Comment Crédit Agricole déploie sa Stratégie Data (gouvernance, cas d’usage et IA génératives)
#86 - Le zoom, le podcast avec Aldrick et quelques ressources
Hello,
Bienvenue dans l’édition #86 de la newsletter DataGen ! 👋
L'agenda de la semaine :
🔍 Les 3 chantiers data du CDO de Crédit Agricole
🤩 La collaboration avec Big Data & AI Paris : 3 full-pass à gagner
🎙 Le podcast avec Aldrick, CDO du Crédit Agricole
📚 Quelques recommandations de ressources
C’est parti !
🔍 Les 3 chantiers data du CDO de Crédit Agricole - 3 min
Ce zoom est tiré de mon échange avec Aldrick qui est Chief Data Officer du Groupe Crédit Agricole, la banque universelle qui compte 150 000 collaborateurs.
Chantier #1 : Gouvernance et Réglementation
Le programme de gouvernance des données incluait notamment des activités telles que la documentation des données, leur mise en qualité, etc.
Pour réussir à faire adhérer ce programme aux équipes métiers, Aldrick et son équipe a mis en avant 2 objectifs :
1) La mise en conformité face aux nouvelles réglementations (ex : RGPD).
2) L’émergence de nouveaux usages des données pour créer de la valeur au quotidien pour les clients et les collaborateurs.
Selon Aldrick, l’autre élément clé de ce chantier est de mettre en place les bons comités de pilotage et de validation.
“Il y a 2 niveaux : un opérationnel qui est en support aux porteurs de projets et un stratégique avec les différentes directions qui permet de forger un consensus sur des positions et des règles communes.”
Chantier #2 : Accélération sur la création des cas d’usage Business
3 bons exemples :
1) L'assistance au traitement des emails via l’IA
Une banque telle que le Crédit Agricole reçoit des dizaines de millions d'emails par an avec des demandes très variées. Dans ce contexte, il est crucial d’avoir une IA qui trie ces emails par motif de demande.
“Cette IA nous permet de diriger la demande vers la bonne équipe avec la bonne expertise. Ensuite, pour un conseiller en agence par exemple, cette IA permet de savoir ce qu’il doit traiter en priorité, analyse les pièces jointes et suggère des réponses.”
2) La détection de cyber-attaques via l’IA
L’objectif d’une cyber-attaque en banque est souvent d’exfiltrer des données sensibles telles que des données client. Les pirates les plus dangereux créent des attaques qui essaient d’exfiltrer des données petit à petit ce qui rend leur détection compliquée par des humains ou des systèmes traditionnels. Ils ont développé une IA pour détecter ce type d’attaque.
“Elle va repérer ces signaux très faibles et puis alerter sur le fait qu’il y ait potentiellement un problème ou une situation inhabituelle afin qu’un analyste valide si c’est une attaque et la contre.”
3) L’assistance à la remise de justificatifs via l’IA
Les processus bancaires sont très gourmands en justificatifs. Par exemple, lorsqu’on crée un dossier pour un crédit ou une assurance, il faut remettre de nombreux justificatifs. Aujourd’hui, les justificatifs sont remis en ligne et une IA va guider les clients en les prévenant instantanément s’il manque un élément.
“Ça a une vraie valeur pour le client et pour les collaborateurs de la banque. On préfère qu'un conseiller passe plus de temps à expliquer la suite du processus au client (assurance emprunteur, garantie) plutôt qu'à vérifier exhaustivement tous les justificatifs et à appeler le client pour le prévenir.”
Chantier #3 : Adoption maîtrisée des IA Génératives
Après l’arrivée de ChatGPT en novembre 2022, le Crédit Agricole a lancé un groupe de travail sur le sujet des IA Génératives. En avril 2023, ils ont validé une stratégie pour le Groupe qui repose sur 6 piliers :
1) Acculturation des collaborateurs et des dirigeants
2) Protection des données et des clients
3) Expérimentation sécurisée avec un protocole pour analyser les résultats
4) Evolution des environnements et des architectures
5) Maîtrise des risques de souveraineté
6) Déploiement à l’échelle industrielle
“C’est une stratégie d’Adoption Maîtrisée. Adoption, car si la technologie est intéressante, on veut pouvoir l’utiliser. Maîtrisée, parce qu'on n'est pas prêts à renoncer à tout ce qu'on a construit en terme de sécurité sur nos systèmes pour nos données et nos clients.”
🤩 La collaboration avec Big Data & AI Paris : 3 full-pass à gagner
Grande news, pour la rentrée, on lance une collaboration exclusive avec Big Data & AI Paris, l'événement #1 en France de la scène Big Data et IA qui aura lieu les 15 et 16 septembre 2024 !
Le concept est simple, on vous ouvre les portes des plus belles directions data françaises au travers de podcasts mettant en avant des tops speakers de l'événement ! Comme l’épisode de cette semaine sur Crédit Agricole avec Aldrick. 😉
Pour marquer le coup, on organise un tirage au sort pour faire gagner 3 full pass gratuits pour l'événement, pour 2 personnes à chaque fois.
Pour y participer, il te suffit de taguer la personne avec qui tu irais à l'événement sur mon post LinkedIn qui concerne cet épisode.
🎙 Le podcast avec Aldrick, Chief Data Officer du Groupe Crédit Agricole
On aborde également :
Le parcours d’Aldrick pour devenir Chief Data Officer
L’impact du RGPD sur le Groupe Crédit Agricole
Chaque pilier de la stratégie IA Générative
Les plus gros challenges d’Aldrick : acculturation, recrutement et upskilling
Les prochaines étapes : nouvelles architectures et déploiement à l’échelle des IA Génératives
Liens vers l’épisode : Apple Podcasts | YouTube | Spotify | Deezer
“La facilité d'accès à ChatGPT donne une illusion de simplicité. Mais quand on vise 95% de fiabilité, qu’on souhaite détecter les réponses qui ne sont pas fiables, que ce soit stable dans le temps, que ça absorbe 25 millions d'opérations… On s'aperçoit que ce n'est pas si simple qu'un prompt dans ChatGPT.”
📚 Quelques recommandations de ressources
“Le vrai challenge, c’est de convaincre des décideurs opérationnels et des membres du COMEX de faire avancer ces chantiers-là. Leur business, c'est de faire vivre une compagnie aérienne, ils sont très loin de ces problématiques de data gouvernance et de data quality.”
“L’objectif était de créer un système efficace où l’on pourrait plus bénéficier de l'expérience des collègues en tant que Data Analyst via plus de collaboration et en utilisant une stack commune.”
"Ce n'est pas simple d'expliquer la Data Science à un groupe de vins et spiritueux. D'habitude tu as besoin de faire apparaitre un nouveau métier tous les 10 ans et là tu en fais apparaitre 4, 5, 6 nouveaux en deux ans !"