Hugues Even

Head of Analytics Consulting - BNP Paribas CIB

Son parcours

  • Diplômé de HEC
  • Employé chez CVA pendant 4 ans
  • En poste à la BNP depuis 2010

Interview réalisée en avril 2017

Comment en êtes-vous venu à travailler dans la Data ?

J’ai toujours pensé que disposer d’une double compétence était un atout depuis mon Master spécialisé HEC-Ecole des Mines de Paris en technologies de l’information. Cela m’a permis d’être positionné très tôt sur la conception d’architecture métier de référentiels clients. S’ils peuvent sembler techniques, ces sujets sont en réalité la clé de voûte de la bonne exécution des stratégies commerciales.

Lorsque je suis arrivé dans le conseil en stratégie, j’ai fréquemment constaté l’imbrication naturelle des enjeux IT, opérationnels et stratégiques.  A plusieurs occasions, j’ai été frappé de constater que toutes les strates de l’organisation étaient pénalisées par une mauvaise utilisation de la donnée.

A l’évidence, la data comme levier de transformation et d’innovation était largement sous-utilisée.

Est-ce difficile d’évangéliser la Data dans un grand groupe ?

Le secteur financier est clairement de plus en plus réceptif à la data sous l’impulsion des nouveaux players, intrinsèquement digitaux. Ils ont apporté une vraie fraicheur dans notre industrie avec une approche beaucoup plus agile et centrée sur la Data. Les acteurs traditionnels ont vite pris le parti d’emprunter leur pas, même si le poids des anciens systèmes contraint un peu plus l’approche.

Cet intérêt a également été nourri par le renforcement des contraintes réglementaires qui pèse sur la rentabilité des institutions financières et qui les oblige à une sanctuarisation de leurs données. Pour trouver de nouvelles poches d’efficacité opérationnelle tout en respectant la juridiction sur la protection du secret bancaire, la data apparait comme une voie à creuser !

Pour obtenir des résultats sur la Data, il s’agit de faire un vrai effort de transformation du mode de fonctionnement de l’organisation pour casser les silos et favoriser une approche collaborative.

Dés lors, il est crucial d’avoir un sponsorship de très haut niveau, convaincu de la stratégie data à moyen terme et capable de dénouer les situations complexes à court terme.

Quels sont les principaux défis que vous avez rencontré depuis que vous êtes à la tête de l’équipe Analytics chez BNP Paribas CIB ?

Le premier défi a été de valoriser la donnée existante. Il a fallu industrialiser, automatiser les remontées de données structurées existantes et les rendre rapidement utilisables par les équipes.

Nous avons par exemple mis en place des dashboards adaptés pour certaines lignes  métiers afin de rapidement mettre en avant ce qu’on pouvait tirer d’une approche data centric pour embarquer un maximum de décideurs avec nous.

Ensuite, le deuxième défi a été de commencer à traiter les données non structurées qui représentent 80% des informations à notre disposition. Pour cela, nous avons décidé de créer un lab d’intelligence artificielle il y a un an qui est la pointe des techniques les plus sophistiquées du marché, comme le NLP (Natural Language Processing) par exemple.

Pourquoi rejoindre l’équipe BNP Analytics, d’après vous ?

Tout d’abord, nous avons de la matière ! Nous disposons d’énormément de données (statiques, dynamiques, temps réel) et de données de bonne qualité. C’est crucial car les résultats obtenus en Data Science dépendent en grande partie du nombre et de la qualité des données à disposition.

Par ailleurs, nous assurons une veille scientifique permanente afin de connaitre les technologies et les librairies les plus récentes et les plus pertinentes pour nos besoins. Il nous arrive fréquemment de faire progresser l’état de l’art  via des publications.

Notre environnement de travail n’a pas à rougir face à l’environnement start-up.

Nous utilisons  des méthodes agiles, nos équipes sont internationales et riches de compétences : des data scientists, architectes, développeurs (back-end, front-end), designers qui nous apportent une expertise très complète et pointue.

Quels sont vos projets actuellement pour cette équipe?

Nous avons identifié une douzaine de briques d’intelligence artificielle que nous pouvons mettre au service des métiers. Par exemple, nous prototypons en ce moment pour les équipes opérationnelles des outils intelligents de Deep Learning capables de lire et d’interpréter des contrats.

A ce stade, nous  souhaitons conserver une équipe familiale et très soudée. Nous n’avons pas l’ambition de croitre fortement car nous souhaitons garder une équipe d’experts pour être porteurs de valeurs sur chacun de nos projets.

Retour aux témoignages