des questions guidées. Il transforme les intentions floues en résultats clairs et suivis.

Mais il s'agit encore ici d’une adoption de l’IA — améliorer le fonctionnement du système existant. L’opportunité de transformation est bien plus vaste.

Et si la collecte de preuves de performance était continue et passive sur tous les espaces de travail — et non plus uniquement sur Slack ? Et si l’IA révélait des tendances dans la performance de toute une équipe, que jamais un manager isolé ne discernerait ? Et si un accompagnement personnalisé sur le feedback était accessible en temps réel, directement dans Slack, et non uniquement avant une discussion programmée ?

Nous allons dans cette direction. Les dirigeants qui repensent ce système maintenant — tout en maintenant une responsabilité humaine sur les véritables décisions — auront un net avantage en termes de densité de talents et d’expérience collaborateur.

Comment l’IA transforme les stratégies de leadership et de gestion des effectifs

Nous n’avons créé aucun nouveau poste pour notre transformation IA, et cela dans l’ensemble de l’entreprise, pas uniquement en RH. Aucun changement de ligne hiérarchique non plus. C’était un choix parfaitement réfléchi.

Nous avons plutôt construit un modèle d’organisation en « hub-and-spoke ». Le hub, notre Centre d’Excellence pour la Transformation IA, est une petite équipe qui fixe les standards, gère les outils communs, tient à jour notre tableau de bord de transformation IA et aide les équipes à déployer ce qui fonctionne sans devoir tout réinventer.

Les « spokes » sont 11 managers de la transformation IA, intégrés dans chaque département (Build, Sales & Success, Marketing, Support, People, Exec Ops, Finance, Data, Ecosystems, BizOps, Legal). Chaque manager a la responsabilité de mettre en œuvre au moins une étude de cas de transformation IA par trimestre dans son service.

Élément crucial : nous avons pourvu nos postes d’ingénieurs en automatisation IA en interne, au sein de l’équipe People, car ces collaborateurs possédaient déjà l’expertise métier RH. Ceci envoie un message fort à l’organisation : bien que la disruption modifie la nature des métiers présents, nous investissons avant tout sur nos talents actuels.

Un responsable RH perçoit d’instinct les limites qu’il y a à s’appuyer sur l’organigramme pour impulser une transformation, d’où l’importance centrale du service People dans ce travail.

Nous avons aussi remonté la rémunération du 50e au 90e percentile — un concept que nous appelons « densité de talents ». Quand l’IA rend votre équipe nettement plus performante, il faut partager cette valeur. Notre équipe support client en est une parfaite illustration : des performers d’élite produisant des résultats rares, rémunérés à la hauteur.

Pourquoi il est essentiel de partager les gains de productivité générés par l’IA avec les équipes

J’espère que les équipes de direction se poseront la question : « Que devrait-il advenir de la valeur économique créée par les équipes augmentées par l’IA ? » J’aimerais qu’elles envisagent de partager les gains de productivité obtenus collectivement en réinventant le travail par l’IA et en faisant preuve de créativité (réinventer le travail via l’IA).

Notre équipe support client a divisé par deux son temps de traitement moyen. Ce sont désormais des performers d’élite, atteignant des résultats peu courants dans le domaine du support. Et ils sont rémunérés en conséquence — top 10% du marché.

Cela crée un bel alignement. Si la transformation IA exige davantage des équipes — plus d’expérimentation, plus d’apprentissage, plus de réinvention de leur propre rôle — alors les bénéfices doivent leur revenir, et pas seulement apparaître dans le bilan comptable. Je pense que les dirigeants qui réussiront cet alignement attireront et fidéliseront les meilleurs talents, même dans un monde dopé à l’IA.

Cinq façons de naviguer efficacement dans la transformation induite par l’IA à l’intention des leaders

Voici cinq éléments auxquels les dirigeants doivent penser lorsqu'ils traversent une transformation liée à l'IA (certains conseils pouvant sembler contre-intuitifs) :

1. Commencez par la culture, pas par les outils. Faites un état des lieux : existe-t-il un vrai sentiment de sécurité psychologique ? Un management digne de confiance ? Une culture réelle de l'expérimentation ? Ces ingrédients culturels comptent au moins autant que les compétences. Ils seront soit le vent dans votre dos — soit un vent de face — au moment de développer votre maîtrise.
2. Pensez à l'IA comme un outil, pas comme un résultat. Cela s'applique à la technologie en général. Les technologies sont des outils, des moyens, des leviers pour accomplir les choses. Lorsqu'on considère l'IA de cette façon, on arrête de la poursuivre juste "pour l'avoir" et on commence à se demander : « Quel problème cela résout-il, et à quoi ressemble ‘mieux’ pour les humains impliqués ? »
3. Publiez vos garde-fous tôt. Sans limites claires, les gens risquent de s'autolimiter davantage que nécessaire. Cela freine la créativité. La première chose que nous avons faite après notre Code Red a été d'établir des directives d'usage de l'IA. Cela a permis plus d'expérimentation, pas moins.
4. Désignez un(e) seul(e) responsable. Pas un comité. Pas un groupe de travail qui se réunit tous les mois. Une seule personne responsable de la transformation IA, avec le pouvoir de prioriser et d’allouer des ressources. Chez Zapier, c'est moi — et cette prise de responsabilité claire nous a permis de passer d'une expérimentation dispersée à une transformation coordonnée.
5. Faites appliquer la « règle de trois ». Si votre équipe effectue une tâche manuellement à trois reprises, elle doit l'automatiser à la quatrième. Ou alors, expliquer en quoi cela ne peut pas ou ne doit pas être automatisé. Cela crée une norme culturelle : l'automatisation n'est pas un objectif lointain — elle est attendue. Cela développe aussi la capacité à repérer les tâches répétitives, première étape vers la refonte du travail.

Et un conseil bonus : open-sourcez votre feuille de route. Partagez ce que vous apprenez. Le partage franc de vos avancées accélère le progrès pour tout le secteur. Pour la transformation liée à l'IA, l'open source permet à tous d’apprendre plus vite, ensemble.

Suivez le mouvement

Vous pouvez suivre le travail de Brandon Sammut sur LinkedIn. Et consultez le cadre de transformation IA de Zapier.

D'autres interviews d'experts arrivent sur People Managing People !