Dans les coulisses d’un onboarding Notis avec Kineon : de l’appel de découverte aux workflows qui se cumulent

J’ai eu un très bon appel d’onboarding et de découverte avec Forrest Smith (Kineon) et Tyler Barrow (leur responsable automatisation), et il a parfaitement cristallisé le genre de workflows de « première semaine » qui font que Notis devient une évidence.

Le paradigme Notis : organiser la connaissance comme une base de données, pas comme un dossier

La plupart des outils IA échouent exactement au même endroit : la récupération de l’information. Tu peux avoir un modèle brillant et obtenir quand même des résultats nuls si le modèle ne trouve pas de façon fiable le bon contexte au bon moment.

Le modèle mental derrière Notis est assez simple. Au lieu de traiter la connaissance de ton entreprise comme une pile de documents, tu la traites comme des bases de données structurées : réunions, tâches, clients, idées de contenu, pubs, objections, propositions, notes d’onboarding. Chaque base de données a des champs cohérents, et chaque entrée est une unité de contexte propre.

Cette structure n’est pas un « plus ». C’est ce qui rend la récupération par un LLM raisonnable. Quand tu demandes à un agent de rédiger une relance commerciale, il n’a pas besoin de « toutes les notes ». Il a besoin du deal, de la dernière réunion, des objections, du statut actuel et de la prochaine étape. Les bases de données rendent tout ça interrogeable.

Pourquoi les automatisations Notis ne sont pas Make ou Zapier (et pourquoi c’est important)

Les outils d’automatisation déterministes sont formidables quand le monde est prévisible. Si A se produit, fais B, déplace C, publie D. C’est fragile, mais c’est rapide et compréhensible.

L’automatisation par agents, elle, sert à la partie brouillonne du travail : interpréter une intention, extraire des décisions, transformer une conversation en plan, réécrire une accroche avec ta voix, adapter une référence publicitaire pour qu’elle respecte les contraintes de ta marque. Le résultat n’est pas une valeur unique « correcte ». C’est un brouillon qui demande du jugement.

Notis est conçu pour cette zone intermédiaire où l’automatisation est utile, mais où le pilote automatique complet est dangereux. C’est pour ça qu’on mise fortement sur la validation humaine dans la boucle. Tu laisses les agents faire le gros du travail, puis tu valides, tu ajustes et tu publies.

Trois cas d’usage à fort levier pour démarrer chez Kineon

Ce que j’ai aimé dans cette conversation, c’est qu’on n’a pas essayé de tout faire d’un coup. On s’est concentrés sur les workflows qui se cumulent.

Une machine à contenu portée par le fondateur : des accroches et scripts aux brouillons de blog

Quand c’est le fondateur qui porte le contenu, le goulot d’étranglement n’est jamais le manque d’idées. C’est la mise en forme. C’est transformer des idées brouillonnes en contenus reproductibles sans exploser son agenda.

Une bonne machine à contenu ressemble à ça : tu captures tes idées brutes dans le format le plus simple pour toi, généralement la voix ou une petite vidéo. À partir de là, un agent extrait des accroches, propose des options de script et transforme la direction retenue en contenus : un brouillon de blog, un post court, un paragraphe de landing page, tout ce dont tu as besoin.

Notis est utile ici parce que le contenu ne reste pas une transcription perdue dans un coin. Il devient des entrées avec des métadonnées : sujet, audience, affirmation, preuve, CTA, et les « contraintes de voix » précises qui font que ça sonne comme toi.

Workflows pub et marque : de l’inspiration au visuel et au texte adaptés

Le deuxième workflow concerne les pubs, et c’est l’un des usages des agents les plus sous-estimés.

Les équipes collectent sans arrêt de l’inspiration publicitaire, mais le fossé, c’est la traduction. Une pub qui a marché pour quelqu’un d’autre est une référence, pas une solution. Tu dois encore l’adapter à ton produit, ton positionnement, tes affirmations, tes preuves, tes contraintes de conformité et ta voix de marque.

Avec Notis, tu peux capturer la référence, y joindre le pourquoi, et demander à un agent de produire une version adaptée qui respecte ton Brand Kit et tes angles les plus performants. Le résultat n’est pas « publie ça ». C’est « voici des brouillons structurellement proches de la référence, mais fidèles à ton activité ».

Capture des agendas, réunions et tâches une fois passés sur Google

Kineon passe de Microsoft à Google, et c’est là que le troisième workflow devient un vrai levier.

Le moyen le plus rapide de perdre de l’élan, c’est de laisser les décisions mourir dans les agendas. Les réunions ont lieu, tout le monde hoche la tête, les actions à mener existent dans la tête de chacun, et puis rien n’arrive dans un système où l’on peut les prioriser.

Une fois que Google Agenda devient la source de vérité, tu peux construire un workflow d’agent qui capture les réunions, rédige les comptes rendus, extrait les décisions, crée des tâches avec des responsables clairs et garde une vue glissante de ce qui compte cette semaine. L’astuce n’est pas de créer plus de travail. C’est de transformer les « résidus de réunion » en entrées structurées que tu peux vraiment interroger plus tard.

Pourquoi je pousse les équipes à utiliser Slack pour le support et le debug

Une recommandation pratique que je leur ai donnée : utiliser Slack pour le support et le debug dès le début.

Quand tu mets en place des automatisations par agents, tu veux itérer vite. Le pire, c’est de brûler des tokens à relancer encore et encore un workflow juste pour comprendre pourquoi il s’est comporté d’une certaine façon.

Slack resserre cette boucle. Tu peux partager le payload exact, le résultat exact et le mode d’échec exact dans un seul fil, et on peut t’aider à corriger le prompt ou la structure de la base de données sans payer dix exécutions de plus. Ça paraît anodin, mais c’est la différence entre « c’est magique » et « c’est de la confusion qui coûte cher ».

Le tri des réunions par webhook que j’utilise moi-même

Pour que ce soit concret, je leur ai montré le workflow que j’utilise tout le temps.

Une réunion a lieu. Je déclenche un webhook qui envoie la transcription et le contexte à Notis. Notis génère un compte rendu vraiment lisible, puis extrait les tâches, puis propose des relances, et si la conversation contient une idée forte, il lance un brouillon d’article de blog.

Le détail important, c’est que chaque livrable atterrit dans la bonne entrée de base de données. Les comptes rendus vont dans Meetings. Les tâches dans Tasks. Un brouillon dans Blog. C’est tout l’intérêt du paradigme base de données : le résultat n’est pas juste du texte, c’est du texte au bon endroit, relié au bon contexte.

Où en est Notis aujourd’hui (et ce que je lève)

J’en suis encore à ce stade où le produit et la distribution sont les deux seules choses qui comptent.

Jusqu’ici, Notis a été autofinancé. Le plan, c’est de lever 500 k sur une valorisation pré-money de 4 M pour accélérer l’acquisition et construire le genre de boucles d’onboarding qui rendent le produit plus autonome sans l’appauvrir.

C’est tout l’exercice d’équilibre : garder un système assez puissant pour de vraies équipes, tout en le rendant assez accessible pour qu’il ne faille pas un responsable automatisation pour en tirer de la valeur.

Pourquoi le Mexique pourrait être un bon marché d’acquisition (et les mises en relation qui comptent)

Une partie de la conversation que je n’attendais pas, mais que j’ai vraiment appréciée, portait sur la validation de marché.

Forrest m’a proposé de me présenter à des chefs d’entreprise mexicains locaux, bien formés et anglophones. C’est exactement le type de groupe qui peut te dire, vite, si la douleur est réelle, si le message porte et si le produit ressemble à un levier ou à un outil de plus.

Il a aussi évoqué de possibles mises en relation avec des groupes de fondateurs en Chine. Autre marché, autres attentes, même question de fond : peut-on prouver que Notis n’est pas seulement impressionnant, mais indispensable ?

Si on réussit ça, ces conversations ne valideront pas seulement des canaux d’acquisition. Elles deviendront la matière première de la meilleure preuve qui soit : de vraies histoires, racontées par de vrais opérateurs, qui expliquent pourquoi le système a changé leur façon de travailler.

La morale de l’histoire

Cet appel m’a rappelé que « l’automatisation IA » n’est pas une catégorie. Il y a l’automatisation déterministe pour déplacer des données, et il y a l’automatisation par agents pour transformer une réalité brouillonne en brouillons que tu peux valider.

Les équipes qui gagnent sont celles qui traitent le contexte comme un actif, le structurent dans des bases de données et construisent des workflows où chaque réunion, chaque référence publicitaire et chaque idée devient quelque chose de publiable.