Mieux détecter la probabilité qu’un client quitte la banque : c’est le premier usage de l’intelligence artificielle, et plus précisément du Machine Learning à la Société Générale pour sa banque de détail.
Des performances multipliées par 4
Les résultats sont au rendez-vous depuis septembre puisque « les performances sont mulitpliées par 4, » répond Bertrand Cozzarolo, co-directeur de la stratégie du digital et de la relation client pour la banque de détail en France à la Société Générale.
Il a pris la parole le 24 octobre dans les locaux de la banque à Val de Fontenay. L’application a été industrialisée depuis septembre. « Nous avons exploré de nouvelles approches il y a 1 an et demi, » précise le responsable. « Plutôt que de ne regarder quelques variables comme on le fait d’habitude, la machine regarde des centaines de variables, n variables pour n clients, afin de détecter la probabilité qu’un client quitte la banque, » dit-il.
Résultat, les listes de noms de clients qui sont détectés présentent 4 fois plus de noms réellement sur le point de quitter la banque et qu’il vaut mieux rappeler rapidement ou leur proposer des offres spécifiques afin de les conserver.
Les données de 10 millions de clients tous les mois
Les 10 millions de clients de la banque de détail de la Société Générale voient leur profil être traité tous les mois actuellement, afin de calculer s’ils risque de partir. La banque souhaite rapprocher les moments où elle effectue ces calculs.
Afin de mettre au point cet algorithme de Machine Learning, La Société Générale fait appel à une startup française. La banque refuse de divulguer son nom, estimant l’apport stratégique pour son activité et a signé un accord de confidentialité.
Depuis deux ans, la Société Générale a dopé ses équipes Data. Elle dispose désormais de 500 experts de la Data, dont 1 tiers sont des Data Scientists. Ces Data experts sont des Data quality Managers, des Data architects, des Chiefs Data Officer ou des Data Engineer. Un Data Lake central a été créé où sont déversées les données de la banque. Les technologies Hadoop, Hortonworks et Spark sont utilisées.
