Comment Quinten a aidé la Caisse d’Epargne Rhône-Alpes à utiliser le big data pour améliorer sa relation client

Début 2018, Sofiane Mekaoui, directeur du développement de la banque de détail de la Caisse d’Epargne Rhône-Alpes (CERA) se met en quête d’un moyen de développer un outil qui faciliterait la tâche des conseillers. “Nous souhaitions mettre un peu de big data dans nos outils de mesure de la performance et mieux valoriser le travail fait au quotidien avec nos clients”, se souvient le responsable. En contact avec la société de conseil en data science Quinten, Sofiane Mekaoui choisit de lui transmettre son expression des besoins.

Guillaume Bourdon, directeur associé de Quinten, raconte : “en réalité, les conseillers du CERA sont des vendeurs, et ils gèrent quelquefois jusqu’à 800 ou 1000 clients à la fois”. Impossible, donc, de tous les connaître parfaitement. “Il leur fallait un outil qui donne une vision plus claire de l’historique du client avec la Caisse d’Epargne, des produits qu’il possède déjà ou de ceux susceptibles de l’intéresser”.

10 téraoctets de données

Sofian Mekaoui précise que l’outil doit servir à tous, “y compris aux experts qui ont plutôt 200 à 250 clients dans leur portefeuille. Le but premier, c’était d’avoir une solution intelligente, qui permette de gagner du temps et donne l’information la plus pertinente possible.” Après la phase de définition stratégique, menée de concert avec les data scientists, la CERA et Quinten s’accordent sur plusieurs algorithmes de machine learning. Pour les entraîner, “nous avons récupéré 5 ans d’historique et intégré près de 300 produits proposés par le CERA, détaille Guillaume Bourdon. A terme, cela nous a donné près de 10 téraoctets de datamart (ou comptoir de données, soit le sous-ensemble d’une base de données décisionnelle permettant de restituer des informations ciblées, ndlr).”

Le Proof of Concept (PoC), comme le reste du projet, est élaboré en collaboration avec les métiers. “Nous avons expliqué notre approche de la relation bancaire, de la relation marketing, et nous avons confronté les recommandations de produits que nous en tirions aux obligations réglementaires”, énumère Sofiane Mekaoui. Des échanges qui ont permis à Quinten d’implémenter des règles de gestion cohérentes dans son algorithme, mais aussi de faire travailler ensemble des gens qui en ont peu l’habitude.

“Cette phase d’acculturation fait partie de notre travail, et même de notre éthique”, commente Guillaume Bourdon. Faire échanger les conseillers, les spécialistes CRM, les chargés de marketing et les spécialistes data leur permet de mêler leurs expertises, mais aussi de mieux comprendre comment les algorithmes parviennent aux propositions qu’ils leurs soumettent. Par ailleurs, souligne Sofiane Mekaoui, “la plupart d’entre eux sont les utilisateurs finaux de l’interface, donc c’était important de les associer au processus, et notamment lorsqu’il a fallu travailler sur l’ergonomie de l’outil, pour que celle-ci leur convienne.”

Augmenter l’intelligence humaine

La récupération et la structuration des données ont pris environ trois mois, soit la majeure partie du temps dédié au projet. Rien que de très normal, selon le directeur de Quinten : “c’est toujours cette activité qui est la plus exigeante. En moyenne, elle représente facilement 60% du temps alloué à un projet”, l’analyse et la construction d’applications et d’interface de restitution occupant le reste.

Le PoC est livré en mai 2018. Sur l’interface, le conseiller peut consulter d’un coup d’oeil la fiche du client, le détail de ses derniers contacts avec la banque, d’autres informations pertinentes agrégées relatives à son cas et un module de recommandation, basé sur un algorithme propriétaire baptisé Q-Finder. Trois produits différents y sont poussés, assortis de la probabilité selon laquelle ils peuvent convenir au client. C’est ce module, en particulier, qui profite des algorithmes de machine learning, même si Sofiane Mekaoui tient à souligner que l’“on n’est pas dans de l’intelligence artificielle, il y a vraiment besoin d’une lecture humaine pour appréhender la situation et les informations fournies. Il s’agit plutôt de donner des outils pointus à l’intelligence humaine pour lui permettre de mieux servir le client.”

Ce dispositif doit aussi bénéficier à l’établissement. “Sur l’interface, on trouve aussi un moteur de prédiction de la valeur du client en produit net bancaire, précise Guillaume Bourdon, ainsi que des fonctionnalités comme le calculateur de taux de crédit immobilier. Ce dernier permet au conseiller de jouer sur l’élasticité du client au taux.” Déployé progressivement entre l’été et la fin de l’année 2018, l’outil sert désormais quelques 1800 collaborateurs sur les 3000 que compte la CERA.

Après à peine six mois d’existence de la solution, Sofiane Mekaoui ne préfère pas évoquer d’indicateurs spécifiques de performance. “Cela dit, les retours sont positifs et la solution est bien appréhendée, à tel point que l’on discute déjà d’un nouveau projet avec Quinten.” Ce que Guillaume Bourdon confirme : “depuis janvier nous travaillons sur un deuxième module, un projet de CRM.” Une fois déployé, ce nouvel outil permettra aux conseillers de piloter plus facilement les campagnes à destination de leurs clients.