Actualité 28/03/2022

Comment l’intelligence artificielle révèle le conseiller augmenté

Mehdi Ahmar est Chief Data Science Officer pour la banque de détail France du groupe Société Générale. Depuis plus de 15 ans, ce spécialiste de la data voit l’intelligence artificielle (IA) se développer et façonner un nouveau conseiller augmenté. Entretien.

 

L’intelligence artificielle irrigue tous les secteurs de l’économie. Dans le milieu financier quelle est sa première application ?

Dans le secteur bancaire comme ailleurs, ce sont souvent les dynamiques marketing qui ont démocratisé l’usage de la data, de la science des données. L’un de ses grands champs d’application est naturellement celui de la relation client : mieux connaître ses clients, mieux les adresser, mieux anticiper leurs besoins pour leur proposer des offres adaptées.

 

Dans ce contexte, les utilisateurs ont un grand rôle à jouer. Comment les collaborateurs ont-ils été impliqués ?

C’est un point particulièrement important dans l’adoption de l’IA au sein de la banque et plus largement au sein de toutes les industries. Comme toujours, il est naturel qu’un peu de méfiance précède l’adoption d’un changement de pratiques. Les équipes sont en demande de preuves.

 

Notre approche, au sein du groupe Crédit du Nord a justement consisté à concentrer la valeur de l’IA vers le conseiller avant de la diriger vers le client. Cette démarche nous a permis de montrer que l’IA aidait nos conseillers à élargir leur champ d’expertise et non pas leur faire concurrence ou changer drastiquement leurs méthodes de travail. L’apport de l’IA engendre un vrai partenariat avec le conseiller qui vient enrichir son expertise.

 

Au quotidien, quels sont les grands usages et applications de l’IA ?

Dans la relation au day to day(1)

 

chatbot ou « agent intelligent » est un bon exemple d’outil que nos clients connaissent, il leur permet de fluidifier leur parcours. Au sein du groupe, le chatbot crédit immobilier est utilisé par nos conseillers pour interroger à une vitesse optimisée toute la ressource documentaire disponible et trouver l’information pertinente qui viendra appuyer la réponse à une question plus complexe. Le gain de temps est considérable et la pertinence des réponses affutée.

 

En termes de compréhension des besoins

 

La relation de confiance qu’entretiennent conseillers et clients nous permet de disposer d’informations relatives à l’évolution de leurs cycles de vie. L’IA nous aide à projeter ces informations dans la durée et de mieux anticiper leurs besoins à court, moyen et long terme. En temps voulu, nous pouvons leur proposer l’interlocuteur le plus pertinent, le meilleur spécialiste pour les accompagner, ou encore le produit le plus adapté à travers un parcours personnalisé.

 

En prévention des fraudes

 

L’IA peut corréler un nombre très important de signaux faibles, ce qu’un humain ne peut pas faire. Avant l’IA, les systèmes experts nous alertaient sur les comportements suspicieux qu’il fallait surveiller. Aujourd’hui, les modèles d’IA vont combiner jusqu’à 500 données en même temps. Il peut s’agir de signaux très faibles mais qui cumulés, peuvent traduire un signal important. Cela permet à nos conseillers d’être beaucoup plus précis et aux systèmes d’être bien plus rapides dans leurs interventions. Nul besoin d’intervention humaine puisque l’IA peut se recalibrer quasiment en temps réel, et s’ajuster aux nouveaux comportements liés à la fraude.

 

S’agissant de l’application de l’IA à des modèles d’octroi ou de défaut bancaire

 

Si notre cadre réglementaire demeure strict et protecteur pour les consommateurs, nos régulateurs évoluent vers une meilleure reconnaissance de l’IA en matière de maîtrise des risques et d’analyse des comportements. Nos conseillers sont désormais encouragés à s’appuyer sur le diagnostic client1 produit par l’IA dans leur prise de décision. De plus en plus souvent, les octrois de crédits à la consommation pour les particuliers sont réalisés par l’IA. En contrepartie du recours à des modèles complexes d’IA (effet « boîte noire »), nous devons être en capacité d’expliquer les critères explicatifs qui ont amené à la prise de décision de refus ou d’octroi de financement.

 

Derrière la variété des champs d’application, la stratégie omnicanale que déploie le groupe Crédit du Nord poursuit le même objectif : renforcer la proximité entre clients et conseillers, fluidifier les expériences, parcours et interactions. C’est pourquoi nous investissons d’une part sur une IA non autonome et très créatrice de valeur pour nos conseillers, débarrassés de tâches chronophages de moindre importance. D’autre part, nous travaillons en parallèle sur nos espaces en agences, pour mieux incarner la force de la relation de proximité qui nous caractérise.

 

(1) Dans la relation au quotidien