Recevez chaque jour toute l'actualité du numérique

x

Comment le DataLab de BNP Paribas Personal Finance construit un modèle transverse des données

Le DataLab de BNP Paribas Personal Finance, filiale plus connue du grand public sous le nom de Cetelem, est une entité créée il y a trois ans et se nourrissant des projets qui sont amenés par les collaborateurs du groupe BNP Paribas. A sa tête, Jérémie Guez revient sur les projets actuels de cette structure atypique, dont le modèle intéresse aussi en externe.  
Twitter Facebook Linkedin Flipboard Email
×

Comment le DataLab de BNP Paribas Personal Finance construit un modèle transverse des données
Comment le DataLab de BNP Paribas Personal Finance construit un modèle transverse des données © BNP Paribas Personal Finance

Plus connu du grand public sous le nom de Cetelem, acteur européen du crédit à la consommation, BNP Paribas Personal Finance a lancé en 2017 un DataLab. L’entité du groupe BNP Paribas a un positionnement atypique bien que concentré sur un sujet dont la maîtrise est désormais admise comme fondamentale pour toutes les organisations ou presque : la donnée.

"Il y a trois ans, BNP Paribas Personal Finance s’est positionnée sur ce sujet identifié comme stratégique pour les années à venir", explique Jérémie Guez, responsable du DataLab à la direction des Services Informatiques de l’entreprise. Trois personnes sont affectées au lancement de ce laboratoire, qui compte désormais une trentaine de collaborateurs, et qui vise à mettre en application une véritable stratégie tech de grande ampleur basée sur les données.

Un cloud privé et pas de partage de la propriété intellectuelle des technologies
Le DataLab adopte un modèle se nourrissant des projets qui sont amenés par les collaborateurs du groupe BNP Paribas, soit 20 000 personnes réparties dans plus d’une dizaine de pays. "Notre vision est de créer de la valeur à partir de nos données et notre moyen a été de privilégier les investissements internes plutôt que solliciter des providers externes", poursuit-il. La structure crée son propre outil pour sa plateforme data, avec le parti pris de ne pas recourir à un tiers. "Beaucoup de sociétés tech en la matière se sont fait racheter par des géants, telles que Dataiku (qui compte comme investisseur Google, ndlr) ou encore Domino Datalab (Dell)", ajoute Jérémie Guez.

A titre d’exemple, les données des clients sont hébergées dans un cloud privé et interne afin de préserver la confidentialité des données et l’entité ne procède à aucun partage de la propriété intellectuelle de ses technologies.

Des outils marketing et de scoring
Concrètement, les données y sont utilisées pour plusieurs offres de services, de marketing ou de fraude par exemple, pour des cas d’usages répondant à des besoins de BNP Personal Finance, qui est dédiée au financement de projets personnels : la détection des clients fragiles et l’augmentation de la vigilance dans une démarche de crédit responsable, prônée par la filiale bancaire.

"Nous travaillons pour différents métiers : ceux du marketing, avec l’optimisation des campagnes et des sites web clients mais aussi sur des solutions de scoring pour lutter contre la fraude et évaluer le risque et l’octroi", résume le dirigeant, qui ajoute que cette transversalité contribue à ce positionnement atypique. "Les data scientists peuvent jouer avec un panel de data très riche, même s’il ne faut pas perdre de vue notre rôle qui est avant tout dédié au support et à l’expertise".

L’accent est mis sur des projets nourris par des technologies d’intelligence artificielle avec une priorité aux données non structurées, notamment la reconnaissance et la compréhension de texte. "Les cas d’usage sont apparus rapidement et en nombre, poursuit Jérémie Guez. Cela concerne le traitement des emails, les chatbots mais aussi les moteurs de recherche".

Autre solution d’actualité, la reconnaissance vocale. "C’est une question que l’on se pose mais cela n’a pas été jugé nécessaire de le faire pour le moment en interne car la voix a moins de valeur ajoutée dans nos verticales. Mais elle pourrait avoir de la valeur pour les call center, et le traitement du langage, notamment sur le passage de l’oral à l’écrit".

Un projet de tri automatique des emails
Le DataLab est actuellement en train de finaliser un projet combinant technologies d’intelligence artificielle et robotique afin d’automatiser la classification des emails sans perdre en pertinence, en vue de soulager les équipes opérationnelles. Mis en production en février, il vise à aider les centres de réception des demandes de crédits. Celles-ci doivent traiter une quantité très importante de demandes entrantes devant être catégorisées et dispatchées aux équipes concernées. Une personne est ainsi dédiée uniquement au tri des quelque 1 250 messages électroniques reçu chaque jour. "Un travail très chronophage, répétitif et avec peu de valeur ajoutée, et le risque de commettre des erreurs", explique-t-on au DataLab.

L’outil permet dans un premier temps de pour récupérer tous les emails envoyés à cette équipe puis selon la spécialisation de la requête, de les trier, par exemple ceux mentionnant une pièce jointe manquante ou relatifs à la revalorisation d’un contrat. Le robot prend l’information et la dirige dans la bonne catégorie. 

Après avoir éprouvé l’efficacité du tri, la deuxième étape est de pouvoir réaliser des actions de réponses automatiques. Si les catégories de données sont dotées d’une précision suffisante, cela génère une réponse. "L’enjeu pour nous est de catégoriser 5 ou 6 bonnes boîtes, pas plus, annonce Jérémie Guez. Nous voulons garder les interactions humaines. Il ne faut surtout pas enchaîner les catégorisations, mais utiliser ce temps gagné pour aller sur toujours plus de services pour nos clients et partenaires."

Une "grande communauté IA" au sein du groupe
Si le DataLab ne partage pas ses données, il partage ses algorithmes pour perfectionner ses technologies. Ses différents projets coexistent avec les autres Lab œuvrant chez BNP Paribas. "Nous avons une grande communauté IA chez BNP Paribas qui nous permet de savoir ce qu’il se passe dans les différents labs, explique Jérémie Guez. Ainsi, nous avons pu rencontrer plusieurs labs dont celui de PACE (Partners in Action for Customer Experience, ndlr) avec qui nous collaborons depuis. Nous collaborons également avec BivwAk! (l'incubateur interne lancé en 2018) sur nos projets".

Les différentes structures ont actuellement deux projets en commun. La mise en place à moyen terme d’une plateforme data science commune, afin de capitaliser sur les expertises respectives pour faire de cette plateforme "innersource" un "asset fort de BNP Paribas" et, à court terme, l’accélération du déploiement et du packaging de la plateforme data science "homemade" de BNP Paribas Personal Finance. "Avec PACE, nous collaborons sur une brique commune d’intelligence artificielle, le "Sentiment Analysis". Au départ, nous avions travaillé avec le PACE en parallèle sur cette brique. Puis grâce à des événements de la communauté IA du Groupe, nous avons décidé d’échanger sur nos bonnes pratiques, sur nos développements pour en faire une brique plus performante bénéficiant des atouts de chaque entité".

Aujourd’hui, le DataLab revendique plus de 200 utilisateurs et travaille aussi à l’international. "La scalabilité de nos projets réside dans leur développement dans d’autres langues", conclut Jérémie Guez. Qualifié en interne de success story pour l’entreprise, le modèle intéresse d’autres entités tout comme les partenaires de Personal Finance, dont de grands distributeurs français.

Réagir

* Les commentaires postés sur L’Usine Digitale font l’objet d’une modération par l’équipe éditoriale.