Quel a été le point de départ de vos réflexions ?

Tout est parti du constat que nos clients les plus jeunes ont du mal à obtenir un crédit à la consommation alors même qu’ils en ont particulièrement besoin pour s’installer, acheter un véhicule… Les banques conditionnent en effet l’octroi d’un crédit à la consommation au résultat d’un score. Pour obtenir leur prêt, les clients sont notés par des algorithmes statistiques qui hiérarchisent le risque. Plus la note correspondant au profil statistique de risque du client est élevée, plus il est probable que le client rembourse effectivement son crédit.
Or les critères d’analyse utilisés aujourd’hui reposent essentiellement sur des données issues de l’historique bancaire des clients. Ainsi par exemple, si vous travaillez dans la même entreprise depuis longtemps ou si votre relation bancaire date de plusieurs années, votre note est bonifiée.
Ces algorithmes atteignent leurs limites pour certains clients, notamment les jeunes, pour lesquels l’historique bancaire est faible.
Nous sommes aussi confrontés à de nouveaux usages. Les jeunes actifs sont hyper connectés, ont un accès ultra rapide à l’information et tissent des réseaux de contacts en permanence sur le web. Autant d’éléments qui nous permettront de mieux les connaitre et d’ adapter nos offres de crédit.

Concrètement, comment améliorer l’accès au crédit des jeunes ?

Il parait évident que les données classiques liées à l’expérience professionnelle ou l’ancienneté de la relation bancaire ne permettent pas d’identifier de façon fiable les clients qui rembourseront effectivement leur crédit bancaire. Nous voulions donc déterminer de nouvelles informations pertinentes pour donner leur chance à de jeunes clients de réaliser leurs projets.
Nous avons donc essayé de contextualiser au mieux les informations disponibles : par exemple, un revenu de 1 500 euros à Paris et dans un village en région, ce n’est pas la même chose. La formation suivie par le jeune constitue également une information précieuse.

Comment avez-vous procédé ?

L’idéation nait de l’écoute du marché et de nos clients pour bien comprendre leurs « points de douleur ». Si l’on résume le sujet : le problème de nos jeunes clients est d’accéder au crédit et le nôtre est de trouver des jeunes qui rembourseront leur prêt.
Une fois la problématique posée simplement, nous avons réuni les compétences de différentes équipes de BPCE et de Natixis. Nous avons également travaillé avec de jeunes clients et avec les équipes marketing de la Banque Populaire du Nord.
Cette équipe pluridisciplinaire s’est penchée sur la question suivante : comment enrichir notre score bancaire avec des données non bancaires ? La bonne nouvelle, c’est qu’aujourd’hui, avec l’hyper connectivité, nous semons sur le web des données semblables aux traces laissées sur la neige en descendant une piste de ski. C’est aussi le cas des organismes gouvernementaux. C’est ce qu’on appelle l’open data.
L’usage qui consiste à cibler vos centres d’intérêt pour vous envoyer des offres susceptibles de vous intéresser est bien connu. Cette fois, l’objectif est différent. Il s’agit d’améliorer l’expérience client en permettant à un jeune d’accéder au crédit, grâce à un score enrichi. L’utilisation des informations disponibles sur le web est donc un cas d’usage au bénéfice du client.

Pourquoi avoir lancé un challenge Big Data et que vous a apporté votre collaboration avec une start-up ?

Nous avions besoin d’aide pour apprendre à traiter d’importantes quantités de données disparates (le big data). Pour y parvenir, nous devions associer notre connaissance du métier avec l’expertise de spécialistes en traitement de données.
Nous avons donc mis en compétition plusieurs start-up, expertes sur le sujet pour voir si notre ambition pouvait se traduire opérationnellement. Nous nous sommes rapprochés de Cap Digital, un pôle de compétitivité dont nous sommes partenaires depuis 2015, pour bénéficier de son éco système de start-up expertes en matière de big data. Un appel d’offres a été lancé sous la forme d’un challenge auprès d’une centaine d’entre elles.

Quelles sont les conclusions de vos travaux ?

Nos premiers résultats sont très intéressants et prometteurs. Nous avons constaté que les données de l’open data, publiquement accessibles, sont efficaces pour accroître de près de 25 % le nombre d’acceptation de crédit et réduire les risques de 25 %.
Tout cela semble facile, non ?
Ce n’est pas aussi simple qu’il n’y parait. Nous sommes allés chercher auprès de start-up des expertises qui n’existent pas encore chez nous : la capacité de traitement de données disparates, et les nouvelles méthodes pour les analyser et les traduire en résultats pour la banque.
Pour cette start-up, réaliser ce challenge n’a pas été évident non plus. Nous évoluons dans un cadre règlementé où la protection des données personnelles est essentielle. Notre partenaire a donc dû s’adapter à un environnement technique extrêmement sécurisé.

Quelle suite allez-vous donner ?

La combinaison de l’expertise d’une start-up spécialisée avec notre savoir-faire métier, est une excellente formule. C’est l’un des principaux enseignements de ce challenge.
Nous allons donc tester nos conclusions sur un périmètre réel, en « pilote » pour valider notre promesse client :+25 % d’octroi de crédit et -25 % de risque.
Puis, nous allons poursuivre la démarche pour en assimiler les enseignements et continuer à enrichir notre score avec de nouvelles données issues du web.
Demain, nous imaginons plus largement utiliser l’open data pour anticiper très en amont le comportement de nos clients et affiner nos propositions commerciales.