Société Générale Securities Services (SGSS), l’entité du groupe Société Générale en charge des services titres, offre une gamme complète de solutions dédiées aux investisseurs institutionnels, aux gestionnaires d’actifs, aux intermédiaires financiers et aux grandes entreprises. Yvan Mirochnikoff, responsable de l’innovation et de la transformation digitale, explique la place prise par l’intelligence artificielle dans ces métiers, et ce qui fait la réussite de ces innovations.

>> Cet article est extrait du Carnet d’expériences « Les champions français de l’IA »

Comment l’intelligence artificielle aide-t-elle vos métiers aujourd’hui ?

Nous avons plusieurs cas d’usage. Le métier bancaire s’appuie sur une masse considérable de documents, échangés entre les clients et la banque. De plus en plus sont dématérialisés. L’objectif est de passer à l’automatisation du traitement de ces documents pour faciliter le travail des équipes et leur permettre de se concentrer sur la relation client. Pour cela, nous avons besoin de reconnaître automatiquement des formulaires, quels que soient leur nature, leur langue et leur format d’échange avec les clients. C’est un gain en efficacité opérationnelle pour nous mais également pour nos clients.

A lire aussi : Avec l’IA, le groupe Eramet relève à la fois ses défis environnementaux et de production

L’IA joue-t-elle aussi plus directement dans la relation client ?

En effet, nous avons lancé depuis longtemps, au sein du groupe Société Générale, des expériences sur les chatbots. Nous nous appuyons notamment sur des moteurs internes qui ont été perfectionnés dans le domaine du langage et dans la connaissance du vocabulaire financier, très particulier. L’IA permet une connaissance plus fine de nos clients afin d’anticiper leurs attentes, les conseiller, leur faire des propositions commerciales personnalisées et pertinentes, quelle que soit l’activité concernée.

Dans nos métiers en particulier, nous avons besoin de bien comprendre la nature des questions qui peuvent être posées par les clients et surtout la manière dont on va pouvoir y répondre. La difficulté est que SGSS regroupe plus de 4 000 experts et que chaque domaine d’expertise nécessite un vocabulaire spécifique et une approche adaptée. Prenons un exemple : l’épargne salariale. C’est un sujet qui génère beaucoup de questions, à la fois dans le domaine de la fiscalité, des procédures, du reporting, etc. Les clients nous envoient des e-mails ou nous appellent en permanence sur ces sujets. Nous voulons aujourd’hui leur apporter des réponses 24 h / 24 et 7 j / 7 sur les questions qu’ils se posent, avec plus de réactivité et de pertinence, en complément de l’humain, et l’IA peut nous permettre d’atteindre cet objectif.

« Le machine learning (...) permet de passer progressivement d’une IA administrée à une IA de plus en plus automatisée. » Cliquez pour tweeter

Il faut donc former le chatbot pour en faire un véritable expert ?

On évoque souvent ces aspects de l’intelligence artificielle que sont le machine learning ou le deep learning : aujourd’hui l’apprentissage est primordial pour innover. Il permet à la fois de détecter les différents cas de figure qui vont se présenter et, surtout, de passer progressivement d’une IA administrée à une IA de plus en plus automatisée. Cela oblige à comprendre le métier et l’expertise data, en respectant les enjeux de protection des données, mais également à creuser sur les modèles d’échange qu’il est possible d’avoir avec des clients. C’est très instructif pour toute l’entreprise !

A lire aussi : L’analyse d’images, pour augmenter la productivité, assurer la satisfaction client et… sauver des vies

Quels sont les critères de performance d’un chatbot ?

Le premier critère est d’éviter que le chatbot s’arrête au bout de deux ou trois interactions. Parvenir à avoir un échange continu et complet avec le client est un vrai critère de performance. Ensuite, il faut mesurer la qualité de la réponse, face à des questions qui ne sont pas toujours formulées de manière optimum. Le chatbot doit pour cela comprendre le vocabulaire technique mais aussi, de façon prosaïque, la langue et les usages au quotidien. Et plus on va ouvrir les capacités et le périmètre fonctionnel du chatbot, plus il va être performant.

« L’utilisation du cloud, fait partie des quelques grands principes de base de notre socle technique.» Cliquez pour tweeter

Quels sont pour vous les prérequis pour industrialiser sereinement l’IA dans le secteur financier ?

Nous avons la chance de nous appuyer sur un socle technique au sein du groupe Société Générale, qui s’appuie sur quelques grands principes de base.

D’abord, l’utilisation du cloud, et notamment d’une importante part de cloud public. Ensuite, le fait de pouvoir travailler sur des plateformes client qui sont mutualisées et harmonisées. À titre d’exemple, dans la banque de grande clientèle et de solutions investisseurs, nous avons une seule plateforme qui s’appelle SG Markets. Elle est ouverte à la fois aux clients et à nos collaborateurs internes, avec des droits ajustés en fonction des métiers. Au cœur de cette plateforme, une couche applicative utilise des composants qui sont open source first, et qui s’appuie à la fois sur des compétences issues du groupe Société Générale et des compétences issues de fintechs. C’est très important.

La reconnaissance de caractères par exemple, a été développée par une joint-venture entre des équipes de Société Générale et des équipes indiennes, ce composant est utilisé sur l’ensemble de nos plateformes. Sur le natural language processing (traitement automatique du langage naturel), nous avons utilisé au départ une solution de fintech. Elle est progressivement devenue un composant open source, sur lequel nos équipes sont montées en compétence. Autant d’éléments qui sont essentiels pour avoir une vraie dynamique d’innovation pérenne autour de l’IA.