Si la récente hausse des taux d’intérêt a conduit à redresser les marges bancaires, la profitabilité des entités françaises doit beaucoup à leur diversification. Pour la banque de détail, la période économique actuelle ne permet pas de disposer d’une trajectoire de rentabilité évidente. Cependant, l’apport des nouvelles technologies est crucial pour améliorer le coefficient d’exploitation, à la fois en diminuant les coûts et en améliorant les sources de revenus.
Pour un horizon de cinq ans, trois axes sont à considérer :
– la connaissance à 360° du client, afin de jouer à la fois sur les coûts et le chiffre d’affaires ;
– l’utilisation de l’intelligence artificielle (IA) – et sa dernière évolution, l’IA générative –, qui augmente les capacités de traitement des collaborateurs ;
– la mise en œuvre du cloud, afin d’automatiser les tâches répétitives tout en renforçant la facilité d’adaptation des applications aux besoins des métiers.
Ces trois piliers ne sont pas indépendants : ils forment une trame entrelacée, où le lien d’un axe renforce la pertinence, sinon l’efficacité, des deux autres. La charpente de la rentabilité des banques est définie par le tripode data, IA et gestion de la relation client (CRM, Customer Relationship Management).
Commençons par la connaissance client. Ce domaine souffre toujours d’une informatique héritée, avec des silos d’information multiples. Il n’est pas rare de recevoir des correspondances de banquiers avec une erreur d’adresse, voire des informations erronées dans le contenu proposé. Certes, ce type d’incident diminue, mais un seul suffit pour altérer la réputation d’une banque. Une des solutions consiste à créer un référentiel de données clients unique et commun à tous les services, le tout en respectant bien sûr la réglementation.
Sus aux tâches à la rentabilité nulle
Un autre point souvent désespérant pour les clients est de recevoir des offres mal adaptées à leur situation patrimoniale, voire à leur style de vie, comme la proposition d’une assurance bateau à un fan de moto ! Ce sont là les effets de campagne marketing brute où l’on espère vendre des produits à des clients qui, a priori, se ressemblent. Dans ce cas, la rentabilité est proche du néant, quand bien même les campagnes sont affinées par une méthode de cohorte marketing.
Ces anecdotes tracent assez fidèlement les traits d’un manque d’efficacité des banques. Des ressources chères – les collaborateurs – sont utilisées pour des actions dont la rentabilité est nulle, voire négative, en tout cas inférieure au coût du capital utilisé.
Un exemple ? Délivrer un carnet de chèques en agence coûte cher... mais ne rapporte rien. C’est là où l’IA générative permet de rentabiliser les ressources onéreuses en renforçant considérablement le temps passé à des démarches commerciales ciblées. On peut alors évoquer l’idée d’un collaborateur aux capacités « augmentées » qui, grâce à l’IA et des solutions analytiques s’appuyant sur les données de l’entreprise et l’automatisation de certaines tâches, va disposer non seulement du profil complet de son client, mais surtout des services ou produits susceptibles de l’intéresser. On ne parle plus là de marketing aveugle, mais personnalisé, à l’aune des multiples clients d’une grande banque française. Le tout en restant en conformité avec la réglementation interne de l’établissement financier et celle de la Banque de France.
Le conseiller bancaire « augmenté »
En fonction du profil de dépenses et d’épargne du client, l’IA va générer une liste de produits financiers qui correspondent le mieux à l’objectif du moment. Lors d’un rendez-vous en agence, en visioconférence ou pendant une conversation par messagerie instantanée, le conseiller bancaire va pouvoir présenter à son client des informations sur les produits les mieux adaptés à ses besoins. L’IA générative peut l’aider à générer automatiquement un texte en français pour décrire leurs avantages, en s’appuyant sur les données de ce même client.
Vendre plus en vendant mieux à une base de clients existants est une pratique vertueuse lorsqu’on se souvient d’une étude de 2018 de McKinsey expliquant qu’un nouveau client bancaire coûte neuf fois plus cher qu’un ancien client fidèle. Alors, utiliser l’IA pour allouer les ressources au bon moment, au bon endroit et au bon coût est une bonne pratique à adopter rapidement. De plus, l’IA générative peut aider à la formation des collaborateurs en leur fournissant des explications pertinentes sur les produits personnalisés qu’ils auront à proposer.
Une autre qualité importante de l’IA est de détecter ce qu’on appelle des signaux faibles, grâce à une vision complète des points de contact multicanal : visite à l’agence, visite sur le site Internet, utilisation de l’application de la banque, voire visite d’un prestataire de services tiers, intégré en marque blanche par la banque. Par exemple, un client peut signaler un projet de voyage à l’étranger et s’enquérir des possibilités d’assurance, voire des coûts d’utilisation d’une carte de paiement en dehors de France. Or, ces signaux faibles aboutissent à un taux de conversion de 20 %, si l’offre commerciale est bien sûr adaptée. À comparer au taux de conversion au plus égal à 1 % pour les campagnes traditionnelles. Donc, l’IA permet de faire vingt fois mieux ! Cela serait dommage de s’en passer.
Tout le monde sur le pont
Avec l’IA, l’agent bancaire a moins de choses à gérer et peut concentrer ses efforts sur des tâches à valeur ajoutée. Ses opportunités marketing sont mieux prises en compte et il peut augmenter son taux de transformation. Prérequis pour la rentabilité des banques, l’IA générative simplifie la vie du front-office, des métiers au contact du client.
Mais qu’en est-il du back-office, de l’architecture informatique et des métiers associés ? Avec le cloud computing, les applications « low code » voire « no code », où le paramétrage est utilisé intensivement, et l’automatisation de process métiers, on peut arriver à décharger les pressions exercées sur les équipes techniques et les développeurs vers des personnes formées dans les directions métiers. On peut se demander si l’IA générative utilisée dans un cadre contrôlé par la DSI pourra être également un nouveau facteur de productivité et d’économie pour le codage d’applications.
Dans cette situation, les principes fondateurs de l’open banking et de l’open data peuvent également être pris en compte et bénéficier à la banque. Enfin, pour mettre à disposition des solutions innovantes et rapides au service de ses clients, l’intégration de fonctionnalités tierces proposées en marque blanche coule de source.
Pour le contrôle des coûts, le cloud est indispensable. Une étude récente a montré que, pour 4 000 utilisateurs sur cinq ans, le cloud permet de faire une économie de 50 % sur le coût total de possession. Avec le cloud disparaissent les frais d’amélioration des solutions, puisque celles-ci sont mises à jour automatiquement en permanence. De la même manière, pour l’informatique traditionnelle, ce qu’on appelle les « frais de montée de version » disparaissent.
Là où le changement d’une disposition particulière d’une solution de gestion de la relation client pourrait être réalisé en une demi-heure maximum, l’informatique traditionnelle requerrait pour la même tâche l’équivalent de 300 jours-personne... Ce simple chiffre parle de lui-même.
