L'impact de l'IA sur les Services Financiers avec Joffrey Martines (Managing Partner & Global Lead FSI) et Alexis Baufine-Ducrocq (Partner) | The Bridge by Artefact

Description

L’intelligence artificielle et la data transforment le secteur des services financiers.

Dans cet épisode de The Bridge, Joffrey Martinez (Managing Partner & Global Lead Financial Services, Artefact) et Alexis Baufine-Ducrocq (Partner & Lead Financial Services, Artefact) partagent leur vision de l’impact de l’IA dans la banque, l’assurance, les paiements et la gestion d’actifs, à travers des cas d’usage concrets :

Accélération des processus d’octroi de crédit et de traitement des sinistres grâce à l’IA générative.
Amélioration de l’expérience client via la personnalisation en temps réel et les insights pilotés par l’IA.
Gains d’efficacité opérationnelle et redéploiement des experts humains sur des tâches à forte valeur ajoutée.
Gestion des risques, détection de fraude et conformité réglementaire renforcées par l’IA.
Croissance des revenus dans la banque privée et la gestion d’actifs.
Passage à l’échelle de l’adoption de l’IA et diffusion d’une culture data-driven.

Découvrez comment l’IA réinvente la finance : de l’optimisation des coûts à la croissance du chiffre d’affaires, en passant par la prévention des risques.

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Transcription

Speaker #0
The Bridge d'Artifact, le média professionnel pour en savoir plus sur la data et l'intelligence artificielle. Aujourd'hui, un nouvel entretien avec un data leader en vidéo et podcast.
Speaker #1
Bonjour à toutes, bonjour à tous. Je suis Geoffrey Martinez, je suis managing partner chez Artifact. Je suis en charge du secteur financier. Le secteur financier chez Artifact, c'est quoi ? C'est la banque, évidemment, l'assurance, le paiement, les fintechs, l'asset management. Et je suis ravi d'être avec vous aujourd'hui pour... On va parler d'un sujet qui me passionne, qui est comment l'IA, la Gen AI ou la Gen SIC transforment, impactent les services financiers. Je suis ravi d'être accompagné d'Alexis aujourd'hui. Bonjour Alexis.
Speaker #2
Merci Geoffrey. Donc Alexis Woffin-Ducrot, partenaire chez Artefact, dans l'équipe services financiers avec Geoffrey au bureau de Paris. Je m'occupe en particulier de banques, banques de détails, CIB et banques privées, également d'assureurs en France. Peut-être pour démarrer, Geoffrey, je pense que ce serait intéressant de repartir de... Quelle est ton histoire dans la finance et comment on a développé ce secteur chez Artefact ?
Speaker #1
Alors, c'est une bonne question. Ça nous ramène à quelques années, il y a quelques années, premier job, sortie d'école, private equity, au moment de la chute de Lehman Brothers. Donc, première entrée dans la vie active un peu brutale, un peu violente. Malgré tout... Premier pas dans un monde que moi j'ai trouvé extrêmement passionnant. Et pourquoi passionnant ? Parce que finalement, c'est un peu, si vous me permettez la métaphore, c'est un peu comme le foot. C'est-à-dire qu'en fait, tout le monde a un avis, tout le monde connaît. Et ça intéresse plus ou moins tout le monde, et tout le monde aime bien se plaindre de l'acteur fait de la finance. Et pourquoi en fait ça intéresse tout le monde ? Finalement, c'est un secteur qui touche l'avis de tous. des entreprises, des individus, de tout le monde. Et peu importe ce que vous faites dans la vie, vous êtes forcément liés d'une façon ou d'une autre au secteur financier. Ça, c'est le premier élément. Et peut-être le deuxième élément, c'est que quand on caricature un tout petit peu ce que c'est le secteur financier, c'est des hommes, des femmes, évidemment, et des datas. Et donc, la raison pour laquelle chez Artefact, je pense que c'est un très bon terrain de jeu, c'est justement parce que la data est au cœur du sujet du secteur financier. Et peut-être dernier élément, c'est que c'est un secteur un peu atypique chez Artefact, le secteur financier, parce qu'il est assez récent. Finalement, Artefact a un peu plus de 10 ans. Le secteur financier, on l'a lancé fin 2022, début 2023. Donc, il y a finalement assez peu de temps. On a commencé d'abord à le lancer de la France et ensuite, on l'a collectivement internationalisé.
Speaker #2
Et comment tu expliques ce côté très récent du secteur financier chez Artefact ? Est-ce que c'est un sujet de maturité qui est un petit peu différent de d'autres industries ?
Speaker #1
Alors, quand on regarde de façon assez large la maturité du secteur et des sous-secteurs, je pense que le premier constat qu'on peut faire, c'est qu'aujourd'hui, en tout cas aujourd'hui, tous les acteurs se sont lancés dans la course à l'IA, à l'Adventic AI, pour aller capter cette valeur. Et pourquoi je parle de course ? Parce que je pense qu'il y a un vrai enjeu concurrentiel à aller capter cette valeur. Je donne un exemple très concret. si demain Tu vas chez une banque qui te donne un crédit trois fois plus rapidement que son concurrent, forcément, à un niveau de qualité légale, tu vas aller chez la plus rapide. Même chose pour l'assurance. Si ton signe d'assurance est géré trois fois plus rapidement pour le même prix, même niveau de service, forcément, tu vas aller chez cette assureur. C'est une vraie course pour aller capter la valeur. Et ça, ça touche l'ensemble des acteurs du secteur. Après, si on essaye de regarder un peu les comparaisons, même si je n'aime pas trop le jeu des comparaisons, mais entre les sous-segments du secteur financier, on a, je crois, un premier bloc qui est plutôt la banque de détails, voire même l'assurance, qui sont des activités de grand volume, grand volume de clients, grand volume de données, grand volume de FTI, avec forte pression commerciale, forte pression sur les marges, qui se sont lancées assez rapidement, peut-être les premières en tout cas dans le secteur, sur ces sujets. d'IA, de Genial, parce que ROI, plus facile d'accès, parce que justement, grand volume notamment. Ça, c'est un premier bloc. Et après, il y a un deuxième bloc, composé de la banque d'investissement, de la banque privée, des asset managers, même des paiements, où l'IA est historiquement présent dans les milieux plutôt d'expertise, chez les comptes, chez les actuaires, chez les gens qui sont en charge de la fraude. Donc ça c'est assez historique. En revanche, ce qui est assez récent, c'est assez intéressant, c'est que l'IA est sortie de ce domaine d'expertise plus récemment. En effet, plus récemment. pour revenir à ta question. Et là maintenant, on le voit dans l'ensemble des chaînes de valeur de ces acteurs, que ce soit la relation client, que ce soit l'octroi de crédit, je l'évoquais tout à l'heure, la gestion des risques, etc. Donc finalement, deux blocs. Et dans ce deuxième bloc, grosse accélération de l'IA sur la banque privée, sur l'asset manager et en particulier sur l'assurance.
Speaker #2
Alors dans l'assurance, je trouve que c'est intéressant, si on prend un pas de recul, l'assurance c'est fondamentalement un métier de data. En fait, l'actuaire, c'est probablement le profil qui ressemble le plus à un data scientist avant que la notion de data scientist n'arrive sur le marché. Ce sont des gens dont le cœur de métier de l'actuaire et le cœur de métier de l'assurance, c'est de modéliser de manière statistique du risque et d'y mettre un prix. Et donc, en fait, ce qui est intéressant dans l'assurance, c'est qu'il y a une maturité data, en tout cas une présence des compétences data qui est historiquement très forte. Donc on a ce premier élément de fondation qui est les compétences data. On a eu une accélération, je crois, très forte ces 4-5 dernières années sur la donnée client. Parce que l'assurance, en particulier santé, en particulier IARD, c'est un métier avec énormément de churn. Donc les clients s'en vont très vite. Le jeu, c'est de remplir la baignoire plus vite qu'elle ne se vide. Et donc, on a eu une accélération très forte, on l'a vu chez un grand nombre de nos clients. sur la donnée client, sa maîtrise et son exploitation au service de la conquête du multi-équipement qui sécurise énormément le client, qui réduit beaucoup le charn, à travers des grands projets fondationnels de type CDP. Énormément de clients mutuels, assureurs classiques se sont équipés de CDP. Donc, on a des talents, on a un certain nombre de fondations qui sont en place. et aujourd'hui ce qu'on voit C'est une accélération plus large sur des fondations, peut-être sur des couches plus basses, avec un travail sur les plateformes de données. Là-dessus, on a des acteurs qui ont historiquement un legacy qui est très on-prem. Pourquoi ? Parce qu'on a des données hautement sensibles, des données clients bien sûr, mais aussi des données de santé. Et les différents acteurs du monde de l'assurance sont en train d'évoluer vers le cloud. Alors, certains ont annoncé un mouvement. Full cloud en France, ce qui est assez audacieux au regard des typologies de données. La plupart des assureurs qui nous consultent aujourd'hui mettent en place des data platforms dites hybrides multicloud. Donc, elles vont jouer sur généralement trois environnements. Un environnement qui va rester on-prem, en particulier pour les données de santé. Un environnement avec du cloud de type GAFAM pour avoir des outils à l'état de l'art pour accélérer sur l'IA. et puis On voit de plus en plus un troisième pied qui est des assureurs qui réfléchissent à des clouds souverains, ces Knum Clouds, pour pouvoir jouer dans ces trois catégories. Donc on a vraiment une accélération sur les fondations et puis en général avec la construction de la data platform, il y a la mise en place d'une vraie data gouvernance avec des ownership qui sont dans les métiers, ce qui va vraiment permettre, comme tu le disais, à l'IA, à la data et donc à l'IA en fait, de sortir d'une zone d'expertise de quelques sachants. mais d'être vraiment de plus en plus en service, au service de l'accélération du business. Ça, c'est pour la France. Et je suppose que toi, tu as une capacité, Geoffrey, à peut-être élargir au niveau international.
Speaker #1
C'est toujours un jeu qui n'est pas simple à faire, la comparaison des grands blocs géographiques. Peut-être une façon de l'objectiver, c'est de regarder les revenus générés par l'IA par grands blocs géographiques dans le secteur financier. Quand on regarde les données de l'année dernière, on voit un premier bloc en tête. qui est sans grande surprise les Etats-Unis qui drainent un peu plus d'un tiers des revenus liés à l'IA, avec en tête dans les Etats-Unis JP Morgan qui est depuis plus de trois ans leader en tout cas sur les sujets autour de l'IA, sur différents classements. Et pourquoi leader ? Parce que l'IA s'est diffusée dans un nombre extrêmement important de process et complètement intégré dans les différents workflows de la banque. C'est vrai dans le trading, c'est vrai dans la banque privée. C'est vrai dans la gestion de crédit et j'en passe. Donc ça, c'est le premier bloc en tête, les US. Ensuite, on a un deuxième bloc, pareil, sans grande surprise, je pense, mais qui est plutôt l'Asie, d'ailleurs très fortement tirée par la Chine, avec une capacité d'innovation incontestable et probablement la meilleure, une des meilleures dans le monde. Si je devais citer un acteur, je citerais Ping An, qui est historiquement un assureur, qui est maintenant, on pourrait qualifier de big tech. qui a déposé plusieurs milliers de brevets sur l'IA, qui pareil a industrialisé un nombre de cas d'usage énorme. et tire la croissance de l'IA, notamment dans la Chine, et démontre une vraie capacité de ce bloc géographique à industrialiser les cas d'usage. Ensuite, on va retrouver l'Europe en termes de revenus générés, assez similaires finalement à l'Asie, mais avec une différence très forte, qui est que l'Europe va mettre le baril de façon un peu beaucoup plus importante, même sur la régulation, pardon, sur l'éthique. Et néanmoins... Néanmoins, on a les grands acteurs européens, on peut citer UBS, on peut citer BNP, on peut citer Santander, qui ont réellement réussi à tirer de la valeur de l'IA sur des sujets comme la fraude, comme la relation client, comme la gestion des crédits en particulier. Et ensuite, un peu en dessous en termes de revenus, mais forte accélération, on a trois blocs qui sont à peu près similaires, que sont l'Amérique du Sud, le Middle East, et l'Afrique. Revenus à peu près similaires quand on regarde les données de l'année dernière, en revanche dynamiques différentes. Amérique latine très fortement tirée par le Brésil, avec probablement les secteurs financiers, en tout cas les institutions financières, les plus avancées dans la fraude, tant dans les banques traditionnelles que dans les fintechs. On peut citer Itaou, on peut citer Nubank, extrêmement en pointe sur la gestion de la fraude. est probablement un des endroits dans lesquels on voit la plus grosse croissance dans les 10 ans sur l'IA. JP Morgan annonce 100 milliards de revenus supplémentaires juste sur l'IA au Brésil dans les 10 ans qui viennent. Ensuite, on a le Middle East. Middle East, le sujet est très lié à la priorité qui est mise sur l'IA par les différents États du Middle East. Donc en fait, le secteur bancaire et financier au sens large bénéficie finalement de ces investissements et paraît très même tendance que l'Amérique latine. très forte accélération. Et enfin, pour terminer, l'Afrique, où là, le baril centre est mis sur un endroit un peu différent, qui est plutôt sur l'inclusion financière. L'enjeu étant de bancariser et d'utiliser les nouvelles technos. Il y a la Généré en particulier pour améliorer toute cette notion qui est hyper importante d'inclusion financière.
Speaker #2
Très clair. Et est-ce qu'en termes de cas d'usage, on retrouve des familles de cas d'usage qui sont similaires sur ces plaques ? Et si oui ? Comment tu les décrirais ?
Speaker #1
Alors, des cas d'usage, il y en a une infinité. Je pense qu'on a tous des listes infinies de cas d'usage sur toutes les chaînes de valeur du secteur. Si on essaye de rationaliser et de faire des grandes catégories, comme tu dis, je pense que je vois trois grandes catégories qui se dessinent malgré tout. La première, c'est tous les cas d'usage qui vont servir à optimiser les coûts. Le cost to serve pour jargonner un peu secteur financier. Deuxième catégorie qui va permettre d'améliorer les revenus. On va faire de la croissance finalement supplémentaire. Et troisième catégorie qui est plus liée là au secteur financier, parce que c'est deux premiers finalement, on pourrait les retrouver dans d'autres secteurs. Troisième catégorie qui est plutôt liée à la protection de ces institutions, de par leur statut particulier. Si on prend quelques exemples maintenant, zoomons un peu sur ces différents cas d'usage, enfin catégories pardon. Le premier, cost to serve, c'est probablement là où il y a le plus de cas d'usage. Pourquoi ? Parce que... Les assureurs, les banques en particulier, ont vu leur base de coûts significativement augmenter ces dernières années et se font de plus en plus challenger par les nouveaux vecteurs. Donc c'est là où on a le plus de cas d'usage. Je vais donner un exemple très concret. J'ai un peu évoqué tout à l'heure l'octroi de crédit. On travaille avec un des leaders européens de la banque de détail où l'enjeu c'est quoi ? C'est de réduire de 5 jours le délai entre une demande et un octroi de crédit. Et comment on fait ça ? Comment cette banque le fait ? Deux sujets. Un, elle transforme les process, transforme la façon d'adresser l'octroi au crédit. Et deux, elle l'intègre dans des phases importantes de l'IA, de la January, sur l'analyse des documents, sur l'analyse, par exemple, de tes bulletins de salaire, sur l'intégration des données de ton bulletin de salaire sur les applicatifs métiers. Et finalement, à la fin, l'enjeu, c'est de réduire de plusieurs jours l'octroi au crédit. C'est un exemple très concret de Cost to Serve.
Speaker #2
C'est intéressant parce que tu traduis Cost to Serve en du délai. Et en fait, on retrouve beaucoup ça, parce que le délai, c'est un indicateur très puissant de la qualité de service, je pense, à travers tous les services financiers. Si on prend un cas d'usage très emblématique qu'on retrouve chez un certain nombre d'acteurs de l'assurance, qui va générer des gains en termes d'efficience, de cost to serve, mais qui se traduit surtout, vu du client, par des délais, c'est le traitement des sinistres. On a beaucoup d'assureurs qui investissent lourdement sur des solutions d'IA, d'IAgen, d'IA même agentique. pour aller traiter automatiquement et de bout en bout des sinistres, des sinistres simples, éventuellement de plus en plus complexes. Un exemple, un sinistre santé. On a plusieurs assureurs qui proposent des parcours dans lesquels tu peux déposer une facture de santé, la facture de ton dentiste par exemple. Cette facture est analysée par un OCR, par exemple, qui va détecter le type de soin, le praticien à travers son numéro d'identification. Derrière ça, il va y avoir un premier niveau de traitement qui va être de... savoir ce qui va être remboursé par exemple par la sécurité sociale. Donc on a une IA qui va appliquer le barème de remboursement de la sécurité sociale, qui va ensuite aller, fort de ces données-là, voir dans le contrat client quel est son niveau de couverture et qui va appliquer sur le restant à charge ce niveau de couverture. Puis qui va donc en déduire le reste à charge final du client et enfin émettre... un remboursement. Et là, on a des acteurs qui arrivent à automatiser de bout en bout et dans l'espace de quelques minutes, un traitement de sinistre sur 20-30% de leurs sinistres en IRD, en santé, avec des opérations qui sont successives, parfois complexes, avec la capacité pour l'humain de reprendre en main également le process s'il y a des textes qui a une incertitude trop forte pour poursuivre seul. Et ça se traduit par quoi ? Ça se traduit par En fait, des délais de traitement qui peuvent aller jusqu'à la quasi-instantanéité, en particulier avec les virements instantanés, donc de remboursement sur le compte du client. Et ça, en termes de niveau de qualité de service, c'est vraiment extrêmement puissant. Donc là, l'IA permet de faire gagner sur deux plans. C'est évidemment le cost to serve, mais également la qualité de service. Ce qui est intéressant, c'est de regarder derrière comment sont réalloués les gains, puisqu'en fait, ça permet aussi de gagner sur un autre plan, qui est qu'en fait... Avec ça, je peux allouer l'humain sur l'humain et donc passer un temps plus qualitatif sur des sinistres qui sont plus complexes. On a également des cas de visage au service de la croissance ?
Speaker #1
Oui, absolument. Je reviens juste parce que c'est hyper intéressant ce que tu disais sur le cost to serve. Tu as raison, on gagne effectivement sur le timing et on peut replacer l'humain. C'est un peu une espèce de paradoxe intéressant, c'est qu'on gagne du temps, on automatise. mais on met l'humain au meilleur endroit. C'est très vrai dans le cynisme, tu as raison. C'est très vrai dans l'octroi de crédit, qui sont finalement des process parfois qui peuvent être un peu anxiogènes, un peu stressants. On parle de moments de vie, on parle de difficultés. Donc, le rôle de l'humain est fondamental. Et je pense que là, la techno, finalement, est un ennebleur de l'expertise qu'on peut mettre au service des différents process. Et pardon, tu as raison. Le sujet maintenant de comment l'IA peut venir améliorer... la croissance, enfin faire de la croissance supplémentaire. Je pense qu'un des sujets récurrents, c'est comment l'IA vient améliorer la relation client. Si on fait un pas en arrière et on met deux secondes la techno de côté, c'est quoi une bonne relation client si je regarde l'exemple de la banque ? Une bonne relation client, c'est une banque qui fonctionne. Une banque qui fonctionne, c'est quoi si on reste dans la banque d'étail ? C'est une banque qui est... capable de vous relancer quand il faut et c'est pas vous qui les relancez. Si je jargonne un peu en secteur financier, c'est pas le client qui est le middle de la banque mais bien le contraire. Donc c'est une banque qui fonctionne, c'est une banque qui est joignable, j'ai besoin de l'avoir, elle est disponible et c'est une banque qui est expert, c'est une question un peu pointue, je veux avoir une réponse. En fin 2022 début 2023 qu'est ce qui se passe ? ChatGPT se démocratise et donc ça pose un standard de relations clients. Chacun joue à ChatGPT, chacun voit la capacité que ça a de répondre en direct de façon extrêmement précise. Et donc finalement, ça pose un nouveau standard de relations clients et chacun le teste en dehors de la sphère financière. Mais on s'attend à ce que ce soit la même chose dans la banque. Et dans un secteur, la banque de détails, où les produits et les services... tendent quand même à se commoditiser. Avoir une excellente relation client est un vrai facteur de différenciation. Et qu'est-ce qu'on met derrière ? C'est quoi une relation client excellente ? C'est une relation client qui est disponible, joignable, qui marche, qui est capable de vous proposer des services qui sont personnalisés, qui répondent à n'importe quel moment, etc. Et là, évidemment, tous ces cas d'usage sont drivés par de l'IA. De la GNI en particulier. Pardon, il me manque la transition.
Speaker #2
Au service de la croissance, on a également pas mal entendu parler de deux grandes familles de cas d'usage que sont le marketing augmenté par l'IA pour mieux cibler, etc. Le vendeur augmenté par l'IA, capable d'avoir des argumentaires en temps réel, etc. pour aider à mieux transformer son exercice de vente. Je pense qu'il y a un territoire de cas d'usage qui est très intéressant sur lequel j'ai envie de mettre un petit peu la lumière là, c'est la capacité que l'IA offre de construire des services nouveaux. à plus forte valeur ajoutée, qui sans l'IA serait dans une enveloppe de coûts qui ne serait pas soutenable. Et là, je pense par exemple à la banque privée. Dans la banque privée, vous avez des fonctions très expertes qui regardent les marchés en permanence, qui étudient des titres et qui cherchent à savoir comment ces titres vont se comporter et qui produisent des analyses. qui sont des analyses à destination d'autres métiers experts pour que des gérants de fonds, des gérants de portefeuilles prennent des décisions éclairées. Le problème de ces analyses, c'est qu'elles sont très expertes, elles donnent des notes d'analyse qui sont peu lisibles par le client. Or, les clients en banque privée, certains ont la main eux-mêmes sur leurs investissements, sur leur portefeuille, et donc ce qu'ils attendent d'une banque privée, c'est du conseil. C'est la capacité à avoir... un bon conseil pour réaliser eux-mêmes des bonnes transactions éclairées, décidées par eux-mêmes. Or, il y a une caractéristique des marchés financiers, c'est qu'une fois que les analyses sont faites, c'est très autoréalisateur. C'est-à-dire que si tout le monde décide que ce titre-là ne vaut plus 2000, mais devrait valoir 2400, très vite le marché va s'ajuster. Donc il y a un enjeu très fort à faire en sorte de réduire le délai entre les cerveaux des analystes financiers. et l'exécution de la transaction par le client lorsque c'est lui qui en est responsable. Et ça, ça a une énorme valeur pour le client. Donc aujourd'hui, il y a un certain nombre de banques privées qui travaillent à réduire ce délai entre l'expertise et le client, alors que ce délai, il est structurellement plutôt interfacé, puisqu'il y a ce centre d'expertise, ça va derrière ruisseler sur des gérants de portefeuille, sur des relationship managers, donc des banquiers privés. qui vont eux-mêmes prendre le temps d'appeler ou de contacter leurs clients, il peut se passer deux, trois jours aujourd'hui entre l'analyste et le contact client. Aujourd'hui, ce que s'est très bien fait à Liagène, c'est prendre un document compliqué, en sortir la substantifique moelle et le transformer en un conseil directement actionnable. Et ça, je pense que ça a beaucoup de valeur pour le client, également pour la banque puisque ça va générer de la transaction derrière, de recevoir cette information intraday. et une information directement lisible et actionnable pour un client qui, même s'il est acculturé aux enjeux financiers, puisqu'il a la gestion de son portefeuille en propre, c'est qu'il sait le faire. Toutefois, il y a quand même les argumentaires à un niveau qui lui est accessible pour prendre ses décisions. Et ça, c'est typiquement un service qui génère à la fois de la qualité, mais également des revenus.
Speaker #1
On a parlé de... Quatre usages autour de la gestion de coûts. On a parlé des quatre usages autour de l'amélioration de la croissance. Quatre usages aussi, maintenant, je l'évoquais tout à l'heure, sur la protection. Un domaine dans lequel l'IA fonctionne très bien, c'est la détection des événements rares. Et qu'est-ce qu'on met derrière ? On peut mettre de la lutte anti-blanchiment, mais on peut mettre aussi de la fraude. Là, l'IA marche très, très bien. Concrètement, l'enjeu, c'est quoi ? Et c'est quoi la difficulté ? Juste pour expliquer un petit peu, c'est la fraude. il faut arriver à analyser énormément de volume en temps réel et être capable de s'adapter à des schémas de fraude qui évoluent très rapidement. Parce que les fraudeurs, évidemment, sont malins et c'est une espèce de course un peu infinie entre le policier et le voleur. Et donc, il faut toujours avoir un coup d'avance avec, en tout cas, si on est policier, contre le voleur. On a beaucoup travaillé sur ces sujets-là et comment ça marche de façon concrète. On vient modéliser, justement, des schémas de fraude. Comment, en intégrant... à la fois les données des clients et les données de transaction. C'est-à-dire qu'on va regarder si je n'ai pas changé d'adresse trop de fois les six derniers mois, si je n'ai pas modifié, je ne me suis pas connecté à des endroits bizarres en très peu de temps. On va, avec toutes ces données-là, modéliser les schémas de fraude et bloquer quand on a une suspicion de fraude. La difficulté étant... Évidemment on ne peut pas tout bloquer. Si à chaque fois vous payez vous êtes bloqué, il y aura zéro fraude mais il y aura un vrai QG utilisateur. Donc tout l'enjeu c'est d'arriver à trouver... ce bon dosage avec une difficulté technique supplémentaire qui est que quand on parle de fraude, on est sur des données qu'on appelle déséquilibrées. C'est quoi une donnée déséquilibrée ? C'est que finalement, il y a heureusement beaucoup plus de transactions non frauduleuses que frauduleuses. Donc en fait, arriver à schématiser des schémas de fraude dans des données déséquilibrées, ça demande un vrai savoir-faire technique, notamment de manipulation des modèles. Donc ça, c'est un exemple très concret sur la protection.
Speaker #2
Alors, tu évoques la fraude. Effectivement, dans la protection, il y a deux grandes familles, la fraude et puis la conformité. Et effectivement, il y a une famille de cas d'usage qui est commune à l'ensemble des acteurs des services financiers, qui est la lutte contre le planchement et le financement du terrorisme. Alors ça, c'est un énorme sujet, puisque l'ensemble des transactions, en fait, sont screenées par un ensemble de règles qui ne fait que croître. Des règles avec des pays sous embargo, sous sanction, des personnes sous sanction, etc. Ces règles-là évoluent très régulièrement, les référentiels au sein de ces règles, c'est-à-dire les noms des personnes qui sont concernées, etc., évoluent énormément. Le problème, c'est que si on applique 100% de toutes ces règles avec des modèles uniquement rule-based, on va générer énormément de faux positifs. Et le traitement de ces faux positifs, jusqu'ici, jusqu'à peu de temps, était une tâche manuelle. Pour l'avoir vu dans des back-office bancaires, c'est une tâche manuelle ingrate qui consiste à pointer les transactions une à une, des milliers de transactions une à une. Ça peut occuper des centaines de personnes pour des banques d'envergure internationale. Et tout ça pour se rendre compte que ce paiement tagué comme sensible parce qu'il y a écrit Téhéran dedans, c'est simplement la destination d'une entreprise qui est rue de Téhéran dans le 9e. Et donc, c'est là où combinaison IA rule-based va permettre d'aller réduire drastiquement le périmètre de faux positifs et de concentrer les efforts d'investigation sur des cas qui sont plus probablement de la fraude. Alors là, il y a tout un enjeu qui est d'aller apporter un filtre suffisamment puissant pour gagner. véritablement en efficience et ça marche. On a des clients qui gagnent jusqu'à deux ordres de grandeur, divisent pratiquement par 100 le nombre d'alertes à traiter, tout en étant extrêmement performants sur le fait de n'en laisser passer aucune. Et donc ça, c'est un travail de modélisation qui n'est jamais complètement abouti. En réalité, je pense que c'est des équipes entières qui travaillent en continu sur l'optimisation de ces modèles.
Speaker #1
Toute une série de cas d'usage, on vient d'en parler. Maintenant, la vraie question qu'il y a derrière, c'est est-ce que ça marche ? C'est quoi les vrais ROI ? Et qu'est-ce qu'il faut pour finalement avoir ces ROI ?
Speaker #2
Alors, de manière très simple, oui, ça marche quand on arrive à les construire. Et je pense que les équipes chez nos clients sont énormément professionnalisées à travers des dispositifs de type factory, sont un peu débarrassées de cette notion de POC, ou en tout cas l'ont vraiment... périmétrés à des vrais sujets de recherche et d'expérimentation et sont passés dans des modes industriels qui font que ça marche. Quel est le ROI ? Là-dessus, c'est extrêmement variable d'un cas d'usage à l'autre, mais ça peut être très puissant. On parlait de la fraude. Quand on divise par 100 des alertes, j'ai des clients chez qui ça a permis de réduire des coûts opérationnels de l'ordre de, on parle en dizaines de millions. Donc ça finance. Pas mal le cas d'usage, le ROI est très rapide. Pour d'autres cas d'usage, plus opérationnels, pour de l'automatisation de processus, ça dépend évidemment à quelle base on l'applique, mais on peut gagner 20-30% d'efficience sur des activités, sur des processus de bout en bout. Donc le ROI, il existe, il est...
Speaker #0
peut être important en fonction des volumes d'activité bien sûr. Mais j'ai envie d'inviter à pas mal de prudence vis-à-vis de cette notion de ROI, ou en tout cas à prendre un petit peu de hauteur. Je pense que c'est réducteur d'envisager l'IA comme un outil d'automatisation qui va permettre de gagner une somme de minutes ou même une somme d'heures par-ci par-là. Je pense que l'IA c'est quelque chose de plus transformant que simplement un nouveau... levier d'automatisation comme l'ont été en leur temps le RPA ou autre, c'est beaucoup plus transformant. Et je pense que typiquement, je prends l'assurance. La vision d'un gestionnaire d'assurance du futur, ce n'est pas un gestionnaire d'assurance qui n'a plus à ressaisir le RIB du client lorsqu'il en change. Ce n'est pas juste un gestionnaire qui renvoie un mail qui lui a été suggéré par l'IA. C'est un gestionnaire qui, pendant 20-30% de son temps, va superviser des agents qui vont traiter eux-mêmes 60, 70, 80% des sinistres simples et qui va consacrer le reste de son temps à des situations humainement compliquées, des sinistres qu'il nécessite, etc. Et ça, c'est beaucoup plus transformant. Le danger, je pense, à avoir une approche un petit peu comptable ou seulement comptable du ROI, c'est... à la fin de se retrouver avec des petits morceaux d'automatisation de ci, de là, alors qu'il y a un potentiel de transformation important pour les métiers pour apporter non pas 10, 15% d'efficacité à tel endroit, mais un vrai saut qualitatif et une transformation des activités. Et je pense que porter une vision comme celle-là, ça a aussi plus de chances de fonctionner, parce que je pense que c'est beaucoup plus engageant pour les équipes, à la fin, aller cartographier des processus avec des équipes. pour leur demander où est-ce qu'on va gagner 10% pour en fait faire moins 10% dans les équipes. C'est compliqué comme démarche à porter, ce n'est pas super engageant. Alors que je pense que leur dire, voilà, de quoi est-ce qu'on peut se débarrasser pour faire mieux au service du client, pour faire plus au service du client, là-dessus, je pense que quand on est dans des services de gestion, on a envie d'aider le client. Et donc, porter une vision comme celle-là, je pense que ça... ça engage plus les équipes.
Speaker #1
Je ne peux que souscrire à la vision de transformation des métiers par l'IA.
Speaker #0
Après, il y a un autre sujet dans le ROI, c'est celui de l'IA pour tous. En fait, dans la stratégie IA de nos clients, je suppose que c'est le cas aussi chez tes clients, on a souvent deux grands volets. On a l'IA qui vient transformer, et puis l'IA qu'on met à disposition de toutes les équipes pour générer, on appelle souvent ça de la productivité diffuse. Pourquoi ? Parce qu'on va gagner quelques minutes sur un certain nombre de tâches et puis aussi parce que chacun peut s'en saisir de la manière dont il le souhaite et qu'il jugera la plus utile. Face à ça, on a beaucoup de nos clients qui, ces 6-8 derniers mois, ont cherché à mesurer un ROI de cette productivité diffuse en allant pointer derrière des gens, t'économises 10 minutes sur tes comptes rendus grâce à Copilot, etc. Parce qu'il faut bien mettre de l'argent face à des factures. La réalité de cette démarche, c'est que... Il me semble qu'en fait, on ne met pas d'argent face à cette facture. On met juste de l'argent Excel, c'est-à-dire que les 10 minutes que tu gagnes dans la préparation de ton rendez-vous grâce à notre outil interne, on ne les retrouvera jamais dans le PNL. Et ce n'est pas grave, je pense qu'il faut faire le deuil de mesurer la productivité diffuse par l'IA. En revanche, ça ne veut pas dire que ça n'a pas de valeur. La valeur que ça a, c'est que ça vient harmoniser la qualité par le haut. Au revoir. Ça va faire naître également des champions IA dans chacune des équipes, des gens qui vont se rendre compte que telle ou telle manière d'utiliser l'IA qui va être utile pour leur équipe. Et donc ce qu'il faut faire pour capter la valeur, c'est organiser l'émulation autour de ces champions IA, libérer la créativité, les faire rayonner. Tout ça pour quoi ? Pour en fait générer de l'adoption. Et là on va créer de la valeur, et une valeur qui va... qui va se traduire dans une meilleure adoption des produits d'IA transformants puisque les gens seront acculturés, accoutumés à utiliser ces solutions qui sont non déterministes, qui changent un petit peu par rapport à leurs outils historiques. Toute cette dynamique autour de l'IA, elle engendre des nouveaux risques qui doivent être appréhendés par les services financiers. Alors, ce n'est pas nouveau la gestion des risques dans ce secteur-là ?
Speaker #1
Non, pas du tout. En fait, le premier risque, tu as raison, ce n'est pas nouveau, mais je pense que le premier risque, c'est d'abord le risque de ne pas faire. évidemment de ne pas y aller. Ça, je pense que c'est le premier des risques. Après, tu as raison, ce n'est pas du tout nouveau dans le secteur. Il ne faut pas oublier que le... Le premier métier du secteur financier, des banques en particulier, des assureurs, c'est la gestion du risque. C'est leur métier de base. Et donc, la résilience de l'IT, le secret bancaire, le secret des données, c'est cœur pour ces secteurs-là. En revanche, ce qui a un peu changé, ce qui est nouveau, ce que l'IA a amené comme nouvelle thématique, c'est qu'en effet, il y a une vigilance, un niveau d'exigence qui s'est accru. C'est le premier élément. Et deuxièmement, le régulateur regarde de plus en plus ces sujets-là. Et ça se manifeste, ça se traduit, notamment par des réglementations sur l'accès aux données, la privacy des données, la cyber-résilience, les organisations quand on crée un modèle. Exemple très concret, une banque, quand on crée un modèle qui va être utilisé pour prendre des décisions, la personne qui le crée n'est pas la même personne qui le valide. Celle qui le valide, c'est... C'est la ligne de défense 2 et ce n'est pas forcément les mêmes qui les revoient. Une défense 3 et ça ajoute à ça potentiellement une revue du régulateur. Ce ne sont pas du tout des choses nouvelles dans le secteur financier au sens large. Donc, ce n'est absolument pas nouveau dans le secteur.
Speaker #0
Nos clients se structurent pour appréhender ces risques. Elles se sont structurées en termes de fondation comme on l'a vu tout à l'heure. Pour toi ? Ce serait quoi les perspectives maintenant pour les services financiers ?
Speaker #1
Je pense que le premier sujet, toujours dur de voir dans la boule de cristal, c'est de continuer à exécuter les feuilles de route, mettre en place les enablers que tu évoquais tout à l'heure, développer les cas d'usage, aller chercher la valeur, poursuivre ce qui a déjà été lancé. Je pense que c'est le premier sujet. Le deuxième sujet que je mettrais en avant, c'est... Évidemment, comment ne pas être emballé quand on voit l'accélération de l'histoire avec la genetic ? Forcément, ça accélère. Ça accélère les sujets. Et comment ça les accélère ? Tu l'as évoqué tout à l'heure. On a des sujets autour de la productivité diffuse. Ça marche très bien. On a des sujets autour de la transformation des process. On l'a évoqué. La genetic aide énormément à ça. Et ce qui va, je pense, le plus changer, c'est la façon de travailler. complètement remodeler les façons de travailler, tu l'avais évoqué tout à l'heure dans l'assurance, dans l'ensemble des acteurs du secteur financier. Si je fais un parallèle, un parallèle un peu historique, 1850-1880, dans les banques, il y a des armées, plutôt de juniors malgré tout, qui font des sommes à la main sur des grands rouleaux, et ça occupe énormément de monde. 1890, 1890, je ne sais plus exactement la date, arrive la calculette mécanique. Est-ce que ces gens ont disparu et ont été tous licenciés ? Pas du tout. Leur métier a complètement été transformé. Ils ont gagné du temps pour faire quoi ? Pour faire de l'analyse financière, pour faire de l'analyse de risque, pour faire des prévisions. Donc le métier a changé. Ce que j'anticipe, c'est un peu la même chose. C'est-à-dire que là, le métier va énormément changer. Probablement plus de sujets autour de la supervision, notamment des agents. Et aussi probablement plus de sujets autour de la transformation, on l'a un peu évoqué lors de notre échange, des process. Donc compétences importantes à avoir qui est celle de la transformation des process. Voilà en gros quelques perspectives que j'imagine.
Speaker #0
Merci beaucoup Geoffrey, merci à tous de nous avoir suivis. J'espère que ces enseignements vous seront riches, vous seront utiles et on sera ravis de les creuser avec chacun de vous.
Speaker #1
Merci beaucoup.

Description

L’intelligence artificielle et la data transforment le secteur des services financiers.

Accélération des processus d’octroi de crédit et de traitement des sinistres grâce à l’IA générative.
Amélioration de l’expérience client via la personnalisation en temps réel et les insights pilotés par l’IA.
Gains d’efficacité opérationnelle et redéploiement des experts humains sur des tâches à forte valeur ajoutée.
Gestion des risques, détection de fraude et conformité réglementaire renforcées par l’IA.
Croissance des revenus dans la banque privée et la gestion d’actifs.
Passage à l’échelle de l’adoption de l’IA et diffusion d’une culture data-driven.

Découvrez comment l’IA réinvente la finance : de l’optimisation des coûts à la croissance du chiffre d’affaires, en passant par la prévention des risques.

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Transcription

Speaker #0
The Bridge d'Artifact, le média professionnel pour en savoir plus sur la data et l'intelligence artificielle. Aujourd'hui, un nouvel entretien avec un data leader en vidéo et podcast.
Speaker #1
Bonjour à toutes, bonjour à tous. Je suis Geoffrey Martinez, je suis managing partner chez Artifact. Je suis en charge du secteur financier. Le secteur financier chez Artifact, c'est quoi ? C'est la banque, évidemment, l'assurance, le paiement, les fintechs, l'asset management. Et je suis ravi d'être avec vous aujourd'hui pour... On va parler d'un sujet qui me passionne, qui est comment l'IA, la Gen AI ou la Gen SIC transforment, impactent les services financiers. Je suis ravi d'être accompagné d'Alexis aujourd'hui. Bonjour Alexis.
Speaker #2
Merci Geoffrey. Donc Alexis Woffin-Ducrot, partenaire chez Artefact, dans l'équipe services financiers avec Geoffrey au bureau de Paris. Je m'occupe en particulier de banques, banques de détails, CIB et banques privées, également d'assureurs en France. Peut-être pour démarrer, Geoffrey, je pense que ce serait intéressant de repartir de... Quelle est ton histoire dans la finance et comment on a développé ce secteur chez Artefact ?
Speaker #1
Alors, c'est une bonne question. Ça nous ramène à quelques années, il y a quelques années, premier job, sortie d'école, private equity, au moment de la chute de Lehman Brothers. Donc, première entrée dans la vie active un peu brutale, un peu violente. Malgré tout... Premier pas dans un monde que moi j'ai trouvé extrêmement passionnant. Et pourquoi passionnant ? Parce que finalement, c'est un peu, si vous me permettez la métaphore, c'est un peu comme le foot. C'est-à-dire qu'en fait, tout le monde a un avis, tout le monde connaît. Et ça intéresse plus ou moins tout le monde, et tout le monde aime bien se plaindre de l'acteur fait de la finance. Et pourquoi en fait ça intéresse tout le monde ? Finalement, c'est un secteur qui touche l'avis de tous. des entreprises, des individus, de tout le monde. Et peu importe ce que vous faites dans la vie, vous êtes forcément liés d'une façon ou d'une autre au secteur financier. Ça, c'est le premier élément. Et peut-être le deuxième élément, c'est que quand on caricature un tout petit peu ce que c'est le secteur financier, c'est des hommes, des femmes, évidemment, et des datas. Et donc, la raison pour laquelle chez Artefact, je pense que c'est un très bon terrain de jeu, c'est justement parce que la data est au cœur du sujet du secteur financier. Et peut-être dernier élément, c'est que c'est un secteur un peu atypique chez Artefact, le secteur financier, parce qu'il est assez récent. Finalement, Artefact a un peu plus de 10 ans. Le secteur financier, on l'a lancé fin 2022, début 2023. Donc, il y a finalement assez peu de temps. On a commencé d'abord à le lancer de la France et ensuite, on l'a collectivement internationalisé.
Speaker #2
Et comment tu expliques ce côté très récent du secteur financier chez Artefact ? Est-ce que c'est un sujet de maturité qui est un petit peu différent de d'autres industries ?
Speaker #1
Alors, quand on regarde de façon assez large la maturité du secteur et des sous-secteurs, je pense que le premier constat qu'on peut faire, c'est qu'aujourd'hui, en tout cas aujourd'hui, tous les acteurs se sont lancés dans la course à l'IA, à l'Adventic AI, pour aller capter cette valeur. Et pourquoi je parle de course ? Parce que je pense qu'il y a un vrai enjeu concurrentiel à aller capter cette valeur. Je donne un exemple très concret. si demain Tu vas chez une banque qui te donne un crédit trois fois plus rapidement que son concurrent, forcément, à un niveau de qualité légale, tu vas aller chez la plus rapide. Même chose pour l'assurance. Si ton signe d'assurance est géré trois fois plus rapidement pour le même prix, même niveau de service, forcément, tu vas aller chez cette assureur. C'est une vraie course pour aller capter la valeur. Et ça, ça touche l'ensemble des acteurs du secteur. Après, si on essaye de regarder un peu les comparaisons, même si je n'aime pas trop le jeu des comparaisons, mais entre les sous-segments du secteur financier, on a, je crois, un premier bloc qui est plutôt la banque de détails, voire même l'assurance, qui sont des activités de grand volume, grand volume de clients, grand volume de données, grand volume de FTI, avec forte pression commerciale, forte pression sur les marges, qui se sont lancées assez rapidement, peut-être les premières en tout cas dans le secteur, sur ces sujets. d'IA, de Genial, parce que ROI, plus facile d'accès, parce que justement, grand volume notamment. Ça, c'est un premier bloc. Et après, il y a un deuxième bloc, composé de la banque d'investissement, de la banque privée, des asset managers, même des paiements, où l'IA est historiquement présent dans les milieux plutôt d'expertise, chez les comptes, chez les actuaires, chez les gens qui sont en charge de la fraude. Donc ça c'est assez historique. En revanche, ce qui est assez récent, c'est assez intéressant, c'est que l'IA est sortie de ce domaine d'expertise plus récemment. En effet, plus récemment. pour revenir à ta question. Et là maintenant, on le voit dans l'ensemble des chaînes de valeur de ces acteurs, que ce soit la relation client, que ce soit l'octroi de crédit, je l'évoquais tout à l'heure, la gestion des risques, etc. Donc finalement, deux blocs. Et dans ce deuxième bloc, grosse accélération de l'IA sur la banque privée, sur l'asset manager et en particulier sur l'assurance.
Speaker #2
Alors dans l'assurance, je trouve que c'est intéressant, si on prend un pas de recul, l'assurance c'est fondamentalement un métier de data. En fait, l'actuaire, c'est probablement le profil qui ressemble le plus à un data scientist avant que la notion de data scientist n'arrive sur le marché. Ce sont des gens dont le cœur de métier de l'actuaire et le cœur de métier de l'assurance, c'est de modéliser de manière statistique du risque et d'y mettre un prix. Et donc, en fait, ce qui est intéressant dans l'assurance, c'est qu'il y a une maturité data, en tout cas une présence des compétences data qui est historiquement très forte. Donc on a ce premier élément de fondation qui est les compétences data. On a eu une accélération, je crois, très forte ces 4-5 dernières années sur la donnée client. Parce que l'assurance, en particulier santé, en particulier IARD, c'est un métier avec énormément de churn. Donc les clients s'en vont très vite. Le jeu, c'est de remplir la baignoire plus vite qu'elle ne se vide. Et donc, on a eu une accélération très forte, on l'a vu chez un grand nombre de nos clients. sur la donnée client, sa maîtrise et son exploitation au service de la conquête du multi-équipement qui sécurise énormément le client, qui réduit beaucoup le charn, à travers des grands projets fondationnels de type CDP. Énormément de clients mutuels, assureurs classiques se sont équipés de CDP. Donc, on a des talents, on a un certain nombre de fondations qui sont en place. et aujourd'hui ce qu'on voit C'est une accélération plus large sur des fondations, peut-être sur des couches plus basses, avec un travail sur les plateformes de données. Là-dessus, on a des acteurs qui ont historiquement un legacy qui est très on-prem. Pourquoi ? Parce qu'on a des données hautement sensibles, des données clients bien sûr, mais aussi des données de santé. Et les différents acteurs du monde de l'assurance sont en train d'évoluer vers le cloud. Alors, certains ont annoncé un mouvement. Full cloud en France, ce qui est assez audacieux au regard des typologies de données. La plupart des assureurs qui nous consultent aujourd'hui mettent en place des data platforms dites hybrides multicloud. Donc, elles vont jouer sur généralement trois environnements. Un environnement qui va rester on-prem, en particulier pour les données de santé. Un environnement avec du cloud de type GAFAM pour avoir des outils à l'état de l'art pour accélérer sur l'IA. et puis On voit de plus en plus un troisième pied qui est des assureurs qui réfléchissent à des clouds souverains, ces Knum Clouds, pour pouvoir jouer dans ces trois catégories. Donc on a vraiment une accélération sur les fondations et puis en général avec la construction de la data platform, il y a la mise en place d'une vraie data gouvernance avec des ownership qui sont dans les métiers, ce qui va vraiment permettre, comme tu le disais, à l'IA, à la data et donc à l'IA en fait, de sortir d'une zone d'expertise de quelques sachants. mais d'être vraiment de plus en plus en service, au service de l'accélération du business. Ça, c'est pour la France. Et je suppose que toi, tu as une capacité, Geoffrey, à peut-être élargir au niveau international.
Speaker #1
C'est toujours un jeu qui n'est pas simple à faire, la comparaison des grands blocs géographiques. Peut-être une façon de l'objectiver, c'est de regarder les revenus générés par l'IA par grands blocs géographiques dans le secteur financier. Quand on regarde les données de l'année dernière, on voit un premier bloc en tête. qui est sans grande surprise les Etats-Unis qui drainent un peu plus d'un tiers des revenus liés à l'IA, avec en tête dans les Etats-Unis JP Morgan qui est depuis plus de trois ans leader en tout cas sur les sujets autour de l'IA, sur différents classements. Et pourquoi leader ? Parce que l'IA s'est diffusée dans un nombre extrêmement important de process et complètement intégré dans les différents workflows de la banque. C'est vrai dans le trading, c'est vrai dans la banque privée. C'est vrai dans la gestion de crédit et j'en passe. Donc ça, c'est le premier bloc en tête, les US. Ensuite, on a un deuxième bloc, pareil, sans grande surprise, je pense, mais qui est plutôt l'Asie, d'ailleurs très fortement tirée par la Chine, avec une capacité d'innovation incontestable et probablement la meilleure, une des meilleures dans le monde. Si je devais citer un acteur, je citerais Ping An, qui est historiquement un assureur, qui est maintenant, on pourrait qualifier de big tech. qui a déposé plusieurs milliers de brevets sur l'IA, qui pareil a industrialisé un nombre de cas d'usage énorme. et tire la croissance de l'IA, notamment dans la Chine, et démontre une vraie capacité de ce bloc géographique à industrialiser les cas d'usage. Ensuite, on va retrouver l'Europe en termes de revenus générés, assez similaires finalement à l'Asie, mais avec une différence très forte, qui est que l'Europe va mettre le baril de façon un peu beaucoup plus importante, même sur la régulation, pardon, sur l'éthique. Et néanmoins... Néanmoins, on a les grands acteurs européens, on peut citer UBS, on peut citer BNP, on peut citer Santander, qui ont réellement réussi à tirer de la valeur de l'IA sur des sujets comme la fraude, comme la relation client, comme la gestion des crédits en particulier. Et ensuite, un peu en dessous en termes de revenus, mais forte accélération, on a trois blocs qui sont à peu près similaires, que sont l'Amérique du Sud, le Middle East, et l'Afrique. Revenus à peu près similaires quand on regarde les données de l'année dernière, en revanche dynamiques différentes. Amérique latine très fortement tirée par le Brésil, avec probablement les secteurs financiers, en tout cas les institutions financières, les plus avancées dans la fraude, tant dans les banques traditionnelles que dans les fintechs. On peut citer Itaou, on peut citer Nubank, extrêmement en pointe sur la gestion de la fraude. est probablement un des endroits dans lesquels on voit la plus grosse croissance dans les 10 ans sur l'IA. JP Morgan annonce 100 milliards de revenus supplémentaires juste sur l'IA au Brésil dans les 10 ans qui viennent. Ensuite, on a le Middle East. Middle East, le sujet est très lié à la priorité qui est mise sur l'IA par les différents États du Middle East. Donc en fait, le secteur bancaire et financier au sens large bénéficie finalement de ces investissements et paraît très même tendance que l'Amérique latine. très forte accélération. Et enfin, pour terminer, l'Afrique, où là, le baril centre est mis sur un endroit un peu différent, qui est plutôt sur l'inclusion financière. L'enjeu étant de bancariser et d'utiliser les nouvelles technos. Il y a la Généré en particulier pour améliorer toute cette notion qui est hyper importante d'inclusion financière.
Speaker #2
Très clair. Et est-ce qu'en termes de cas d'usage, on retrouve des familles de cas d'usage qui sont similaires sur ces plaques ? Et si oui ? Comment tu les décrirais ?
Speaker #1
Alors, des cas d'usage, il y en a une infinité. Je pense qu'on a tous des listes infinies de cas d'usage sur toutes les chaînes de valeur du secteur. Si on essaye de rationaliser et de faire des grandes catégories, comme tu dis, je pense que je vois trois grandes catégories qui se dessinent malgré tout. La première, c'est tous les cas d'usage qui vont servir à optimiser les coûts. Le cost to serve pour jargonner un peu secteur financier. Deuxième catégorie qui va permettre d'améliorer les revenus. On va faire de la croissance finalement supplémentaire. Et troisième catégorie qui est plus liée là au secteur financier, parce que c'est deux premiers finalement, on pourrait les retrouver dans d'autres secteurs. Troisième catégorie qui est plutôt liée à la protection de ces institutions, de par leur statut particulier. Si on prend quelques exemples maintenant, zoomons un peu sur ces différents cas d'usage, enfin catégories pardon. Le premier, cost to serve, c'est probablement là où il y a le plus de cas d'usage. Pourquoi ? Parce que... Les assureurs, les banques en particulier, ont vu leur base de coûts significativement augmenter ces dernières années et se font de plus en plus challenger par les nouveaux vecteurs. Donc c'est là où on a le plus de cas d'usage. Je vais donner un exemple très concret. J'ai un peu évoqué tout à l'heure l'octroi de crédit. On travaille avec un des leaders européens de la banque de détail où l'enjeu c'est quoi ? C'est de réduire de 5 jours le délai entre une demande et un octroi de crédit. Et comment on fait ça ? Comment cette banque le fait ? Deux sujets. Un, elle transforme les process, transforme la façon d'adresser l'octroi au crédit. Et deux, elle l'intègre dans des phases importantes de l'IA, de la January, sur l'analyse des documents, sur l'analyse, par exemple, de tes bulletins de salaire, sur l'intégration des données de ton bulletin de salaire sur les applicatifs métiers. Et finalement, à la fin, l'enjeu, c'est de réduire de plusieurs jours l'octroi au crédit. C'est un exemple très concret de Cost to Serve.
Speaker #2
C'est intéressant parce que tu traduis Cost to Serve en du délai. Et en fait, on retrouve beaucoup ça, parce que le délai, c'est un indicateur très puissant de la qualité de service, je pense, à travers tous les services financiers. Si on prend un cas d'usage très emblématique qu'on retrouve chez un certain nombre d'acteurs de l'assurance, qui va générer des gains en termes d'efficience, de cost to serve, mais qui se traduit surtout, vu du client, par des délais, c'est le traitement des sinistres. On a beaucoup d'assureurs qui investissent lourdement sur des solutions d'IA, d'IAgen, d'IA même agentique. pour aller traiter automatiquement et de bout en bout des sinistres, des sinistres simples, éventuellement de plus en plus complexes. Un exemple, un sinistre santé. On a plusieurs assureurs qui proposent des parcours dans lesquels tu peux déposer une facture de santé, la facture de ton dentiste par exemple. Cette facture est analysée par un OCR, par exemple, qui va détecter le type de soin, le praticien à travers son numéro d'identification. Derrière ça, il va y avoir un premier niveau de traitement qui va être de... savoir ce qui va être remboursé par exemple par la sécurité sociale. Donc on a une IA qui va appliquer le barème de remboursement de la sécurité sociale, qui va ensuite aller, fort de ces données-là, voir dans le contrat client quel est son niveau de couverture et qui va appliquer sur le restant à charge ce niveau de couverture. Puis qui va donc en déduire le reste à charge final du client et enfin émettre... un remboursement. Et là, on a des acteurs qui arrivent à automatiser de bout en bout et dans l'espace de quelques minutes, un traitement de sinistre sur 20-30% de leurs sinistres en IRD, en santé, avec des opérations qui sont successives, parfois complexes, avec la capacité pour l'humain de reprendre en main également le process s'il y a des textes qui a une incertitude trop forte pour poursuivre seul. Et ça se traduit par quoi ? Ça se traduit par En fait, des délais de traitement qui peuvent aller jusqu'à la quasi-instantanéité, en particulier avec les virements instantanés, donc de remboursement sur le compte du client. Et ça, en termes de niveau de qualité de service, c'est vraiment extrêmement puissant. Donc là, l'IA permet de faire gagner sur deux plans. C'est évidemment le cost to serve, mais également la qualité de service. Ce qui est intéressant, c'est de regarder derrière comment sont réalloués les gains, puisqu'en fait, ça permet aussi de gagner sur un autre plan, qui est qu'en fait... Avec ça, je peux allouer l'humain sur l'humain et donc passer un temps plus qualitatif sur des sinistres qui sont plus complexes. On a également des cas de visage au service de la croissance ?
Speaker #1
Oui, absolument. Je reviens juste parce que c'est hyper intéressant ce que tu disais sur le cost to serve. Tu as raison, on gagne effectivement sur le timing et on peut replacer l'humain. C'est un peu une espèce de paradoxe intéressant, c'est qu'on gagne du temps, on automatise. mais on met l'humain au meilleur endroit. C'est très vrai dans le cynisme, tu as raison. C'est très vrai dans l'octroi de crédit, qui sont finalement des process parfois qui peuvent être un peu anxiogènes, un peu stressants. On parle de moments de vie, on parle de difficultés. Donc, le rôle de l'humain est fondamental. Et je pense que là, la techno, finalement, est un ennebleur de l'expertise qu'on peut mettre au service des différents process. Et pardon, tu as raison. Le sujet maintenant de comment l'IA peut venir améliorer... la croissance, enfin faire de la croissance supplémentaire. Je pense qu'un des sujets récurrents, c'est comment l'IA vient améliorer la relation client. Si on fait un pas en arrière et on met deux secondes la techno de côté, c'est quoi une bonne relation client si je regarde l'exemple de la banque ? Une bonne relation client, c'est une banque qui fonctionne. Une banque qui fonctionne, c'est quoi si on reste dans la banque d'étail ? C'est une banque qui est... capable de vous relancer quand il faut et c'est pas vous qui les relancez. Si je jargonne un peu en secteur financier, c'est pas le client qui est le middle de la banque mais bien le contraire. Donc c'est une banque qui fonctionne, c'est une banque qui est joignable, j'ai besoin de l'avoir, elle est disponible et c'est une banque qui est expert, c'est une question un peu pointue, je veux avoir une réponse. En fin 2022 début 2023 qu'est ce qui se passe ? ChatGPT se démocratise et donc ça pose un standard de relations clients. Chacun joue à ChatGPT, chacun voit la capacité que ça a de répondre en direct de façon extrêmement précise. Et donc finalement, ça pose un nouveau standard de relations clients et chacun le teste en dehors de la sphère financière. Mais on s'attend à ce que ce soit la même chose dans la banque. Et dans un secteur, la banque de détails, où les produits et les services... tendent quand même à se commoditiser. Avoir une excellente relation client est un vrai facteur de différenciation. Et qu'est-ce qu'on met derrière ? C'est quoi une relation client excellente ? C'est une relation client qui est disponible, joignable, qui marche, qui est capable de vous proposer des services qui sont personnalisés, qui répondent à n'importe quel moment, etc. Et là, évidemment, tous ces cas d'usage sont drivés par de l'IA. De la GNI en particulier. Pardon, il me manque la transition.
Speaker #2
Au service de la croissance, on a également pas mal entendu parler de deux grandes familles de cas d'usage que sont le marketing augmenté par l'IA pour mieux cibler, etc. Le vendeur augmenté par l'IA, capable d'avoir des argumentaires en temps réel, etc. pour aider à mieux transformer son exercice de vente. Je pense qu'il y a un territoire de cas d'usage qui est très intéressant sur lequel j'ai envie de mettre un petit peu la lumière là, c'est la capacité que l'IA offre de construire des services nouveaux. à plus forte valeur ajoutée, qui sans l'IA serait dans une enveloppe de coûts qui ne serait pas soutenable. Et là, je pense par exemple à la banque privée. Dans la banque privée, vous avez des fonctions très expertes qui regardent les marchés en permanence, qui étudient des titres et qui cherchent à savoir comment ces titres vont se comporter et qui produisent des analyses. qui sont des analyses à destination d'autres métiers experts pour que des gérants de fonds, des gérants de portefeuilles prennent des décisions éclairées. Le problème de ces analyses, c'est qu'elles sont très expertes, elles donnent des notes d'analyse qui sont peu lisibles par le client. Or, les clients en banque privée, certains ont la main eux-mêmes sur leurs investissements, sur leur portefeuille, et donc ce qu'ils attendent d'une banque privée, c'est du conseil. C'est la capacité à avoir... un bon conseil pour réaliser eux-mêmes des bonnes transactions éclairées, décidées par eux-mêmes. Or, il y a une caractéristique des marchés financiers, c'est qu'une fois que les analyses sont faites, c'est très autoréalisateur. C'est-à-dire que si tout le monde décide que ce titre-là ne vaut plus 2000, mais devrait valoir 2400, très vite le marché va s'ajuster. Donc il y a un enjeu très fort à faire en sorte de réduire le délai entre les cerveaux des analystes financiers. et l'exécution de la transaction par le client lorsque c'est lui qui en est responsable. Et ça, ça a une énorme valeur pour le client. Donc aujourd'hui, il y a un certain nombre de banques privées qui travaillent à réduire ce délai entre l'expertise et le client, alors que ce délai, il est structurellement plutôt interfacé, puisqu'il y a ce centre d'expertise, ça va derrière ruisseler sur des gérants de portefeuille, sur des relationship managers, donc des banquiers privés. qui vont eux-mêmes prendre le temps d'appeler ou de contacter leurs clients, il peut se passer deux, trois jours aujourd'hui entre l'analyste et le contact client. Aujourd'hui, ce que s'est très bien fait à Liagène, c'est prendre un document compliqué, en sortir la substantifique moelle et le transformer en un conseil directement actionnable. Et ça, je pense que ça a beaucoup de valeur pour le client, également pour la banque puisque ça va générer de la transaction derrière, de recevoir cette information intraday. et une information directement lisible et actionnable pour un client qui, même s'il est acculturé aux enjeux financiers, puisqu'il a la gestion de son portefeuille en propre, c'est qu'il sait le faire. Toutefois, il y a quand même les argumentaires à un niveau qui lui est accessible pour prendre ses décisions. Et ça, c'est typiquement un service qui génère à la fois de la qualité, mais également des revenus.
Speaker #1
On a parlé de... Quatre usages autour de la gestion de coûts. On a parlé des quatre usages autour de l'amélioration de la croissance. Quatre usages aussi, maintenant, je l'évoquais tout à l'heure, sur la protection. Un domaine dans lequel l'IA fonctionne très bien, c'est la détection des événements rares. Et qu'est-ce qu'on met derrière ? On peut mettre de la lutte anti-blanchiment, mais on peut mettre aussi de la fraude. Là, l'IA marche très, très bien. Concrètement, l'enjeu, c'est quoi ? Et c'est quoi la difficulté ? Juste pour expliquer un petit peu, c'est la fraude. il faut arriver à analyser énormément de volume en temps réel et être capable de s'adapter à des schémas de fraude qui évoluent très rapidement. Parce que les fraudeurs, évidemment, sont malins et c'est une espèce de course un peu infinie entre le policier et le voleur. Et donc, il faut toujours avoir un coup d'avance avec, en tout cas, si on est policier, contre le voleur. On a beaucoup travaillé sur ces sujets-là et comment ça marche de façon concrète. On vient modéliser, justement, des schémas de fraude. Comment, en intégrant... à la fois les données des clients et les données de transaction. C'est-à-dire qu'on va regarder si je n'ai pas changé d'adresse trop de fois les six derniers mois, si je n'ai pas modifié, je ne me suis pas connecté à des endroits bizarres en très peu de temps. On va, avec toutes ces données-là, modéliser les schémas de fraude et bloquer quand on a une suspicion de fraude. La difficulté étant... Évidemment on ne peut pas tout bloquer. Si à chaque fois vous payez vous êtes bloqué, il y aura zéro fraude mais il y aura un vrai QG utilisateur. Donc tout l'enjeu c'est d'arriver à trouver... ce bon dosage avec une difficulté technique supplémentaire qui est que quand on parle de fraude, on est sur des données qu'on appelle déséquilibrées. C'est quoi une donnée déséquilibrée ? C'est que finalement, il y a heureusement beaucoup plus de transactions non frauduleuses que frauduleuses. Donc en fait, arriver à schématiser des schémas de fraude dans des données déséquilibrées, ça demande un vrai savoir-faire technique, notamment de manipulation des modèles. Donc ça, c'est un exemple très concret sur la protection.
Speaker #2
Alors, tu évoques la fraude. Effectivement, dans la protection, il y a deux grandes familles, la fraude et puis la conformité. Et effectivement, il y a une famille de cas d'usage qui est commune à l'ensemble des acteurs des services financiers, qui est la lutte contre le planchement et le financement du terrorisme. Alors ça, c'est un énorme sujet, puisque l'ensemble des transactions, en fait, sont screenées par un ensemble de règles qui ne fait que croître. Des règles avec des pays sous embargo, sous sanction, des personnes sous sanction, etc. Ces règles-là évoluent très régulièrement, les référentiels au sein de ces règles, c'est-à-dire les noms des personnes qui sont concernées, etc., évoluent énormément. Le problème, c'est que si on applique 100% de toutes ces règles avec des modèles uniquement rule-based, on va générer énormément de faux positifs. Et le traitement de ces faux positifs, jusqu'ici, jusqu'à peu de temps, était une tâche manuelle. Pour l'avoir vu dans des back-office bancaires, c'est une tâche manuelle ingrate qui consiste à pointer les transactions une à une, des milliers de transactions une à une. Ça peut occuper des centaines de personnes pour des banques d'envergure internationale. Et tout ça pour se rendre compte que ce paiement tagué comme sensible parce qu'il y a écrit Téhéran dedans, c'est simplement la destination d'une entreprise qui est rue de Téhéran dans le 9e. Et donc, c'est là où combinaison IA rule-based va permettre d'aller réduire drastiquement le périmètre de faux positifs et de concentrer les efforts d'investigation sur des cas qui sont plus probablement de la fraude. Alors là, il y a tout un enjeu qui est d'aller apporter un filtre suffisamment puissant pour gagner. véritablement en efficience et ça marche. On a des clients qui gagnent jusqu'à deux ordres de grandeur, divisent pratiquement par 100 le nombre d'alertes à traiter, tout en étant extrêmement performants sur le fait de n'en laisser passer aucune. Et donc ça, c'est un travail de modélisation qui n'est jamais complètement abouti. En réalité, je pense que c'est des équipes entières qui travaillent en continu sur l'optimisation de ces modèles.
Speaker #1
Toute une série de cas d'usage, on vient d'en parler. Maintenant, la vraie question qu'il y a derrière, c'est est-ce que ça marche ? C'est quoi les vrais ROI ? Et qu'est-ce qu'il faut pour finalement avoir ces ROI ?
Speaker #2
Alors, de manière très simple, oui, ça marche quand on arrive à les construire. Et je pense que les équipes chez nos clients sont énormément professionnalisées à travers des dispositifs de type factory, sont un peu débarrassées de cette notion de POC, ou en tout cas l'ont vraiment... périmétrés à des vrais sujets de recherche et d'expérimentation et sont passés dans des modes industriels qui font que ça marche. Quel est le ROI ? Là-dessus, c'est extrêmement variable d'un cas d'usage à l'autre, mais ça peut être très puissant. On parlait de la fraude. Quand on divise par 100 des alertes, j'ai des clients chez qui ça a permis de réduire des coûts opérationnels de l'ordre de, on parle en dizaines de millions. Donc ça finance. Pas mal le cas d'usage, le ROI est très rapide. Pour d'autres cas d'usage, plus opérationnels, pour de l'automatisation de processus, ça dépend évidemment à quelle base on l'applique, mais on peut gagner 20-30% d'efficience sur des activités, sur des processus de bout en bout. Donc le ROI, il existe, il est...
Speaker #0
peut être important en fonction des volumes d'activité bien sûr. Mais j'ai envie d'inviter à pas mal de prudence vis-à-vis de cette notion de ROI, ou en tout cas à prendre un petit peu de hauteur. Je pense que c'est réducteur d'envisager l'IA comme un outil d'automatisation qui va permettre de gagner une somme de minutes ou même une somme d'heures par-ci par-là. Je pense que l'IA c'est quelque chose de plus transformant que simplement un nouveau... levier d'automatisation comme l'ont été en leur temps le RPA ou autre, c'est beaucoup plus transformant. Et je pense que typiquement, je prends l'assurance. La vision d'un gestionnaire d'assurance du futur, ce n'est pas un gestionnaire d'assurance qui n'a plus à ressaisir le RIB du client lorsqu'il en change. Ce n'est pas juste un gestionnaire qui renvoie un mail qui lui a été suggéré par l'IA. C'est un gestionnaire qui, pendant 20-30% de son temps, va superviser des agents qui vont traiter eux-mêmes 60, 70, 80% des sinistres simples et qui va consacrer le reste de son temps à des situations humainement compliquées, des sinistres qu'il nécessite, etc. Et ça, c'est beaucoup plus transformant. Le danger, je pense, à avoir une approche un petit peu comptable ou seulement comptable du ROI, c'est... à la fin de se retrouver avec des petits morceaux d'automatisation de ci, de là, alors qu'il y a un potentiel de transformation important pour les métiers pour apporter non pas 10, 15% d'efficacité à tel endroit, mais un vrai saut qualitatif et une transformation des activités. Et je pense que porter une vision comme celle-là, ça a aussi plus de chances de fonctionner, parce que je pense que c'est beaucoup plus engageant pour les équipes, à la fin, aller cartographier des processus avec des équipes. pour leur demander où est-ce qu'on va gagner 10% pour en fait faire moins 10% dans les équipes. C'est compliqué comme démarche à porter, ce n'est pas super engageant. Alors que je pense que leur dire, voilà, de quoi est-ce qu'on peut se débarrasser pour faire mieux au service du client, pour faire plus au service du client, là-dessus, je pense que quand on est dans des services de gestion, on a envie d'aider le client. Et donc, porter une vision comme celle-là, je pense que ça... ça engage plus les équipes.
Speaker #1
Je ne peux que souscrire à la vision de transformation des métiers par l'IA.
Speaker #0
Après, il y a un autre sujet dans le ROI, c'est celui de l'IA pour tous. En fait, dans la stratégie IA de nos clients, je suppose que c'est le cas aussi chez tes clients, on a souvent deux grands volets. On a l'IA qui vient transformer, et puis l'IA qu'on met à disposition de toutes les équipes pour générer, on appelle souvent ça de la productivité diffuse. Pourquoi ? Parce qu'on va gagner quelques minutes sur un certain nombre de tâches et puis aussi parce que chacun peut s'en saisir de la manière dont il le souhaite et qu'il jugera la plus utile. Face à ça, on a beaucoup de nos clients qui, ces 6-8 derniers mois, ont cherché à mesurer un ROI de cette productivité diffuse en allant pointer derrière des gens, t'économises 10 minutes sur tes comptes rendus grâce à Copilot, etc. Parce qu'il faut bien mettre de l'argent face à des factures. La réalité de cette démarche, c'est que... Il me semble qu'en fait, on ne met pas d'argent face à cette facture. On met juste de l'argent Excel, c'est-à-dire que les 10 minutes que tu gagnes dans la préparation de ton rendez-vous grâce à notre outil interne, on ne les retrouvera jamais dans le PNL. Et ce n'est pas grave, je pense qu'il faut faire le deuil de mesurer la productivité diffuse par l'IA. En revanche, ça ne veut pas dire que ça n'a pas de valeur. La valeur que ça a, c'est que ça vient harmoniser la qualité par le haut. Au revoir. Ça va faire naître également des champions IA dans chacune des équipes, des gens qui vont se rendre compte que telle ou telle manière d'utiliser l'IA qui va être utile pour leur équipe. Et donc ce qu'il faut faire pour capter la valeur, c'est organiser l'émulation autour de ces champions IA, libérer la créativité, les faire rayonner. Tout ça pour quoi ? Pour en fait générer de l'adoption. Et là on va créer de la valeur, et une valeur qui va... qui va se traduire dans une meilleure adoption des produits d'IA transformants puisque les gens seront acculturés, accoutumés à utiliser ces solutions qui sont non déterministes, qui changent un petit peu par rapport à leurs outils historiques. Toute cette dynamique autour de l'IA, elle engendre des nouveaux risques qui doivent être appréhendés par les services financiers. Alors, ce n'est pas nouveau la gestion des risques dans ce secteur-là ?
Speaker #1
Non, pas du tout. En fait, le premier risque, tu as raison, ce n'est pas nouveau, mais je pense que le premier risque, c'est d'abord le risque de ne pas faire. évidemment de ne pas y aller. Ça, je pense que c'est le premier des risques. Après, tu as raison, ce n'est pas du tout nouveau dans le secteur. Il ne faut pas oublier que le... Le premier métier du secteur financier, des banques en particulier, des assureurs, c'est la gestion du risque. C'est leur métier de base. Et donc, la résilience de l'IT, le secret bancaire, le secret des données, c'est cœur pour ces secteurs-là. En revanche, ce qui a un peu changé, ce qui est nouveau, ce que l'IA a amené comme nouvelle thématique, c'est qu'en effet, il y a une vigilance, un niveau d'exigence qui s'est accru. C'est le premier élément. Et deuxièmement, le régulateur regarde de plus en plus ces sujets-là. Et ça se manifeste, ça se traduit, notamment par des réglementations sur l'accès aux données, la privacy des données, la cyber-résilience, les organisations quand on crée un modèle. Exemple très concret, une banque, quand on crée un modèle qui va être utilisé pour prendre des décisions, la personne qui le crée n'est pas la même personne qui le valide. Celle qui le valide, c'est... C'est la ligne de défense 2 et ce n'est pas forcément les mêmes qui les revoient. Une défense 3 et ça ajoute à ça potentiellement une revue du régulateur. Ce ne sont pas du tout des choses nouvelles dans le secteur financier au sens large. Donc, ce n'est absolument pas nouveau dans le secteur.
Speaker #0
Nos clients se structurent pour appréhender ces risques. Elles se sont structurées en termes de fondation comme on l'a vu tout à l'heure. Pour toi ? Ce serait quoi les perspectives maintenant pour les services financiers ?
Speaker #1
Je pense que le premier sujet, toujours dur de voir dans la boule de cristal, c'est de continuer à exécuter les feuilles de route, mettre en place les enablers que tu évoquais tout à l'heure, développer les cas d'usage, aller chercher la valeur, poursuivre ce qui a déjà été lancé. Je pense que c'est le premier sujet. Le deuxième sujet que je mettrais en avant, c'est... Évidemment, comment ne pas être emballé quand on voit l'accélération de l'histoire avec la genetic ? Forcément, ça accélère. Ça accélère les sujets. Et comment ça les accélère ? Tu l'as évoqué tout à l'heure. On a des sujets autour de la productivité diffuse. Ça marche très bien. On a des sujets autour de la transformation des process. On l'a évoqué. La genetic aide énormément à ça. Et ce qui va, je pense, le plus changer, c'est la façon de travailler. complètement remodeler les façons de travailler, tu l'avais évoqué tout à l'heure dans l'assurance, dans l'ensemble des acteurs du secteur financier. Si je fais un parallèle, un parallèle un peu historique, 1850-1880, dans les banques, il y a des armées, plutôt de juniors malgré tout, qui font des sommes à la main sur des grands rouleaux, et ça occupe énormément de monde. 1890, 1890, je ne sais plus exactement la date, arrive la calculette mécanique. Est-ce que ces gens ont disparu et ont été tous licenciés ? Pas du tout. Leur métier a complètement été transformé. Ils ont gagné du temps pour faire quoi ? Pour faire de l'analyse financière, pour faire de l'analyse de risque, pour faire des prévisions. Donc le métier a changé. Ce que j'anticipe, c'est un peu la même chose. C'est-à-dire que là, le métier va énormément changer. Probablement plus de sujets autour de la supervision, notamment des agents. Et aussi probablement plus de sujets autour de la transformation, on l'a un peu évoqué lors de notre échange, des process. Donc compétences importantes à avoir qui est celle de la transformation des process. Voilà en gros quelques perspectives que j'imagine.
Speaker #0
Merci beaucoup Geoffrey, merci à tous de nous avoir suivis. J'espère que ces enseignements vous seront riches, vous seront utiles et on sera ravis de les creuser avec chacun de vous.
Speaker #1
Merci beaucoup.

Embed