Comment BNP Paribas accélère sur l’IA dans le retail : stratégie, déploiement et défis de l’industrialisation

BCEF, la banque commerciale en France de BNP Paribas, refuse de concevoir séparément les applications de l’IA générative (GenAI). Certes, l’effet ChatGPT de fin 2022 a propulsé la GenAI en tête des priorités et a suscité de nouvelles réflexions.

Pierre Ruhlmann, son chief operating officer, affirme cependant que l’entreprise a jugé préférable de ne pas aborder l’IA générative comme un domaine distinct, mais d’élaborer une stratégie globale autour de l’IA.

La livraison de produits IA embarquée dans le dispositif agile

“En matière d’IA, nous menions déjà des développements, pas nécessairement sur des technologies très avancées. D’autres pans de l’intelligence artificielle, plus mûrs et que nous n’avions pas suffisamment instruits, offraient du potentiel. Nous avons jugé utile de nous y intéresser plutôt que de nous focaliser sur l’IA générative”, résume-t-il.

En outre, la banque a décidé d’inscrire le développement de l’IA dans une approche agile en oeuvre depuis trois ans. Le COO rappelle à ce titre que plus de 2000 collaborateurs appliquent l’agile grâce à des tribus orientées produit, accompagnées par un centre d’expertise spécialisé sur l’IA.

L’enjeu, selon Pierre Ruhlmann, a donc consisté à intégrer l’IA dans cet existant. “Le risque, en positionnant l’IA en dehors, serait qu’elle n’alimente pas notre dispositif agile, qui commençait à prouver son efficacité et dont les avantages sont aujourd’hui évidents.”

Le dirigeant estime également que le rapprochement entre IA et agile a été critique face à l’explosion du nombre de cas d’usage et à la nécessité d’en objectiver la valeur. Or, dans sa mise en œuvre de l’agile, BCEF hiérarchise le backlog en fonction de la valeur.

L’analyse de la valeur a d’ailleurs été formalisée au sein de l’entreprise. La mesure repose sur trois paramètres principaux : la valeur financière (économies, génération de PNB…), la valeur client et collaborateur (NPS, engagement salarié, effort score, etc.) et enfin l’indicateur de digitalisation ou d’autonomie (self-carisation).

Le tamis de la valeur pour prioriser 12 produits d’IA

Les cas d’usage IA ont donc été “passés au tamis de ces indicateurs”, explique Pierre Ruhlmann. Un travail de sélection a ainsi été mené pour réduire à 12 le nombre de cas d’usage en intelligence artificielle. 

Le COO défend cette approche, qui vise une plus grande efficacité et une meilleure probabilité de succès pour les domaines identifiés comme prioritaires. Pour délivrer la valeur attendue, il restait à définir un mode de delivery adapté, toujours dans le cadre des mécanismes agiles en place.