Smart automation : aller au-delà des Proofs of Concept (PoC)

Avril 2018

Véritable levier pour l’excellence opérationnelle dans le secteur financier, l’automatisation prend de l’ampleur et de nombreuses entreprises expérimentent des outils de Smart Automation. L’enjeu principal : aller au-delà de l’étape du Proof of Concept (PoC), afin de déployer ces solutions à l’échelle et exploiter tous les bénéfices qu’elles peuvent offrir. 

Plusieurs questions clés se posent pour aborder l’industrialisation de ces solutions : Comment réussir le passage à l’échelle ? Quel modèle opérationnel des robots faut-il privilégier ? Sur quel type d’Intelligence Artificielle faudra t-il investir ? Quels sont les principaux cas d’usage constatés sur l’ensemble de la chaine de valeur en banque et en assurance ?

De nombreux enseignements apportés par l’expérience des PoC

Les retours d’expériences autour de l’expérimentation de solutions de Smart Automation ont apporté de nombreux enseignements :

  • Commencer petit et simple, même si tous les niveaux de complexité sont automatisables. Les plus simples devraient être les premiers.
  • Les retours sur investissements sont plutôt rapides et les business cases sont positifs, même si parfois modestes,
  • Les bénéfices apportés ne se résument pas à des gains économiques et sont surtout qualitatifs : support aux équipes, renforcement de la qualité des données,
  • Les solutions de Smart Automation représentent un palliatif possible ou un complément aux projets de transformation,
  • Il est indispensable de comprendre la nature hybride de ces projets, et inclure dans les projets à la fois l’informatique et les fonctions métiers,
  • La question des rôles et responsabilités est centrale dans ces projets et met en lumière le défi du modèle opérationnel,
  • Un déploiement à l’échelle est nécessaire pour obtenir des bénéfices conséquents.

Comment réussir un passage à l’échelle pour les solutions de Smart Automation ?

7 principes structurants à prendre en compte

Pragmatisme

L’alignement des attentes et des limites de l’automatisation comme prérequis essentiel à l’identification d’opportunités réalisables au sein de l’organisation et du déploiement efficient de robots.

 

View more

Simplification

L’automatisation doit contribuer à la simplification des processus et éviter une complexification de l’architecture applicative. La mise en place de robots et leur fonctionnement doit se faire en accord avec l’environnement et les processus existants.

View more

Traçabilité

L’automatisation doit contribuer à une amélioration de la transparence et de la qualité des données, avec des processus bien documentés, des opérations structurées, des pistes d’audit et la génération automatique de rapports de fonctionnement (logs).

View more

Stabilité

La maintenance des robots doit être possible sans causer l’arrêt de la production et sans devoir reconstruire les processus dans leur ensemble. Les mises à jour doivent être possibles de manière simple et industrielle.

View more

Agilité

La mise en place de robots doit se faire de manière agile pour être efficace et répondre au mieux au besoin des utilisateurs. Ceci doit également se faire en accord avec les méthodologies en place.

View more

Innovation

Au-delà de l’automatisation de tâches, Smart Automation offre de nouvelles possibilités technologiques en s’ouvrant vers des nouvelles applications innovantes. Par exemple, les données manipulées par les robots peuvent être structurées, extraites et traitées à des fins de « Data Analytics ».

View more

Satisfaction client final

La robotisation permet de réduire les temps de traitement, d’améliorer la qualité des données ainsi que l’expérience des clients. Les projets d’automatisation contribuent ainsi à l’excellence opérationnelle et par conséquent à la satisfaction du client final (client particulier, régulateur, du Groupe…).

View more

Quel est le modèle opérationnel à privilégier pour les solutions de Smart Automation ?

Pour gouverner les robots, il est primordial de mettre en place une structure de gouvernance normalisée appelé Centre d’Excellence en Automatisation (CEA) avec les directions métiers et des processus de contrôle, permettant le degré d’agilité nécessaire pour répondre aux différentes spécificités de chaque direction.

Différents types d’organisation sont possibles selon les structures de gouvernance existantes dans les organisations : CEA fédéré, CEA centralisé et CEA hybride.

Et demain ? L’humain augmenté

Les développements autour de l’Intelligence Artificielle (IA) changent les règles du jeu au sein du secteur financier. Leur capacité à analyser et à croiser un volume de données très important permet d’explorer de nouveaux modèles économiques, transforme radicalement la culture de l’entreprise, révolutionne la personnalisation des produits et services rendus, et in fine l’expérience client.

Cependant, pour amener l’IA au cœur des activités de l’entreprise, de nombreuses questions à la fois réglementaires, organisationnelles et humaines entrent en jeu, et doivent être traitées en amont des mises en place de l’IA.

Quels sont les principaux cas d’usage ?

De nombreuses opportunités découlent de la mise en place de solutions de Smart Automation. Les usages possibles sont variés et concernent l’ensemble de la chaîne de valeur du secteur bancaire et assurantiel :

  • En front et middle office, une solution de Smart Automation peut aider à améliorer l’engagement des clients, via des communications personnalisées et des conseils (ex : robots-conseillers, portefeuilles intelligents…)
  • En middle et back office, l’automatisation permet de réaliser des gains de productivité indéniables. La robotique offre par exemple la possibilité d’automatiser le rapprochement des comptes et la production de rapports.
  • Pour les processus de back office, l’IA peut jouer un rôle important dans la détection des fraudes et contribue à réduire les risques.

Contactez-nous

Marc Haddad

Associé Technology & Innovation Consulting, PwC France

Tel : +33 1 56 57 88 59

Suivez-nous !