Home Blog Page 4

[Vers l’infini et la data] Episode 1 : Que peut faire la Data pour le secteur de la santé ?

0
La Data au service de la santé
La Data au service de la santé

Bienvenue dans notre série mensuelle “Vers l’infini et la Data”.
Si vous souhaitez voir jusqu’où on peut utiliser la Data, vous êtes au bon endroit. Nous allons, à travers chaque épisode, explorer un secteur d’activité nouveau. Aujourd’hui nous nous intéressons au secteur de la santé. À travers un cas d’usage, nous illustrerons comment la Data simplifie certaines tâches, et nous vous présenterons une liste non exhaustive des problèmes auxquels elle peut répondre.

La Data au service d’un meilleur diagnostic

Primaa révolutionne l’anatomopathologie avec sa plateforme diagnostiquant plus rapidement et plus fiablement le cancer.

Fondée en 2018 par Fanny, Stéphane et Marie Sockeel, la startup parisienne s’est d’abord consacrée au diagnostic du cancer du sein (plateforme Cléo), pour s’attaquer aujourd’hui au cancer de la prostate avec pour objectif de déceler, à terme, tous les cancers.

Grâce à l’IA, Primaa a développé des modèles capables de diagnotiquer des tumeurs à partir de prélèvements biologiques. À partir de millions d’images de lames de prélèvements, un modèle de détection a été entraîné avec la priorité d’éviter les “faux négatifs”, c’est à dire les patients ayant un cancer mais identifiés comme sains.

Cette technologie (comme l’humain) n’est pas infaillible, mais elle permet un gain de temps considérable pour les médecins qui peuvent alors se consacrer aux cas les plus complexes.

Primaa nous offre un très bel exemple de l’usage de la data au service de la santé.

Mais quelles sont les autres applications de la Data au service de la santé ?

Grâce à la Data, les équipements sont plus performants. C’est par exemple le cas des produits oculaires de l’entreprise Opia Technologies, qui récupèrent un grand nombre d’informations permettant de réaliser plus facilement des diagnostics, ou encore des outils de visualisation de Damae Medical qui sont capables d’aller davantage en profondeur dans la vision des cellules et ainsi de mieux détecter les cancers de la peau.

Grâce à la Data, des logiciels innovants sont mis en place. Le “Cardiologs Holter” de Cardiologs est une solution logicielle de diagnostic de l’arythmie basée sur le cloud et sur l’Intelligence Artificielle. Contrairement aux algorithmes classiques basés sur des arbres de décision et manquant de spécificité en ce qu’ils engendrent des faux positifs (des alertes inutiles car sur des patients sains), la technologie de Cardiologs est basée sur le Deep Learning en interprétant l’ECG dans son ensemble, et se repose sur une architecture similaire à celle du cerveau humain (capacité à gérer plusieurs schémas complexes en même temps). Cette technologie peut détecter plus de 20 types d’arythmie et le temps d’analyse est ainsi divisé par deux.

Si la Data permet d’affiner les diagnostics, et ainsi de déceler plus rapidement les maladies, elle possède bien d’autres cordes à son arc, comme délivrer un meilleur traitement.

Grâce à la Data, des dispositifs connectés comme celui de Diabeloop permettent d’améliorer le traitement des maladies, notamment des maladies chroniques. Dans le cas de Diabeloop, le traitement du diabète de type 1 est automatisé et personnalisé. Le DBLG1 est un algorithme auto-apprenant, c’est à dire qu’il apprend en continu en fonction des mesures chimiques qu’il capte. Avec cette intelligence artificielle thérapeutique, la charge mentale associée à la maladie diminue.

L’algorithme DBLG1 développé par Diabeloop est hébergé dans un terminal dédié qui sert d’interface utilisateur avec le système, associé avec un capteur de glucose en continu (CGM) et une pompe à insuline.

Toutes les cinq minutes, un résultat de glycémie est envoyé au terminal via Bluetooth®. L’intelligence artificielle DBLG1 analyse les données en temps réel et calcule la juste dose d’insuline à administrer en prenant en compte les paramètres personnalisés du/de la patient.e ainsi que les informations renseignées (repas, activité physique…).

Grâce à la Data, le suivi du traitement et l’observance sont facilités via des applications comme ExactCure.

Quel est son principe?

ExactCure utilise l’intelligence artificielle afin d’éviter les sous-doses et surdoses de médicaments, en prenant en compte un ensemble de paramètres intrasèques au patient (genre, âge, sexe, taille, poids, génotype, fumeur/non fumeur…) et en déterminant ainsi l’efficacité des médicaments et les éventuelles interactions médicamenteuses.

Spécialisée dans les maladies graves et invalidantes comme la sclérose en plaques, la dépression ou encore la mucoviscidose, Ad Scientiam conçoit, valide et met en œuvre des biomarqueurs digitaux qui mesurent en continu et en vie réelle l’évolution de la maladie.

Ces derniers sont issus de données collectées en continu via un outil digital, le smartphone du patient par exemple, et transformées par des algorithmes propriétaires.

Grâce à la Data, le handicap et l’autonomie sont mieux dépassés.

Avec des dispositifs connectés comme par exemple PANDA Guide, un casque guide pour personnes malvoyantes. Il se place autour du cou, est doté d’une caméra grande angle et d’un micro, relié à une application smartphone, et utilise des technologies identiques à celles utilisées pour le véhicule autonome, en particulier l’intelligence artificielle. La technologie de l’IA permet au PANDA Guide de “lire” l’environnement et de le comprendre pour son utilisateur ; ainsi, la caméra sera en mesure de lire une inscription (sur une surface plane ou incurvée), d’indiquer où se trouve un objet, de préciser la couleur d’un vêtement…

Panda Orthopedics utilise le traitement de données et le traitement de signal pour mieux exploiter les informations recueillies par la genouillère Panda. L’objectif est de passer au stade supérieur en termes de qualité et de profondeur d’analyse, pour offrir aux patients, aux kinésithérapeutes, aux médecins et aux chirurgiens, des insights pertinents pour le suivi de l’évolution de la rééducation.

Enfin, Wandercraft est un outil unique pour toutes les étapes de rééducaton : son exosquelette robotique et les 12 degrés de libertés sont contrôlés par des algorithmes de marche dynamique de pointe.

Merci pour votre lecture et rendez-vous le mois prochain !

Actionnez vos données !

INVYO

Discover Open Banking World Congress 2022 : Where the open finance world meets

0
Open Banking World Congress
Open Banking World Congress INVYO

Join INVYO to attend Open Banking World Congress 2022 at Don Carlos Resort (Marbella, Spain) & Virtual on the 24 – 25 May 2022

The Open Banking World Congress

This year the event will be hybrid for a Phygital experience at Don Carlos Resort & Online.

We’re meeting, bonding, debating, and agreeing on creating value from open finance possibilities now.

500+ leaders will converge in Marbella this May, they will be privy to commercial and strategic insights, from both on-stage and numerous off-stage discussions.

Join us and you will be in a prime position to benefit from all the opportunities this will present.

The world’s leading open finance conference delivers stimulating keynotes, engaging outdoor workshop stages, plentiful 1-2-1s, networking, and memorable parties… all in a fantastic, exclusive setting that has been maximised for relationship building.

Destination Open Finance !

Key activities: 

  • Morning keynote stage
  • Live-streamed TV studio chat-show on-site with special host interviewers (speakers will be invited to appear as guests)
  • Multiple outdoor afternoon garden stages
  • Pop-up discussions and roundtables
  • 1-2-1 meeting system
  • Pre-conference welcome party with street-food buffet
  • First day cocktail reception in the garden pavilion, followed by Brazilian-hosted beach club party
  • Additional pre-recorded virtual agenda – to compliment the TV show – for our free online attendees of 4,500 from 110 countries

Themes covered:

  • Banking & Financial sector transformation: strategies, opportunities, efficiencies, partnerships, trends, embedded, contextual finance
  • Winning with Corporates & SMEs
  • Open banking payments:  VRPs, ecommerce
  • Stepping forwards – Digital identity, cross-border services, super apps, cryptocurrencies & open banking web 3.0
  • ‘Dragon’s Den’ Fintech Start-up Pitch Competition

Can’t make it in person? Join virtually

Watch brand new content, case studies, regional focuses and a live streamed on-site TV chat show with special guest interviewers as part of our free virtual programme.

Key milestones

  • End of Feb: Dragons’ Den fintech pitch competition launched
  • Early Bird for in person tickets until Friday 29 April
  • Standard tickets until Monday 23 May

For more information :

  • For delegates: connect@openfuture.world
  • For PR and event info: georgina@openfuture.world

L’IA peut-elle être responsable de discrimination ?

1
L'IA peut-elle être responsable de discrimination ?
L'IA peut-elle être responsable de discrimination ?

Bienvenue dans le deuxième volet de notre saga en trois épisodes : “L’IA peut-elle être responsable ?”. Aujourd’hui concentrons-nous sur la discrimination amenée par cette dernière.
L’IA, seulement deux lettres et pourtant de multiples interrogations à tout-va. Vous devez avoir déjà une idée plus ou moins précise de ce qu’est l’IA. Ce que nous vous proposons maintenant, c’est de mettre en avant les limites de l’IA face à la morale.




1/ Expliquer les modèles (article publié le 31 mars 2022)

2/ Diminuer la discrimination

3/ Trouver des solutions (article publié le 17 mai 2022)




Après avoir abordé l’explicabilité des modèles qui n’a désormais plus de secrets pour vous, nous voilà prêts à aborder un sujet encore un peu tabou : la discrimination dans les modèles de Machine Learning. Plus précisément, les algorithmes peuvent être discriminatoires  👀.

Pour rentrer dans le vif du sujet, quelques exemples.

⚠️Les femmes de couleur non-blanche ont davantage de difficultés à être reconnues par leur téléphone qu’un homme blanc (l’algorithme étant entraîné essentiellement sur des images d’homme blanc).

⚠️Les lycéens de lycée mal classés ont plus de mal à intégrer des études supérieures réputées, même si leurs notes sont excellentes voire meilleures (le lycée d’origine est compté comme un critère à part entière au même titre que les notes).

⚠️Les femmes utilisant la reconnaissance vocale pour écrire des messages auront plus de mal à faire reconnaître leur voix que des hommes (les modèles étant essentiellement entraînés sur des voix masculines).

Et malheureusement, ces 3 exemples sociétaux ont des corollaires dans le domaine de la santé, de la banque, de l’achat de bien et services, de la préparation de nos déplacements, ou encore du juridique, où ces discriminations existent également.

Mais si nous faisons ce constat, c’est avant tout pour chercher des solutions.

✔️ Des plateformes comme le réseau social Twitter a lancé un challenge pour réduire la discrimination de ses algorithmes.
Le 30 juillet 2021, Twitter a appelé le plus grand nombre à déceler les discriminations raciales, sexistes et basées sur les opinions. On se souvient en effet de la polémique qui avait surgi en 2020 montrant que l’algorithme de Twitter mettait toujours en avant une personne blanche devant une personne noire. (https://news.konbini.com/societe/twitter-fait-polemique-a-cause-de-son-algorithme-photo-raciste/)

✔️ Nous pouvons lister les raisons pour lesquelles les algorithmes sont discriminatoires :

  • Ils sont pensés et conçus par des humains qui ont chacun leur subjectivité
  • Les modèles sont entraînés sur des images où certaines populations peuvent être sous-représentées
  • Ils sont parfois volontairement discriminatoires comme celui de Tinder qui calcule un score de désirabilité basé sur des critères jugés sexistes et discriminatoires

✔️ Nous pouvons sensibiliser à la discrimination des algorithmes

  • Prendre conscience de leur potentiel de discrimination et ainsi avoir du recul quant à leurs résultats
  • Prendre acte des recommandations de la CNIL, du Défenseur des droits, de l’UE ou encore de l’OCDE
  • Communiquer au plus grand nombre comme ce que nous tentons de faire avec cet article 🌱

D’ailleurs, pour donner de l’écho à cette initiative…

📢 C’est à vous !


Répondez ci-dessus !

🔗 Nous partagerons le fruit de vos réflexions dans le prochain et dernier épisode de cette saga ! 🔗




INVYO

Actionnez vos données !

 

L’IA peut-elle être responsable ?

1
L'IA peut-elle être responsable ?

Bienvenue dans ce cycle de trois articles sur l’Intelligence Artificielle (IA) et son rapport à l’éthique. L’IA, seulement deux lettres et pourtant de multiples interrogations à tout-va. Vous devez avoir déjà une idée plus ou moins précise de ce qu’est l’IA. Ce que nous vous proposons maintenant, c’est de mettre en avant les limites de l’IA face à la morale.




Ce mois-ci nous commençons avec l’explicabilité des modèles

1/ Expliquer les modèles

2/ Diminuer la discrimination (l’article publié le 19 Avril 2022)

3/ Trouver des solutions (article publié le 17 mai 2022)




Imaginons que vous demandiez un prêt à une banque, et que vous vous voyez refuser celui-ci. Votre première question sera “pourquoi ?”.

Et si je vous dis que grâce à cet article, vous allez comprendre comment il est possible d’y répondre 🎯

Qu’est-ce qu’un algorithme de Machine Learning ?

Avant de rentrer dans le vif du sujet, un petit rappel de ce qu’est un modèle de Machine Learning.

Pour faire simple 🐣, c’est :

  • une forme d’Intelligence Artificielle
  • qui permet à un système d’apprendre à partir de données
  • basé sur un algorithme (une suite d’opérations)

Les modèles de Machine Learning permettent de faire des choses aussi incroyables que détecter un cancer, paramétrer votre Siri ou encore conduire une voiture autonome.

Ceci étant posé, avez-vous une idée de comment fonctionne un algorithme de Machine Learning ? Et pourquoi cela est-il important ?

Reprenons l’exemple du prêt à la banque qui vous aurait été refusé. Dans une telle situation, vous souhaiteriez comprendre quels sont les paramètres qui ont influencé le modèle de Machine Learning pour que celui-ci vous catégorise comme “non solvable”.

Si le modèle choisi est dit “whitebox”, cela peut se voir aisément; si le modèle est “black box”, cela est plus compliqué et c’est là-dessus que nous allons nous attarder.

(Pour plus de détail sûr ce qu’est un modèle facilement interprétrable dit “white box” et un modèle “black box” ou boîte noire, référez-vous à la fin de l’article.)

L’explicabilité d’un modèle “Blackbox”

Passons directement à la pratique pour avoir une idée plus précise de ce qu’est l’explicabilité d’un modèle “blackbox”. Restons sur cet exemple de prêt à la banque.

Il existe un modèle permettant d’identifier les paramètres qui ont influencé une décision pour un client en particulier, vous en l’occurrence (interprétation locale). Ce modèle est appelé le Lime Explainer.

Lime Explainer (IA)
Lime Explainer

Sur le graphique ci-dessus, vous pouvez voir par exemple que le critère “Days employed” (ancienneté) influence le plus négativement la décision : ainsi, vous êtes dans votre nouveau poste depuis trop peu de temps ! À l’inverse, votre âge est un critère qui joue en votre faveur.

Pour aller plus loin, il est aussi possible de comparer l’influence des paramètres pour un client en particulier en le comparant aux clients ayant des profils similaires (interprétation globale). Ce modèle d’interprétation s’appelle le Shap Explainer.

Ci-dessous, vous pouvez voir l’influence de chaque paramètre sur la classe 0 (solvable) et la classe 1 (non solvable).

On retrouve ici par exemple que l’ancienneté est un critère déterminant, surtout pour ceux catégorisés comme non solvable.

Shap explainer (IA)
Shap explainer

Les limites des modèles explicatifs

Néanmoins, il faut relever les limites de ces modèles explicatifs qui peuvent parfois être contre-productifs en créant une confiance absolue dans le système. Ils doivent avant tout être vus comme des compléments et garder en tête que leur rôle principal est de :

  • Valider la cohérence du modèle
  • Donner confiance aux équipes métier sur le choix du modèle
  • Permettre aux équipes métier de justifier les décisions auprès des clients
  • Augmenter la transparence

Voilà une introduction à l’explicabilité d’un modèle. Pour les data experts qui veulent approfondir le sujet, je vous invite à continuer cette lecture, pour les autres, merci et RDV le mois prochain pour parler de discrimination dans les algorithmes 👀

INVYO

************************* BONUS DATA EXPERT ***************************

Distinction modèle white/black box

Modèles white box :

  • Régression linéaire
  • Régression logistique
  • Arbres de décision
  • Knn

Modèles black box :

  • réseaux de neurones
réseaux de neurones (IA)
réseaux de neurones
  • gradient boosting

Pour une mise en pratique :

https://www.aquiladata.fr/insights/interpretabilite-des-modeles-de-machine-learning/

En savoir plus

Comment survivre à la guerre des data quand on n’est pas un GAFAM ?

0
Comment survivre à la guerre des data quand on n’est pas un GAFAM ?

La data est un enjeu central pour les entreprises mais pas uniquement pour les GAFAM. Pour rester compétitives sur leur marché, elles n’ont d’autre choix que d’apprendre à la recueillir, à la qualifier et à l’analyser. La data offre un levier puissant pour prendre des décisions et élaborer des stratégies. Superpuissances dans ce domaine, les GAFAM semblent être seuls maîtres au monde. L’idée selon laquelle la data serait leur chasse gardée est cependant à déconstruire complètement. Eux la surexploitent, l’achètent et la vendent – les scandales qui ont éclaté ces dernières années illustrent leurs dérives.

Il est important de comprendre que ces géants du numérique ne sont pas les seuls à pouvoir exploiter la data. Comment faire lorsqu’on est une entreprise traditionnelle, qui plus est avec un modèle qui n’est pas entièrement tourné vers la data ? Nous vous expliquons comment mettre à profit vos data, quelle que soit la taille ou l’activité de votre entreprise.

Les GAFAM, maîtres du monde de la data

Une nouvelle économie a émergé : celle de la data. Le marché mondial du Big data devait peser plus de 215 milliards de dollars en 2021 et devrait croître en moyenne de +12,8% par an d’ici 2025 selon IDC. Bien sûr, brutes, ces data ont peu de valeur. Structurées et analysées, elles deviennent un avantage compétitif de première importance pour les entreprises, qu’ils s’agissent de data clients, collectées pour améliorer la relation client, de données personnelles ou encore de data externes, permettent l’analyse d’un marché.

Cette manne financière n’a pas échappé aux GAFAM (Google, Apple, Facebook, Amazon, Microsoft), qui se sont emparés du sujet. Depuis l’avènement des réseaux sociaux, puis des objets connectés, ces entreprises ont accès à une connaissance détaillée de nos vies, qui n’avait jamais été égalée jusque-là. Cela leur apporte énormément de valeur, qu’elles utilisent pour améliorer les parcours et l’expérience utilisateur, mais aussi pour vendre de nouveaux produits. C’est le cas de tous les GAFAM, et de Google en particulier. Le géant a mis en place de nombreux services pour tout connaître de nous. Déjà incontestable, la puissance des GAFAM a été renforcée par la crise du Covid-19. Et leur capitalisation boursière le prouve bien. Elle a a grimpé de 40% par rapport à 2020. Ils pèsent plus de 8 600 milliards de dollars en 2021, plus de trois fois le PIB de la France.

Les GAFAM ne connaissent pas la crise

Cette hégémonie conduit à certaines dérives dans l’utilisation de la data. Le site web Security.org a passé en revue les politiques de confidentialité de Facebook, Google, Apple, Amazon, Microsoft, mais aussi Twitter. Google et Facebook sont les deux GAFAM qui collectent le plus de données, le plus vorace étant Facebook. La firme fondée par Mark Zuckerberg rassemble des informations sur vous (travail, opinions, centres d’intérêt, etc.) et des données personnelles comme le numéro de téléphone, l’adresse email, la position géographique ou les appareils utilisés. Ces data peuvent être exploitées par des publicitaires et, comme le souligne Security.org, sont aussi convoitées par les cybercriminels. La politique de confidentialité de l’entreprise est vivement critiquée. Elle est d’ailleurs dans le collimateur de Bruxelles. Nous avons tous en tête le scandale Facebook – Cambridge Analytica qui a explosé en 2018, concernant les données personnelles de 87 millions d’utilisateurs Facebook. Microsoft et Google ne sont pas en reste. À la fin de l’année 2020, la Commission nationale de l’informatique et des libertés (CNIL) a sanctionné Google d’un montant total de 100 millions d’euros d’amende, “notamment pour avoir déposé des cookies publicitaires sur les ordinateurs d’utilisateurs du moteur de recherche google.fr sans consentement préalable ni information satisfaisante”.

Les enjeux de la gestion de la data

Les GAFAM ne sont pas les seuls sur l’échiquier mondial de la data. Toutes les entreprises détiennent des données, mais beaucoup s’en servent finalement peu. La data est souvent stockée sans être exploitée, ce qui lui fait perdre sa valeur. Ce qui sonne comme une évidence pour des entreprises nées de la data ne l’est pas forcément pour les autres sociétés : la data se valorise non seulement au premier sens du terme (les data clients ont un prix), mais aussi parce qu’elle permet de faire des choix stratégiques qui améliorent significativement les marges. En effet, pourquoi se baser encore sur ses intuitions pour prendre des décisions alors qu’analyser et qualifier la data permet de détecter des nouveaux indicateurs de marché, d’identifier des insights clés et ainsi, d’améliorer ses performances ?

Un des enjeux est bien là : la data permet de prendre des décisions et opérer des choix stratégiques car elle améliore la compréhension des motivations et besoins des clients. Il est également possible de recueillir directement les appréciations qualitatives du client, par le biais des contacts personnels ou de sondages par exemple. Cela participe d’une connaissance toujours plus aiguisée des clients.

Grâce à la data, l’entreprise jouit d’une vision à 360 degrés du client qui permet de proposer des offres différenciantes, plus pertinentes, voire même d’anticiper les besoins des clients, dans un monde où l’innovation ne cesse d’accélérer et l’exigence d’immédiateté avec. La relation ne peut s’en trouver qu’améliorée.

Comment exploiter la data dans son entreprise ?

Ceci étant dit, l’exploitation de la data vous semble être une usine à gaz ? Pas de panique, tout est question d’outils et de formation des équipes. On distingue trois étapes clés dans la gestion de la data : recueillir, analyser, visualiser.

Recueillir

La collecte de la data est un point de difficulté majeur dans les entreprises aujourd’hui. Le processus est fastidieux, chronophage et imprécis. Vos équipes y passent un temps fou, pour des résultats en demi-teinte. 

La technologie vous vient en aide. Même sans équipe dédiée, vous êtes en mesure de collecter simplement la data grâce à des outils technologiques comme INVYO. Nous nous connectons à différentes solutions pour récupérer automatiquement les data, internes ou externes à votre entreprise. Vous avez accès à l’ensemble de vos data au sein d’une plateforme unique. Vos équipes peuvent passer plus de temps sur des tâches à valeur ajoutée, comme la personnalisation de la relation client. 

Analyser

Une fois la data collectée, encore faut-il savoir la faire parler. Chez INVYO, nous la traduisons pour vous. Transformant la data brut et non structuré en data de qualité, permettant de la rendre actionnable, de détecter de nouveaux indicateurs de marché et de contextualiser et simplifier la lecture de la donnée pour faciliter la prise de décision des équipes.

Visualiser

Pour communiquer une data complexe, il est pertinent de la transformer en visuel. La data visualisation donne du sens à la data collectée pour vous permettre de prendre des décisions éclairées de façon rapide et efficace. Vos équipes ont à portée de main toutes les informations dont elles ont besoin et peuvent enfin prendre des décisions basées sur la data plutôt que sur des intuitions. 

Quelle que soit la taille de votre entreprise, vous pouvez mettre vos data à profit. Pas besoin d’être un GAFAM pour cela ! Chez INVYO, nous garantissons en plus la plus grande transparence dans l’hébergement et la gestion de vos data. Vous souhaitez prendre le contrôle sur vos data ?

Parlez-en à notre équipe.

INVYO

Conseiller augmenté : comment la data décuple les compétences pour un meilleur accompagnement client

0
Conseiller augmenté
Conseiller augmenté _ comment la data décuple les compétences pour un meilleur accompagnement client

Le conseiller augmenté serait-il la promesse d’une multiplication infinie des capacités cognitives d’un collaborateur, mettant l’impossible à portée de main ? Pas vraiment. Il s’agit moins d’un scénario de science-fiction (quoique…), que d’une mutation profonde dans l’application d’évolutions technologiques au service des clients. Le recours à la digitalisation doit aider les conseillers à décupler leurs compétences, en mettant à disposition des outils qui leur font gagner du temps sur des tâches à faible valeur ajoutée.

Au cœur de cette transformation ? L’utilisation de la data. Ce levier permet au conseiller de gagner en efficacité et d’optimiser l’accompagnement de ses clients.

La relation client – conseiller évolue

Dans les secteurs de la finance et de l’assurance, le service client est en profonde mutation. Le conseil est au cœur des problématiques stratégiques des services financiers. Nouveaux profils de clients, nouvelles attentes, architecture des offres centrée sur des services complexes, autant de raisons qui demandent aux conseillers de se concentrer sur la relation client et qui lui demandent d’engager ses compétences à haute valeur ajoutée.

Un accompagnement attendu sur les opérations complexes

Force est de constater que la fréquentation des agences baisse, première conséquence de la digitalisation. Seulement un quart des clients vont au moins une fois par an en agence. Pour autant, le conseiller a indéniablement un avenir. Les clients, s’ils n’ont plus recours à l’humain pour des questions simples, plébiscitent toujours les conseillers pour des questions complexes ou inhabituelles. Pour solliciter un crédit immobilier par exemple. L’expertise du conseiller reste irremplaçable dans ces cas-là.

Avec l’essor du digital, le client a donc un double besoin, imposant de redessiner les parcours d’accompagnement : à la fois être autonome sur des opérations simples et, en même temps, accéder à des conseils dans les moments clés de sa vie.

Plus d’exigences et d’immédiateté

Un des impacts majeurs de cette digitalisation sur la relation entre le client et son conseiller est l’exigence quant au délai de traitement des demandes. Les conseillers se trouvent confrontés à une volonté d’immédiateté. Leur travail doit être adapté à des demandes de prises en charge instantanées.

Par ailleurs, les connaissances des clients sont de plus en plus aiguisées grâce à la masse d’information disponible sur Internet. Les clients se renseignent avant de consommer. Non seulement sur les produits mais aussi sur les établissements. Ils consultent notamment les avis en ligne, les différents tarifs grâce aux comparateurs en ligne mais aussi les politiques sociales et environnementales pour les millenials. Le conseiller doit faire preuve de précision pour justifier sa valeur ajoutée et adapter son accompagnement à l’exigence et la complexité croissante des clients.

Un environnement qui se complexifie pour les conseillers

Les comportements et les attentes des clients évoluent, tout comme le paysage de produits et services à distribuer. L’offre s’enrichit et devient plus complexe à naviguer pour les conseillers, censés connaître tous les produits en détail. Sauf que les informations ne sont ni présentées simplement, ni facilement accessibles.

À cette dynamique s’ajoute le poids croissant des contraintes réglementaires visant à renforcer la protection des clients finaux. La charge de travail du conseiller est alourdie par ces vérifications, à faible valeur ajoutée (KYC notamment).

Le secteur de la banque et de l’assurance se confronte à un défi de taille : des clients plus exigeants face à des conseillers dont le métier se complexifie.

C’est là que la data intervient.

Comment la data décuple les performances des conseillers ?

Bonne nouvelle pour les conseillers : la technologie vient à leur secours !

Automatiser des tâches chronophages et ingrates

Le conseiller doit se concentrer sur les demandes des clients nécessitant les réponses les plus élaborées, mettant en jeu ses compétences techniques mais aussi interpersonnelles. Libéré de tâches sans valeur ajoutée, il aura davantage de temps pour suivre son portefeuille. Pour cela, il est possible d’automatiser certaines tâches. C’est le cas par exemple de la collecte des données imposée par les contraintes réglementaires évoquées précédemment. La technologie permet de sécuriser la data. La charge du suivi réglementaire ne repose plus exclusivement sur le conseiller. Autre avantage : la réglementation n’est plus perçue comme un frein à la vente. Non seulement le poids que peut représenter la collecte de la data est allégé mais, dissocier ce moment, souvent long, de la partie conseil facilite l’approfondissement de la relation avec le client.

Optimiser les parcours clients

Le conseiller augmenté est en fait un conseiller disposant de temps relationnel supplémentaire, lui permettant d’optimiser les parcours proposés aux clients. La personnalisation de l’offre de produits et services constitue un des apports majeurs de la technologie pour les conseillers. Comment ? La data enrichit le conseiller d’éléments de contextualisation. Bien souvent, avant même de faire appel à leur conseiller, les clients cherchent des réponses à travers les différents canaux de l’enseigne (FAQ, réseaux sociaux, etc…). L’analyse de ce parcours peut permettre au conseiller d’optimiser la relation car, avec cette vision d’ensemble des interactions, il cerne mieux le besoin de son client. De surcroît, à partir de la data mise à disposition du conseiller, celui-ci peut anticiper les demandes de certains clients, ce qui leur fait gagner du temps et fluidifie la relation.

Détecter des insights grâce à la data

Pourquoi se baser encore sur ses intuitions pour prendre des décisions alors qu’exploiter la data permet de détecter des nouveaux indicateurs de marché et identifier des insights clés ?

Analyser les différentes strates de data pour comprendre les motivations et besoins des clients permet de détecter des insights stratégiques. Il est également possible de recueillir directement les appréciations du client, par le biais des contacts personnels ou de sondages par exemple. Cela participe d’une connaissance toujours plus fine des clients. Grâce à la data, le conseiller jouit d’une vision à 360 degrés du client. Avec cette vue multicanal, la personnalisation des offres est bien plus performante.

Exton x INVYO : un exemple de cas d’application dans le conseil

Les solutions de « data discovery » d’INVYO offrent une exploration unique de la data permettant d’identifier de nouvelles opportunités pour toutes les entreprises. La collaboration entre INVYO et Exton Consulting Part of Accenture en est la preuve.

En tant que société de conseil, Exton Consulting Part of Accenture a besoin d’algorithmes qui analysent et qualifient des millions de data pour décrypter des écosystèmes, produire des analyses BtoB, analyser des levées de fonds, etc. L’association avec INVYO leur donne accès à une solution technologique 360° qui permet d’industrialiser différents processus tels que la veille ou le benchmarking. Tout cela en temps réel !

Face à la multitude d’informations, Exton Consulting Part of Accenture avait besoin de dégager des tendances et de repérer facilement des phénomènes atypiques. L’outil personnalisé d’INVYO leur permet de recevoir des alertes pertinentes immédiatement. Au-delà de faire évoluer les livrables par la création automatique des rapports, cela facilite la tâche des consultants qui, en conservant toute leur expertise, gagnent du temps et acquièrent une meilleure connaissance des entreprises et du marché.

Si vous aussi, vous souhaitez rendre vos conseillers plus performants grâce à la data, passez à l’action.

INVYO