Revenir sur groupebpce.com
La chaire X-HEC a pour objectif de contribuer au développement de la culture et des usages de la data, levier incontournable pour repenser la banque. En effet, les données, exploitées par des algorithmes de data science, participent à l’amélioration de l’efficacité opérationnelle des banques et au développement de nouveaux services à valeur ajoutée. Pour les étudiants, cette chaire est l’opportunité de se confronter à des cas réels et d’échanger avec des experts de Natixis dans des secteurs d’activité riches et variés : banque de grande clientèle, gestion d’actifs, paiements, risques, etc.
Légende (gauche à droite sur la photo) : Romain Besombes, étudiant en master 2 Data Science For Business de l’École Polytechnique / HEC Paris et stagiaire chez Natixis Payments ; Théo Lopès-Quintas et Narjess Cheikh, data scientists chez Natixis Payments
Lors du 3e challenge de janvier 2021, 50 étudiants ont travaillé durant deux semaines sur deux business cases sur les thématiques des paiements et des risques.
Romain Besombes faisait partie de l’équipe des étudiants qui ont travaillé sur le cas paiements. Il nous partage en vidéo son expérience du challenge, de sa préparation à son aboutissement. « Nous avons bénéficié de l’expertise technique, scientifique et business des équipes de Natixis Payments et de leur fintech Dalenys qui nous ont encadrés lors de ce challenge. J’ai trouvé ce challenge très intéressant, car il est d’actualité », déclare-t-il avec satisfaction.
Un challenge aux prises avec la réalité
La détection de la fraude est un enjeu clé pour Natixis pour garantir une sécurité maximale à ses clients, notamment sur toute la chaîne des paiements. Que faire pour y remédier ? En janvier 2021, les étudiants qui ont participé au challenge Paiements de la Chaire X-HEC ont contribué à l’élaboration d’un outil de scoring1 fondé sur des algorithmes de détection de fraude en temps réel. Théo Lopès-Quintas et Narjess Cheikh, data scientists chez Natixis Payments, ont accompagné les équipes du challenge et nous partagent leur retour d’expérience.
Pour Théo Lopès-Quintas, l’intérêt d’une telle démarche est réciproque : « en travaillant avec des étudiants de talents, nous bénéficions ainsi d’un regard neuf sur nos problématiques quotidiennes. Cela nous challenge mutuellement ! ». Narjess Cheikh insiste quant à elle, sur l’importance d’ancrer ces étudiants dans une réalité : « dans la formation d’un futur data scientist, il est primordial de pouvoir traiter de cas business réels. Lors du challenge, cela a vraiment été le cas, et en plus, les étudiants ont pu échanger en direct avec les experts de Natixis Payments et de Dalenys ».
Le sujet du challenge Paiements reste d’actualité : il consiste à identifier toute transaction pouvant donner lieu à une fraude avant qu’une exemption d’authentification soit accordée ou refusée. L’enjeu comporte deux défis majeurs : garantir la sécurité totale pour le client et la finalisation de la transaction pour le commerçant. Les étudiants ont donc travaillé avec les données issues de la fintech Dalenys, spécialisée en solutions de paiements pour le e-commerçe, les réseaux de franchisés et les marketplaces.
Des étudiants bien drivés
Pour donner vie à ce challenge, les préparatifs ont consisté à « définir un sujet précis, riche mais suffisamment simple pour être traité en deux semaines », rappelle Théo. Cela a nécessité une collaboration renforcée entre les équipes de Natixis Payments et de Dalenys. Narjess souligne, de son côté, le long travail « d’extraction de données utiles et d’anonymisation, afin de proposer un challenge utile aux étudiants mais également aux clients ».
Pour les participants, la rencontre avec les experts de Natixis Payments et de Dalenys a eu lieu lors de deux sessions de questions/réponses. D’après Narjess, « lors de ces échanges de qualité, les futurs data scientists découvrent avec un œil neuf des problématiques contemporaines ». Ces sessions ont également donné lieu à des moments de partage supplémentaires entre les étudiants et les équipes, toujours orientés sur la recherche de solutions optimales pour les clients, consommateurs ou commerçants.
En conclusion, pour Théo Lopès-Quintas, « notre challenge à nous, c’était d’être clair sur les règles du jeu et de bien faire comprendre les différentes contraintes métier aux étudiants ». Et, souligne Narjess Cheikh, « avoir réussi à améliorer la capacité d’analyse du caractère frauduleux de chaque transaction démontre la pertinence de cette chaire ». Un succès collectif de la préparation à la réalisation jusqu’à l’exploitation !
1 Note attribuée à une transaction pour estimer sa probabilité à être une transaction frauduleuse (via le Machine Learning)
