-
BNP Paribas Asset Management
gestion d'actifs
Big data, structuration des données, data lake, data science et valorisation des données…. Par où commencer dans cet océan d’informations, si facilement assimilées à “l’or noir du XXIe siècle” ? La particularité de ce questionnement, pour les institutions bancaires, est que ces dernières accumulent de la donnée depuis leur création, mais que la régulation en contrôle l’usage. Cet encadrement porte aussi bien sur les informations elles-mêmes que sur l’exploitation qui en est faite, ou sur les méthodes et durées de conservation… Comment, donc, prendre possession de ces données et tirer profit des avancées que permettent les vastes progrès de l’intelligence artificielle ? Dans quelle mesure la traditionnelle séparation entre les données de chaque métier empêche-t-elle les expérimentations et l’innovation ?
Les quatre pieds du big data
Avant d’évoquer la data science, il faut revenir sur sa matière première : les données. “Le big data repose sur quatre pieds”, explique même le directeur de l’intelligence artificielle de Devoteam Aymen Chakhari. Et ces derniers influencent la manière dont les entreprises en général, et les banques en particulier, s’emparent ensuite des nouveaux outils de traitement et d’analyse de données.
La data foundation, d’abord, consiste à définir la donnée, gérer les coûts systèmes, mettre en place les tuyaux par lesquels ellese passeront ainsi que les portails y donnant accès. Vient ensuite la protection de la donnée. “Il s’agit d’élaborer une stratégie de protection de toutes les informations disponibles, puis de leur appliquer les attributs de confidentialité choisis”, poursuit Aymen Chakhari. Puis vient le data management, “qui regroupe aussi bien la structuration de la donnée que les outils qui permettront de l’utiliser”. Que ce soit des bots ou d’autres types d’API, on aborde là le domaine du data knowledge : les données fournies à l’utilisateur ne sont plus ni brutes, ni de simples informations, elles sont connectées à d’autres, de manière à donner un résultat articulé, compréhensible et utile. “Le quatrième pied, termine Aymen Chakhari, est celui de la smart data, ou de la data science”. C’est ici que l’on utilise des mathématiques, de la statistique, de l’informatique ou encore de la visualisation de données pour répondre à un besoin précis, améliorer un processus ou faciliter une prise de décision.
Gouvernance
Pour agir à tous les niveaux de cette chaîne de la donnée, la gouvernance est un enjeu crucial, qui commence être officialisé dans les institutions bancaires. Au niveau du groupe ou des métiers, de la donnée ou de l’usage qui en est fait… les stratégies divergent. Ainsi existe-t-il chez BNP Paribas un Chief Data Officer (CDO) pour le groupe depuis le 1er juillet 2019, puis, pour chaque métier, un CDO dédié. En revanche, il n’y a “ni patron de la data science, ni de l’intelligence artificielle à l’échelle du groupe, et encore moins à l’échelle d’un métier, car ces univers ne concernent pas le seul CDO”, déclare Christophe Bonnefoux, lui-même Chief Data Officer de BNP AM depuis janvier 2018.