En GenAI, Qonto mise sur les collaborateurs avant d’élargir vers les clients

L’IA et la GenAI figurent sur les feuilles de route de l’ensemble des grandes banques françaises, ainsi que des principaux assureurs de la place. Fintech et insurtech ne sont pas en reste. Pour certaines, la trajectoire est déjà engagée, comme en témoigne l’exemple de Qonto.

A la fois néobanque et licorne, cette scale-up préfère se présenter comme un fournisseur de solutions de gestion financière dédiées aux PME et aux indépendants. Qonto revendique 500 000 clients et emploie 1 600 collaborateurs, tous acculturés aux usages de l’IA générative.

Travailler de manière intelligente

Les initiatives en matière de GenAI au sein de la fintech ont été lancées début 2024. Il en est résulté une approche structurée autour de trois piliers principaux : les collaborateurs, les clients et le produit.

Concernant le premier pilier, l’objectif est de doter les salariés de la GenAI pour “travailler de manière plus intelligente”. Aymeric Augustin, le CTO de Qonto, qui s’exprimait le 16 octobre 2024 lors de Big Data & AI Paris, reconnaît cependant : “c’est consensuel, mais on se regarde un peu le nombril.”

En complément, la fintech ambitionne également de tirer parti des technologies d’IA générative pour “mieux servir et plus rapidement” ses clients. Cela constitue le “pilier fort” de la stratégie, selon Aymeric Augustin. “Pour aller plus loin”, Qonto anticipe un mouvement vers une “gestion financière powered by AI” ou “AI Driven”, intégrant des fonctionnalités reposant sur l’IA générative pour automatiser certaines tâches. 

“Nous ne connaissons pas encore exactement le chemin […] Nous voulons le défricher et l’emprunter”, déclare le CTO. Cependant, l’entreprise admet ne pas encore disposer d’un niveau de maturité suffisant pour établir un plan d’action concret sur ce volet produit..

Un kit de démarrage pour aider les salariés

Comme souvent, le déploiement des modèles génératifs chez Qonto a débuté en interne, auprès des salariés. En adoptant une démarche “bottom-up”, c’est-à-dire en s’appuyant sur des besoins et usages remontés du terrain, l’entreprise s’est fixé comme objectif “de permettre aux collaborateurs de se saisir de l’IA pour améliorer leur quotidien.”

Le premier objectif était de favoriser l’adoption, tout en respectant des règles du jeu, des directives, ou encore “des lignes de conduite sur l’utilisation de l’IA.” Ces lignes directrices visent notamment à garantir la conformité aux réglementations en vigueur, tant en matière de données que de finance. 

La direction a également fourni aux salariés un “starter kit” (kit de démarrage) pour faciliter leur accès à la plateforme Dust (également sélectionnée par Malt et Mirakl). “Nous avons remarqué que beaucoup ne savaient pas par où commencer”, justifie Aymeric Augustin. 

Ce kit comprenait un manuel d’utilisation de la solution ainsi que des exemples de cas d’usage adaptés à différents métiers. “Cela a véritablement permis à des salariés, qui avaient l’angoisse de la boîte de discussion vierge, de se lancer.”

Néanmoins, selon le CTO, “l’élément le plus important” pour stimuler l’adoption a été la désignation d’ambassadeurs : “des technophiles enthousiastes” de l’IA. Ces “AI advocates” ont ainsi été missionnés au sein de chaque département pour accompagner leurs collègues et identifier avec eux “les bons cas d’usage, concrets, décidés non pas en haut [de l’organigramme, Ndlr], mais expérimentés en bas”.

60 % d’utilisateurs actifs quotidiens de l’IA générative

Grâce à cette phase d’acculturation et d’encadrement, les collaborateurs ont pu configurer sur la plateforme Dust des bots ou des assistants. Les robots jugés les plus utiles ont ensuite été mis à la disposition de l’ensemble du personnel de Qonto.

La stack Dust offre l’accès à plusieurs modèles (LLM) multiples et à une interface pour la configuration des bots Elle permet également de paramétrer l’accès aux données de l’entreprise, de contrôler les droits des utilisateur et d’appliquer une politique de gouvernance.

“Nous avons aussi recours à quelques appels API en direct, par exemple avec Mistral AI, dans une logique de soutien à la French Tech. Nous nous autorisons à le faire avec d’autres acteurs pour de l’implémentation purement back-end”,  précise Aymeric Augustin.

Quatre mois après le lancement, 50 % des collaborateurs utilisaient ces bots dans leurs tâches quotidiennes. À la mi-octobre, ce chiffre atteignait 60 % d’utilisateurs actifs par jour. Cependant, “nous avons pris un peu de retard à l’allumage pour clarifier ce que nous faisions,” avoue le CTO, en raison des impératifs de conformité sectorielle.

Cette “clarification” a été facilitée par l’implication du responsable cybersécurité dans le projet. En s’inspirant de sa politique relative aux cookies, Qonto a défini une “AI Policy” publique. “C’est un cadre connu. Cela a apporté de la confiance à tous et atténué les craintes liées à l’inconnu”, estime Aymeric Augustin.

Des bots personnalisés pour des tâches variées

Pour ancrer les usages de la GenAI dans le quotidien, différents bots ont été élaborés, dont @ContractTiro, destiné à l’équipe juridique. Cet assistant analyse automatiquement des contrats (d’un montant maximal de 10 000 euros) selon six critères principaux et attribue un niveau de risque. Si le score est vert, l’opérationnel peut signer le contrat sans soumission ni approbation préalables de la part du service juridique. 

Le bot Germi est, quant à lui, utilisé en Allemagne dans le cadre du processus d’onboarding des clients. Il examine les statuts des sociétés, détecte les activités interdites et définit le code activité du client. “Je pense que la performance de l’IA sur cette tâche est meilleure que celle d’un humain”, juge Aymeric Augustin. 

Grâce à cet assistant spécialisé, l’entreprise estime économiser environ trois minutes par client. “Le ROI se compte en heures dès le déploiement”, se félicite le CTO. Les métiers de l’ingénierie logicielle disposent eux aussi de leur propre bot sur mesure pour les assister dans le développement Android.

“Une ingénieure Android a configuré un bot capable de comprendre notre base de code, d’accéder à notre documentation technique pour y effectuer des recherches, explique Aymeric Augustin. Ce bot peut également chercher des informations sur Internet afin de répondre aux questions des ingénieurs [dans des domaines comme le débogage ou le design, Ndlr].”

Un chatbot connecté à la FAQ existante

Au-delà de l’efficacité interne, Qonto aspire à mettre l’IA au service de ses clients finaux. Pour cela, la fintech a mis au point un chatbot FAQ baptisé Moshi. Cet outil conversationnel gère “en autonomie totale” 54 % des conversations.

“C’est un bon résultat, mais il reste encore à améliorer”, commente le directeur technique. Il ajoute que le chatbot affiche un taux de satisfaction client supérieur à celui obtenu par un humain. “Ma théorie, qui demande à être démontrée, c’est que les clients apprécient avant tout la rapidité des réponses”, avance-t-il.

Moshi constitue a priori une réussite pour Qonto, d’autant qu’il repose sur un niveau de complexité modéré. “C’est encore plus simple que pour le bot Android”, observe Aymeric Augustin. Connecté à la FAQ existante (Intercom), Moshi a été configuré à l’aide d’un prompt décrivant notamment les modalités d’interaction avec les clients et les sujets à bannir. 

“Techniquement, ce n’est pas très compliqué de le faire démarrer. Ce qui l’est, c’est de bien le faire fonctionner”, nuance le CTO. Pour en améliorer les performances, plusieurs actions ont été mises en place, dont la relecture des conversations (100 % au début, puis désormais partiellement).

Les réponses erronées sont aussi passées en revue. Cette évaluation permet de constater que “dans l’écrasante majorité des cas”, la solution passe par une amélioration de la FAQ, soulignant ainsi l’importance de la qualité des données dans la performance de la GenAI.

Pour maximiser les résultats de Moshi, Qonto s’efforce d’enrichir le contenu de sa FAQ, tout en travaillant, “pour quelques cas”, sur l’amélioration du prompt et sur le “FAQ retrieval”, c’est-à-dire l’identification du bon article dans la FAQ.

Prudence et exploration sur la GenAI appliquée au produit

Sur le dernier pilier de la stratégie d’IA générative de Qonto, le produit, les travaux restent encore à un stade largement prospectif. La complexité, explique le directeur technique, réside dans la nécessité de  concilier un domaine “plutôt déterministe”, tel que la gestion financière, avec une technologie qui l’est beaucoup moins.

“Nous avons néanmoins des idées”, annonce Aymeric Augustin. À long terme, la GenAI pourrait exploiter les documents entrants (factures, devis, acomptes…) pour produire automatiquement d’autres données ou documents. Et pourquoi pas le bilan comptable ? “Cela relève d’un monde un peu utopique”, concède-t-il, tout en affirmant que cette utopie ouvre la voie à une gestion financière automatisée grâce à l’intelligence artificielle.

“Il reste beaucoup à construire : des sous-composants, des modèles”. En attendant, le produit doit se contenter de fonctionnalités basées sur l’IA plus basiques, comme un générateur de logo pour les entreprises. Un gadget ? “30 % des clients qui créent leur entreprise avec Qonto (…) jouent avec le générateur” pour patienter pendant la finalisation du processus d’onboarding et de contrôle. 

Plus utile sans doute, Qonto a conçu un générateur de facture pour les clients ayant déjà configuré et facturé via l’application. Grâce à un LLM, cette fonctionnalité utilise l’historique de factures pour configurer une nouvelle facture conforme au modèle antérieur. De manière plus générale, la GenAI est considérée comme “un outil de plus” dans la palette de Qonto pour enrichir son produit.

À noter enfin que Qonto explore actuellement les interfaces conversationnelles pour transformer certaines tâches, telles que le remboursement d’une note de frais. Ce processus ne reposerait plus sur des clics et écrans successifs, mais sur une commande en langage naturel, tout en conservant une étape de validation humaine. “Nous expérimentons et cela commence à fonctionner”, conclut Aymeric Augustin.