Souscription basée sur l'IA : Baishi Wu, de Chime, explique comment transformer rapidement des données complexes en informations exploitables

Baishi Wu supervise l’organisation des cartes de Chime, tant pour les produits de débit que de crédit, en collaborant avec les équipes chargées des produits, du risque de crédit et de la science des données afin d’optimiser l’expérience client, de l’accès aux autorisations. Dans une récente interview avec le cofondateur et directeur technique (CPTO) de Taktile, Maximilian Eber, Baishi a dévoilé aux auditeurs les coulisses du processus de souscription basé sur l’IA chez Chime. 

Il explique ce qui rend le processus de souscription chez Chime si unique, comment l'équipe utilise l'IA pour accélérer les décisions concernant les clients aujourd'hui, et donne son point de vue sur la prochaine grande opportunité pour l'IA dans le domaine de la souscription.

Baishi met en avant le fait d'être titulaire du relation de compte principale comme principal facteur de différenciation de Chime en matière d’octroi de crédit. Il explique que lorsque l’on est le compte sur lequel 100 % des flux de trésorerie d’une personne sont versés, on dispose d’un avantage considérable par rapport aux prêteurs qui n’en voient qu’une partie.

Lorsque les prêteurs s'appuient sur les données des agences d'évaluation du crédit, ils n'ont accès qu'à un instant précis de l'historique de l'emprunteur. Les données de trésorerieévoluent constamment: l’équipe de Baishi peut les suivre en temps réel et adapter ses décisions en permanence. Il souligne toutefois que les prêteurs commettent souvent l’erreur d’utiliser les données de trésorerie comme un aperçu ponctuel :

« Jusqu’à présent, lorsque les acteurs du secteur examinaient les données relatives aux flux de trésorerie dans le cadre de l’open banking, ils s’inspiraient de la manière dont les données de crédit sont habituellement utilisées et tentaient de transposer cette approche aux données de trésorerie : ils se concentraient sur un instant précis, examinaient certaines transactions passées et essayaient de se prononcer sur votre éligibilité sur-le-champ. » 

« Mais l'essentiel, quand on travaille avec des données de trésorerie, c'est de les consulter aussi souvent que possible et de les prendre en compte en permanence dans ses décisions. »

L'accès de Chime à des données clients en temps réel constitue un énorme avantage stratégique. Mais cela complique également l'ajustement des limites de crédit des clients tout au long de leur parcours.

Lorsque Chime souhaite élargir l'accès au crédit, l'équipe de Baishi a recours à des tests « champion-challenger » pour déterminer s'il est possible d'offrir davantage aux clients qui, en temps normal, n'auraient pas accès à ces services.

Ça a l'air simple. 

Mais dans le cas de Chime, les clients ne sont pas des emprunteurs ponctuels ; ce sont des utilisateurs réguliers dont les besoins et la situation évoluent constamment. «Ce n’est pas un simple test A/B où un seul moment influence ce qu’il faut faire sur la durée », explique Baishi. « Il s’agit d’une série de tests basés sur des durées d’utilisation et des expériences variées, ce qui rend le tout beaucoup plus complexe. »

« Mais au fond, ce processus s'inscrit dans un modèle « champion-challenger » où nous cherchons à repousser les limites de ce que nous pouvons offrir à nos clients. »

Face à une telle quantité d'informations complexes à analyser, Baishi a constaté que l'IA avait permis à son équipe de transformer plus rapidement les données brutes en informations exploitables.

Tout d'abord, l'IA permet de éliminer les silos de données entre les équipes transversales. Auparavant, les équipes chargées du risque de crédit, de la science des données, des finances et des produits travaillaient parfois avec des informations distinctes et simplifiées. Grâce à l’IA, chaque équipe peut désormais avoir accès à une vue d’ensemble complète et prendre plus rapidement des décisions en toute confiance, quel que soit son niveau d’expertise technique.

Deuxièmement, l'IA peut faire office de « analyste de risques tout-en-un », capable de transformer rapidement les données en informations exploitables lorsqu’elle est associée au jugement humain. 

« Lorsque vous disposez d’un ensemble de données difficile à exploiter, vous pouvez laisser l’IA le résumer rapidement et en rassembler les éléments. Vous pouvez ensuite y ajouter votre jugement humain pour déterminer ce qui est réellement significatif. De cette manière, vous pouvez beaucoup plus rapidement passer au crible des ensembles de données dont vous n’êtes pas sûr qu’ils valent la peine que vous y consacriez du temps, en tirer des enseignements et décider s’ils sont susceptibles de réduire les risques. »

Pour l'avenir, Baishi envisage la validation des modèles comme la plus grande opportunité pour l’automatisation basée sur l’IA dans le domaine de la souscription. Si l’élaboration d’une politique de crédit ne représente qu’une partie du processus, s’assurer que le modèle fonctionne correctement et qu’il est conforme est la partie qui prend réellement beaucoup de temps.

« Si vous déployez plus de trente fonctionnalités, explique Baishi, vous devrez créer une documentation pour chacune d’entre elles. » Il estime que l’IA peut automatiser davantage ce processus de gouvernance :

« Vous pouvez concevoir un modèle de crédit en vous basant sur la manière dont vous estimez qu’il devrait fonctionner dans la réalité, puis automatiser le processus de gouvernance grâce à l’IA. Moins de tâches fastidieuses entre les deux étapes, et un dialogue plus direct entre les équipes chargées des risques et celles chargées de la conformité. »

L'idée est qu'une fois que l'IA aura automatisé les aspects liés à la gouvernance, les équipes pourront se concentrer sur l'innovation.

« Élaborer une politique capable de s’améliorer au fil du temps demande beaucoup d’efforts et relève d’une grande complexité. Grâce à l’IA, on peut véritablement accélérer le rythme auquel on génère de nouvelles idées dans ce domaine. C’est là que réside la véritable clé du succès : pouvoir se concentrer sur les tâches importantes et essentielles, tout en simplifiant considérablement les tâches « de routine ». »