Les banques ont bien saisi l’intérêt de placer les technologies d’intelligence artificielle au cœur de leurs outils et démarches afin d’améliorer leurs offres et de se différencier. Selon une étude d’Accenture en 2017, 78% des banquiers pensent que l’IA permettra des interfaces utilisateurs simplifiées et une expérience client plus humaine.
Les banques s’expriment beaucoup sur les technologies qu’elles intègrent, comme les robots conversationnels (Djingo chez Orange Bank), les assistants financiers virtuels (Erica chez Bank of America), la gestion automatique de la relation client (OWI chez Crédit Mutuel), etc.
Alors que le focus se fait sur toute l’expérience et la relation client, l’IA peut-elle aider la banque sur d’autres enjeux et notamment des enjeux plus internes ? Par exemple, comment impliquer et acculturer ses collaborateurs aux nouveaux usages de l’IA ?
Nous avons interrogé Nicolas Méric (CEO et fondateur de DreamQuark) et Benoît Raphaël (expert en innovation digitale et média, éleveur de robots). L’un œuvre pour l’amélioration des usages IA, l’autre par l’acculturation à l’IA pour les collaborateurs : quels regards ont-ils sur l’intelligence artificielle et son rôle interne dans les banques ?
Nicolas Méric, pouvez-vous présenter DreamQuark ?
@Nicolas Méric (DreamQuark)
J’ai monté Dreamquark il y a quatre ans et on commençait à peine à parler de la technologie du deep learning. Le deep learning est un ensemble de technologies et d’algorithmes qui sont utilisés aujourd’hui par tous les géants du numérique et qui ont permis tous les progrès récents en IA. Ce que je voyais c’est que, bien que tous les résultats qu’ils apportent sont merveilleux, il y avait une difficulté d’appréhension par les utilisateurs, notamment parce que ces algorithmes sont vus comme des boîtes noires. Ce sont des algorithmes apprenants (on leur donne des données) et ils apprennent à identifier dans ces données, des patterns qui leur permettent de prendre des décisions. Sauf que les algorithmes n’étaient pas capables jusqu’à présent de les expliciter et les utilisateurs n’étaient pas en mesure, ou ne voulaient pas, les suivre parce qu’ils se disaient : “Je ne comprends pas la réalité de la décision”.
Chez DreamQuark, nous avons travaillé sur ce sujet, on a fait en sorte que ces algorithmes ne soient plus des boîtes noires, que chaque décision soit explicitée pour que les utilisateurs métiers les comprennent. Il y a des enjeux réglementaires, des enjeux d’opérationnalisation. Aujourd’hui, avec la RGPD, un nouveau droit à l’explication est instauré. Dès lors qu’il y a un traitement automatisé réalisé à partir des données du client, le client peut demander pourquoi cette décision a été prise, notamment lorsque ça impacte sa vie.
On a ensuite vu que les banques avaient du mal à utiliser ces technologies. On a démocratisé ces technologies via une plateforme, Brain, qui est extrêmement simple pour que même des personnes qui n’ont pas de compétences en data science mais qui connaissent bien leur métier, puissent avoir un accès facilité à ces technologies. A travers la plateforme, ils peuvent prendre des données qui sont dans plusieurs bases au sein de leur organisation ; les combiner entre elles ; faire en sorte qu’elles soient facilement utilisables par des algorithmes ; entraîner ces algorithmes à détecter par exemple la fraude, les clients qui risquent de partir, les appétences des clients pour certains produits ou encore mieux cibler les alertes de blanchiment, etc. Une fois un modèle performant défini et une fois qu’ils ont compris et sont capables d’expliciter chacune des décisions, ils peuvent facilement le déployer et l’intégrer aux systèmes existants.
Benoît Raphaël, pouvez-vous présenter Flint ?
@Benoît Raphaël (Flint)
Flint est une intelligence artificielle que vous pouvez entraîner pour qu’elle chercher pour vous des articles de qualité, de façon personnalisée, tout en essayant de vous sortir de la bulle dans laquelle vous enferment les réseaux sociaux. Avant on avait besoin d’être très spécialisés ; maintenant comme les métiers se mélangent et que les concurrents peuvent émerger un peu de n’importe où, le travail de veille demande à avoir un esprit très ouvert. Or, l’écosystème de l’information et les outils que l’on a (qui marchent soit par mots clés, soit par personnalisation) finissent par nous enfermer. Flint est donc à la fois un moyen d’avoir une revue de presse personnalisée, de gagner du temps, et de s’ouvrir à des idées nouvelles et de nouvelles sources d’information.
C’est en même temps une expérience d’entraînement d’intelligence artificielle, qui permet de comprendre comment elle fonctionne.
Qu’est-ce que l’intelligence artificielle apporte concrètement aux banques ? Avez-vous des exemples d’usages IA chez DreamQuark ?
@Nicolas Méric
La valeur que l’on voit pour les banques, c’est d’un côté une capacité à être plus efficace dans leurs processus et d’un autre côté de meilleurs retours sur investissements. Aujourd’hui chez DreamQuark, on a trois grandes offres que l’on propose aux banques. La première est une offre autour de l’analyse des risques (par exemple mieux identifier les défauts, détecter les fraudes), la deuxième offre concerne la conformité (lutte contre le blanchiment) et la dernière est autour du marketing (up-sell, cross-sell, lutte contre l’attrition). Ce qu’on voit beaucoup aujourd’hui, c’est que les banques veulent tirer parti de leurs historiques clients, où elles ont beaucoup d’informations. Avec l’IA, elles peuvent apprendre de cet historique client, identifier des choses qui demanderaient un gros travail d’analystes pour les identifier, améliorer leurs offres commerciales et processus. D’un autre côté, ça leur permet de mieux cibler les clients et identifier des clients qu’elles n’auraient pas eu l’idée de cibler pour leur vendre un produit. Et en ce qui concerne la lutte contre le blanchiment et contre les fraudes, cette technologie leur permet de créer de nouvelles alertes et même de réduire toutes les fausses alertes, ce qui correspond à du temps passé par les équipes. Mais c’est surtout un problème pour l’expérience client, car si un paiement par carte est refusé pour de mauvaises raisons, le client sera pénalisé et insatisfait. Et dès lors que ces analyses de fraude ou de blanchiment sont réalisées par des humains, cela prend un temps supplémentaire : la réduction de ce délai améliore l’expérience client.
DreamQuark est vraiment sur la partie décisionnelle : aider le banquier, le conseiller de relations clients ou la personne qui fait de l’analyse à être plus efficace, à gagner du temps dans sa journée et à prendre de meilleures décisions.
Toutes les banques parlent de l’intelligence artificielle via leurs nouveaux outils de relation client et de l’IA comme d’un différenciateur relation client et d’un accélérateur de croissance : qu’en pensez-vous ?
@Benoît Raphaël
L’apparition de l’intelligence artificielle dans notre quotidien et dans l’entreprise apporte autant de promesses que de questions. La première étant celle du traitement des données.
Prenez cette histoire du robot recruteur expérimenté par L’Oréal. Il y a quelques semaines, le futur DRH de L’Oréal donnait une interview à Linkedin. Il racontait très tranquillement que l’IA était vachement bien et que des essais sur l’IA et le recrutement étaient déjà en cours en notamment Asie. Il disait que ça marchait super bien et que l’IA permettait de trouver des profils qu’un humain n’aurait pas forcément identifié, parce que l’humain était peut-être plus enfermé dans ses codes à lui. Ce qui est super intéressant à regarder ce sont les réactions : elles résument toutes les problématiques auxquelles on va être confronté ces prochaines années sur l’apparition de l’IA au travail. Ces réactions commencent par “Va t’on être sélectionné par un robot ?” et “Mais s’il y a des biais?” : on peut dire qu’il y a des biais chez les humains, qu’ils soient sexistes ou racistes, mais il peut également y avoir des biais dans l’IA. La deuxième question, c’est : “Est-ce que le robot va nous remplacer ?”. Ces réactions sont passionnantes, elles montrent que ce n’est pas si simple que cela et que l’on ne peut pas les aborder de façon si nonchalante. Chez les collaborateurs, on a une compression de “Qu’est-ce qui nous attend dans l’entreprise ?” ; pour les individus c’est “Qu’est-ce que l’on fait de mes données ?”, “Le robot va t’il détecter si je suis capable d’avoir un prêt ou pas ? Et il le décrète selon quelles décisions ? Peut-être que moi je peux influencer mon banquier humain, mais comment puis-je influencer mon banquier robot ?”. Il y a un rapport à la confiance et il y a aussi la robophobie : le robot n’est pas humain. Chez Flint, notre travail est de créer une interface pour que les robots et les humains puissent travailler ensemble pour aller chercher de l’information et on se rend compte que c’est une problématique de confiance et de transparence. Il faut que l’utilisateur sache pourquoi l’IA a pris telle ou telle décision, pourquoi on m’amène telle information et quel est le parcours ?
Comment l’IA est appréhendée par les collaborateurs ?
@Benoît Raphaël
L’IA permet d’automatiser des tâches répétitives et souvent inintéressantes pour se concentrer sur autre chose. Reste à déterminer ce sur quoi les collaborateurs vont se concentrer et comment chacun va s’adapter à ces nouvelles organisations.
Plusieurs grandes entreprises, dont deux dans le domaine de la finance, ont adopté des robots Flint en interne. On choisit deux parents adoptifs dans l’entreprise, qui vont prendre soin de l’éducation du robot et lui faire chercher des articles, voir avec lui si l’article est de qualité ou pas. Les différents modèles de machine learning et de réseaux de neurones permettent au robot d’évoluer petit à petit. C’est une expérience qui a été très créative pour eux, le robot devient un nouveau collaborateur, il prend forme (il y a un artiste qui travaille dessus) et à la fin, les collaborateurs réalisent que même s’il s’agit de la même technologie, le robot qu’ils ont éduqué est unique: il a bénéficié de leur expertise. Quand on se pose la question des talents que nous allons devoir recruter, c’est sans doute commencer à se dire qu’en interne on a beaucoup d’expertises. L’expertise est une valeur humaine très importante dans l’entreprise. L’IA ne peut se contenter que d’algorithmes et de données: les données, si vous ne leur donnez pas du sens, cela crée des biais. Il faut donner du sens aux données, savoir ce que l’on veut et aller chercher l’expertise dans l’entreprise. La force de l’Intelligence artificielle c’est la prédiction. Mais sans interaction avec l’expertise humaine, elle peut nous emmener dans le mur.
Dans quels domaines l’IA peut aider la banque à progresser, hors la relation client ? Vers où se dirige t’on dans les cinq prochaines années ?
@Nicolas Méric
Je pense que l’IA va aider l’ensemble des secteurs de la banque. Il n’y a rien de nouveau à ce que la banque utilise différents modèles d’IA. Dans un premier temps, il y a l’expérience client et ça concentre beaucoup d’efforts : on parle beaucoup des chatbot. Nous ce qu’on voit, c’est que les utilisateurs de notre solution le font dans un but de mieux vendre, mieux cibler les clients à qui ils vont faire des offres, travailler mieux leurs offres ; analyser les risques ; et tous les sujets réglementaires, à savoir la lutte contre la fraude et contre le blanchiment. Les grands acteurs de la banque et de l’assurance viennent vers nous pour ces sujets.
Ça c’est rapide, parce que c’est une approche pragmatique. Grâce à ça, ils sont capables de voir que, sans changer grand chose, ils ont du retour sur investissement, qu’ils deviennent plus efficace et que l’IA apporte de la valeur. Elle rend les collaborateurs plus efficaces en les aidant à prioriser leur travail, à aller chercher l’information plus facilement. Je pense qu’on va aussi pouvoir adresser des sujets de Ressources Humaines, mais ça sera peut-être plus tard. Les cas d’usages peuvent être de la recherche de CV, pour mieux recruter.
Il y aura aussi des sujets sur la construction d’offres qui vont exploiter de l’IA, puisqu’elles ont beaucoup de données : en les analysant, ça leur permet de comprendre les produits qui marchent, ce qu’elles doivent améliorer dans leurs produits, éventuellement des besoins non satisfaits de leurs clients.
Ces questions sur les offres, on les voit dans la lutte contre le churn. Le sujet du churn, c’est bien d’identifier les clients qui vont partir, mais si on veut les retenir il faut leur proposer quelque chose. En identifiant les drivers de la décision d’un client qui veut partir, elles sont capables d’identifier là où elles doivent s’améliorer, des plans d’actions pour les retenir. Ça peut être des actions commerciales à mettre en place, ça peut être des offres ou leurs services clients à améliorer. Ça va permettre in fine d’améliorer les processus.
L’ensemble de la banque est impactée, sauf que les banques y vont par étapes : dans un premier temps l’objectif de l’IA est effectivement de permettre de fournir des services 24h/24, 7j/7, de générer du ROI (Return On Investment) et d’être plus efficaces. Ce sont les premières étapes pour l’instant.
Qu’apporte concrètement le robot Violette élevé par 3 collaborateurs de 89c3, l’écosystème digital du Groupe BPCE ?
@Benoît Raphaël
Le robot a été élevé les Digital Champions du Groupe BPCE , une quarantaine de collaborateurs répartis dans l’ensemble des groupes Banques Populaires et Caisses d’Epargne régionaux. Trois collaborateurs ont entraîné de l’IA. Ça a été vécu comme une expérience : il y a toutes les questions qu’on se pose autour du rôle de l’humain dans un monde dans lequel l’IA va automatiser un certain nombre de choses. Ils ont donc entraîné leur robot sur la thématique de la “Transformation digitale”, pour essayer de comprendre et de trouver des exemples dans d’autres entreprises, d’autres secteurs, pas seulement la banque. Il s’agissait de voir comment les entreprises se réadaptent, se réorganisent dans un monde de transformation digitale.
D’ailleurs, cela a posé pleins de problèmes : la “transformation digitale” est devenue un mot-clé, un hashtag, et ça veut tout et rien dire. C’est ça qui était intéressant : ils ont trouvé pleins d’articles sur la transformation digitale de consultants ou de boîtes qui vendent des logiciels et qui vous expliquent “Les 6 choses qu’il faut faire pour la transformation digitale”. En fait, la transformation digitale ne veut pas dire grand chose, parce que le monde est digital. Ce qui est important, c’est la transformation des comportements dans un monde qui est digital : ce sont les relations à l’autre, les relations aux données et à la protection des données qui sont différentes. Dans l’entreprise, tout cela est complètement différent. Cela rejoint les RH, la technologie, les métiers des banques.
Il est essentiel de se poser la question de : “Qu’est-ce qui m’est vraiment utile comme information ?”, de ne plus rester passif (c’est-à-dire rentrer deux ou trois mots clés et voir à peu près ce qui passe). C’est important dans le monde dans lequel on vit, et notamment dans les banques qui évoluent très très vite sur le digital et sur l’IA, avec de plus en plus de concurrents. On s’est rendu compte qu’il fallait être beaucoup plus précis et chercher des choses qui correspondent à des besoins qu’on a. C’était un mot clé que l’on utilisait mais sans vraiment y faire attention, donc sans vraiment s’informer.
Violette, c’est le nom de leur robot-e, a donc eu comme mission d’éviter tout le bullshit des experts autoproclamés en transformation digitale. Dans l’univers de l’information autour de la transformation digitale, c’est bullshit à 200%.
Au final, ça a permis aux collaborateurs qui ont entraîné le robot Violette de prendre du recul et de se poser les bonnes questions…
@Benoît Raphaël
Oui, au début ils se posaient des questions : “Est-ce que c’est le robot qui ne marche pas bien?”, “Est-ce que c’est moi qui entraîne mal le robot ?” ou “Est-ce que c’est un thème qui est super compliqué?”. Finalement, on a eu beaucoup de déchets à enlever des recherches qu’on a faite. C’était assez passionnant pour ça. C’est un des principaux retours qu’on a eu.
Après, on se rend bien compte que Violette est un symbole : mais l’intérêt est pour chacun d’entraîner assez rapidement sa propre IA autour de différentes thématiques et éventuellement de le partager avec des collaborateurs qui n’ont pas envie ou le temps de le faire. C’est ce qui est fascinant aujourd’hui : dans la veille que l’on fait sur tous les domaines, il est essentiel de bien comprendre que l’IA n’a pas la vérité en soi. Les données ne sont pas objectives : elles sont comme les mathématiques, elles ne sont pas objectives. Il faut leur donner du sens et le sens se fait lorsque l’on sait ce que l’on envoie et sur quoi on entraîne. Il y a beaucoup de grandes boîtes qui me disent à propos de leur IA, que leurs réseaux de neurones sont entraînés sur les mêmes bases de données de tout le monde (des bases de données publiques). Il ne faut pas penser l’IA comme une technologie qui va remplacer l’humain et prendre les bonnes décisions à votre place parce que les données sont complètement objectives : c’est faux. L’enjeu aujourd’hui est de créer les bonnes interfaces qui permettent aux humains et à l’IA de travailler ensemble, de savoir ce qu’on envoie comme données. Il faut avoir une vraie transparence dans ces échanges-là.
L’IA doit-il pousser les collaborateurs à être plus productifs, collaboratifs ?
@Nicolas Méric
Je pense qu’il ne faut pas être dans une approche où l’on met de la pression sur les collaborateurs parce que le changement ne se fera pas comme ça. Je pense plutôt que la banque elle-même doit changer et l’IA lui permet de changer dans ce sens-là. Lorsque l’on essaye d’imposer des choses trop violemment aux collaborateurs en leur disant : “Maintenant vous avez l’IA, vous avez des contraintes de productivité et d’efficacité !”, je pense que personne ne sera favorable au changement. Il vaut mieux le présenter comme un outil, qui leur permet d’être plus pertinent vis-à-vis de leurs clients, parce qu’ils fournissent une meilleure expérience client, parce qu’ils sont en mesure de vendre le bon produit au bon client et faire en sorte que le client soit content parce qu’on l’appelle moins pour de mauvaises raisons. Et surtout de dire à toutes les personnes en back-office qui passent du temps sur des tâches à faible valeur ajoutée, voire à zéro valeur ajoutée, que grâce à l’IA ils n’ont plus à les faire et qu’ils peuvent passer plus de temps sur des tâches qui ont du sens. Moi, mon point n’est pas de rendre les gens plus productifs ou plus collaboratifs, ou d’être dans un approche stakhanovitste. Redonner du sens et l’IA permet de mon point de vue de redonner du sens à beaucoup d’activités qui sont faites au sein des banques.
“La banque elle-même doit changer et l’IA lui permet de changer dans ce sens-là. Lorsque l’on essaye d’imposer des choses trop violemment aux collaborateurs en leur disant : “Maintenant vous avez l’IA, vous avez des contraintes de productivité et d’efficacité !”, je pense que personne ne sera favorable au changement.” Nicolas Méric
@Benoît Raphaël
Le problème de la performance et de la productivité est très compliqué avec l’IA. Parce que face aux robots, on ne va jamais gagner, il sera toujours plus performant. D’ailleurs, ce problème est un miroir des types de sociétés, des modèles d’entreprises que l’on a construit, et qui permet de nous rendre compte qu’on va vite être dépassé par l’IA. Si l’objectif est d’être le plus performant possible et d’aller de plus en plus vite, l’humain va être complètement dépassé. Ça nous interroge beaucoup sur le sens et la valeur de ce qu’on apporte dans la société et dans nos entreprises.
Il faut démystifier l’IA : ce sont des outils qui sont certes extrêmement efficaces, mais c’est bien l’interaction avec ces outils qui va nous permettre de trouver de la valeur ajoutée, du sens et de savoir ce qu’on veut faire avec ces outils. Ils vont nous permettre d’automatiser : donc qu’est-ce qu’on veut inventer avec ? Quelle histoire veut-on raconter avec nos produits, avec nos clients, à l’intérieur de notre entreprise ? Je pense que notre capacité à raconter une histoire pour travailler ensemble est l’une des principales valeurs de l’humain. On est vraiment rendu à un point où ces questions-là sont importantes.
Est-ce que l’intelligence artificielle doit plus bénéficier à l’entité de l’entreprise ou aux collaborateurs de cette entreprise ? L’usage de l’IA doit-il d’abord avoir une visée collective ou individuelle ?
@Nicolas Méric
Si on commence à mettre l’individu de côté ça n’ira pas. Mais il y a effectivement un gain collectif pour l’entreprise : grâce à l’IA, l’entreprise est plus conforme, elle peut fournir une meilleure expérience et gagner de nouveaux clients, de nouveaux revenus. Ça c’est le bénéfice pour l’entreprise. Pour le collaborateur, c’est lui mettre moins de pression et lui redonner un travail comme je disais qui a plus de sens. C’est lui donner plus de temps pour faire un travail de meilleur qualité. Il y a un gain à la fois pour la collectivité et à la fois pour l’individu à utiliser ces nouveaux outils.
@Benoît Raphaël
Lorsque l’on parle d’IA, on parle d’entraînement. On dit souvent qu’il faut beaucoup de données : on se rend compte aujourd’hui, que ce n’est pas forcément d’un grand nombre de données dont on a besoin. Parce qu’au jeu de “Qui a la base de données la plus grosse?” on sait qui va gagner… L’important est d’avoir des données intelligentes, qui soient utiles et qui permettent d’aller beaucoup plus vite.
La question est de savoir “Qui entraîne l’IA?”. Une fois qu’on a dit ça, on comprend bien que cela implique des comportements beaucoup plus collaboratifs avec l’entreprise, mais aussi avec les clients, on fait appel à une sorte de générosité des clients et des collaborateurs pour partager leurs expertises, en toute conscience et transparence. L’IA crée des outils qui vont s’alimenter des données de tout le monde, forcément ça implique d’avoir une approche collaborative dans les entreprises mais aussi dans les relations clients.
Selon vous, c’est donc plus à visée collective?
@Benoît Raphaël
Oui, parce que la question c’est les données, et la qualité de ces données-là. Soit on les prend en masse, on les redistribue et on risque de créer des biais et des problématiques de confiance. Soit on essaye justement de rendre ces données-là plus intelligentes : ça nécessite de la transparence et des mécaniques collaboratives qui peuvent être des interactions plus claires entre l’IA et les clients ou les collaborateurs, de façon à ce que les données soient envoyées de façon beaucoup plus intelligentes.
La clé sera plus la smart data que la big data.
