Recruté il y a à peine un an, le très expérimenté Olivier Louis Monnier, Chief Data Officer Groupe de l’assureur mutualiste Matmut a mis en place très rapidement une équipe Data et une direction Data autonome qui dialogue en direct avec les membres du Comité exécutif.
Une direction autonome de la Data en interaction avec l’informatique
Olivier Louis Monnier a présenté les premiers résultats obtenus et sa philosophie de la place de la Data et de la répartition des tâches dans une organisation, le 16 novembre à l’occasion du salon Big Data & AI World Paris. « Nous sommes une direction indépendante de l’IT mais nous travaillons énormément avec l’IT » tient à rappeler Olivier Louis Monnier qui souligne que sans l’IT, partie cachée de l’iceberg et souvent critiquée, rien ne fonctionne. « Nous sommes autonomes mais nous ne sommes pas indépendants » précise-t-il.
La Matmut avait créé un Data Lab hébergé dans la direction informatique qui réalisait de l’exploratoire et des tests
Auparavant, la mutuelle Matmut avait créé un Data Lab hébergé dans la direction informatique qui réalisait de l’exploratoire et des tests, des preuves de concept (POC ou Proof of concept) sur la donnée. « Ce Data Lab faisait des POC sans mise en production » relate le responsable. « Comme beaucoup de Pocophiles, je suis devenu Pocophobe » sourit Olivier Louis Monnier. La Matmut a créé un poste pour lui et pour une direction Data en juin 2021 et l’équipe Data est constituée pleinement depuis janvier 2022.
Le responsable est en dialogue direct avec les membres du Comité exécutif de la Matmut car le sponsorship – soutien et implication d’un dirigeant clé – est capital sinon cela ne marche pas. « Nous avons l’avantage de rapporter directement au Comex. Il n’y a pas d’intermédiaire, je parle directement aux membres du Comex et nous avons l’appui fort du Comex et du DG. Cela simplifie beaucoup les processus » dit-il. Il a constitué ses équipes en débutant par le recrutement de Data Engineers qui sont la clé afin de mettre en place de manière opérationnelle des solutions à partir de la donnée. « Les Data Engineers sont une denrée très rare sur le marché » prévient le responsable.
La Matmut avait créé un Data Lab hébergé dans la direction informatique qui réalisait de l’exploratoire et des tests
Les Data Engineers préparent le terrain pour les Data Scientists
Dans ses équipes, les Data Engineers préparent le terrain pour les Data Scientists. Quant au Data Analyst, c’est le seul interlocuteur des métiers. Il parle aux métiers et les comprend et il traduit le discours pas forcément structuré du métier pour les Data Scientists qui vont le traduire en code qui va passer chez le Machine Learning Engineer jusqu’à l’implémentation informatique.
La démarche est de ne pas accompagner les équipes métiers lorsque celles-ci souhaitent juste réaliser des tests
La stratégie d’Olivier Louis Monnier est de ne pas accompagner les équipes métiers lorsque celles-ci souhaitent juste réaliser des tests. « On ne prend aucun POC car on sait déjà que l’on peut résoudre des problèmes grâce à la data science et au Machine Learning. Il n’y a pas besoin de dépenser de l’argent pour cela. La vraie question c’est est-ce que c’est rentable de le faire ? » assume-t-il. « On parle de proof of value » poursuit-il. Il ne prend que des cas d’usage métiers.
Les projets doivent être validés selon trois critères. C’est-à-dire pourquoi il faut faire le projet, quelle est la valeur du projet, et pour une mutuelle il ne s’agit pas de ROI (ROI ou Retour sur investissement) mais de la valeur pour les collaborateurs, les sociétaires ou pour l’entreprise, et quel est le risque à ne pas faire ce projet ? « S’il n’y a aucun risque, on ne va pas le faire » répond le responsable Data de la Matmut. « Chaque cas d’usage part du business, on ne prend pas d’autre cas d’usage » insiste-t-il. Une fois le cas d’usage accepté, il faut s’accorder sur le fait de le réaliser en MVP (Minimum Viable Product) puis s’il faut le mettre en production.
Entre les ingénieurs très structurés et les métiers il faut une compréhension
L’organisation d’une équipe est clé et pour cela il faut tenir compte des modes de travail de chacun. Les Data Engineers très structurés utilisent plutôt des méthodes très « carrées » tandis que les Data Analysts, qui sont en contact avec les équipes métiers, veulent aller plus vite avec moins de rigueur afin de délivrer les projets attendus. « Il faut être sûr que ces gens là se parlent et se comprennent. N’oubliez pas la dimension humaine » pointe Olivier Louis Monnier.
Les Data Analysts parlent aux métiers et traduisent le besoin aux Data Scientists
« J’ai eu recruté dans d’autres entreprises des diplômés PhD de niveau super professionnel qui étaient juste incapables d’expliquer ce qu’ils faisaient aux Data Analysts et cela ne fonctionnait pas » indique-t-il. Les Data Analysts parlent aux métiers et traduisent le besoin aux Data Scientists. Les équipes Data sont autonomes par rapport aux équipes informatiques. « Nous absorbons le choc du business pour l’emmener vers l’IT. Pour ce faire, nous avons des Data Relais dans les métiers qui connaissent la Data » traduit Olivier Louis Monnier. Les Data Analysts travaillent avec les Data Relais.
L’équipe Data est aujourd’hui centralisée mais en train d’être décentralisée. « Nous plaçons des Data Scientists dans les directions métiers » indique le Chief Data Officer. Il précise qu’il s’agit de « Citizen Data Scientists », c’est-à-dire des personnes des équipes métiers plus appétentes à la Data. Depuis janvier 2022, l’équipe Data est au complet. Elle a industrialisé 4 cas d’usage. Il est prévu 23 cas d’usage pour 2023. « Ce qui prend le plus de temps est l’industrialisation, il faut de 4 à 6 mois » souligne le responsable. Le cadrage occupe quant à lui 3 semaines, le développement et la partie Data Science occupent de 1 mois à 1 mois et demi.
Un cas d’usage permet de prédire le nombre de personnes à placer face aux clients selon les sinistres
Les premières solutions développées concernent les risques climatiques. Un cas d’usage permet de savoir le nombre de sinistres (tel qu’un orage de grêle) à venir et combien d’ETP (Equivalents Temps pleins) seront nécessaires au niveau du centre d’appels afin de prendre les appels des assurés et ne pas constituer un goulet d’étranglement. Plus classiquement, l’équipe Data a développé des scores d’appétence et de churn. Un projet en cours, pas encore industrialisé, est d’essayer de lire par une intelligence artificielle les schémas que les assurés doivent dessiner lorsqu’ils remplissent un contrat amiable lors d’un accident de voiture.
Les Data Analyts de la direction Data vont travailler avec les « Citizen Data Scientists » présents dans les métiers
L’équipe Data comprend notamment à ce jour 4 Data Scientists, 5 Data Engineers, 1 Data Manager, 2 alternants et 10 relais vers les métiers (digital, RH, etc.). « Nous sommes en train de former des Citizen Data Scientist, ce ne sont pas des personnes techniques qui vont développer du code Python, ce sont des relais Data » précise le responsable. Les Data Analyts de la direction Data vont travailler avec les « Citizen Data Scientists ». Les cas d’usage remontent par les Data Relais. « Si le Citizen Data Scientist est capable de commencer le cas d’usage, si oui c’est lui qui le fait, s’il n’en est pas capable cela part dans notre centre d’excellence » décrit le Chief Data Officer. Le Citizen Data Scientist est épaulé par le Data Analyst.
Côtés outils, l’idée est d’avoir le bon outil pour le bon usage avec les bonnes personnes sans passer par des outils très chers ou incomplets. Matmut utilise les plateformes SAS et Saagie. L’équipe Data gère ses projets en collaboratif avec la plateforme Confluence et répartit les tâches avec Trello. Le développement de code s’effectue en Python dans l’environnement de développement Pycharm. La gestion des différentes versions de code est réalisée avec Gitlab. L’intégration et le déploiement en continu s’effectuent avec Docker et Kubernetes. La supervision et le monitoring sont ensuite réalisés avec MLflow. « Nous avons des outils très chers et d’autres pas chers, nous avons de tout et avec cela on s’en sort bien » résume-t-il.
Evolution en question vers le Cloud avec l’arrivée de nouvelles offres
« Nous nous posons la question du Cloud, avec les nouvelles offres telles que celles de Thalès avec Google ou Bleu avec Azure. On s’autorise à penser au Cloud » conclut le Chief Data Officer Groupe. Olivier Louis Monnier affiche un parcours professionnel impressionnant dans la Data, essentiellement dans la banque et l’assurance. Il a été « Global Head of Data Science & Analytics » chez le très secret groupe Roquette.
Olivier Louis Monnier est passé par la banque HSBC et le réassureur Scor
Auparavant, il était « Head of Data Science & Analytics » chez la banque HSBC sur l’activité Retail Banking and Wealth Management. Il a également été « Head of Actuarial Tools and Big Data » chez le réassureur Scor. On citera également ses responsabilités en tant que « Head of Analytics » chez la banque Natixis du groupe BPCE et statisticien chez Cofinoga. Il a débuté en tant que statisticien chez BNP Paribas Personal Finance, en 2001.
Le groupe Matmut revendique 4,1 millions de sociétaires et 7,8 millions de contrats d’assurance gérés. Il propose aux particuliers, professionnels, entreprises, associations une gamme complète de produits d’assurance des personnes et des biens (auto, moto, bateau, habitation, responsabilités, protection de la famille, santé, protection juridique et assistance) et de services financiers et d’épargne (crédits auto, projet, assurance emprunteur, livret d’épargne, assurance vie…). Le Groupe Matmut emploie 6500 personnes. La Matmut a réalisé un chiffre d’affaires de 2,4 milliards d’euros en 2021.
La démarche est de ne pas accompagner les équipes métiers lorsque celles-ci souhaitent juste réaliser des tests
Les Data Analysts parlent aux métiers et traduisent le besoin aux Data Scientists
Les Data Analyts de la direction Data vont travailler avec les « Citizen Data Scientists » présents dans les métiers
Olivier Louis Monnier est passé par la banque HSBC et le réassureur Scor
Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *
Recevez la newsletter de la transformation digitale
Restez connecté !
Mettre en production une intelligence artificielle n’est que la première étape de sa …
Retrouvez le meilleur de l’actualité
du digital
