Malakoff Médéric Humanis a décidé d’investir 100 millions d’euros d’ici à 2020 dans le digital et la data. Recours généralisé aux méthodes agiles, acculturation des collaborateurs… David Giblas, directeur innovation, santé, digital, data et intelligence artificielle, membre du comité exécutif du groupe de protection sociale Malakoff Médéric Humanis, revient sur la stratégie adoptée par le groupe pour accélérer sa transformation.
David Giblas, directeur innovation, santé, digital, data et intelligence artificielle, membre du comité exécutif du groupe de protection sociale Malakoff Médéric Humanis
Le groupe a créé une direction de l’innovation, de la data et du numérique en 2017. Quels sont ses objectifs ? Quels sont les cas d’usage déjà industrialisés et pour quels gains opérationnels ?
Nous avons décidé de construire un dispositif permettant d’utiliser le potentiel du digital et de la data dans la transformation de notre entreprise. Pour y arriver, nous avons développé et structuré nos expertises autour de l’expérience client et du digital d’une part, et de la data d’autre part. Ce centre de compétences comprend désormais une centaine de personnes et est doté d’un budget conséquent (100 millions d’euros sur 5 ans).
Chaque nouveau projet doit avoir un volet digital (au sens de l’expérience client) et un volet data, d’où la mise en place d’un modèle de fabrication par cas d’usage (ndlr : voir « L’info en + »). Plutôt que de lancer de nombreuses études de faisabilité (Proof of concept / POC), nous avons fait le choix de produire rapidement des MVP (produits minimum viables). Il est important d’aller au bout de l’industrialisation : le plus difficile n’est pas de créer des algorithmes, mais de faire en sorte qu’ils entrent dans les outils utilisés par les métiers et que les processus évoluent.
Comment mesurez-vous le retour sur investissement (ROI) de ces cas d’usage ?
Le ROI est un de nos principaux indicateurs de performance. Avant la phase d’industrialisation, les algorithmes passent dans une phase d’incubation pour vérifier qu’ils produisent bien la valeur attendue en environnement réel. Nous pilotons les ROI avant, pendant et après la phase d’incubation. Les algorithmes projetés sont validés tous les trimestres en comité exécutif. Une fois en production, ils font l’objet d’une revue tous les 3-4 mois et sont mis à jour si nécessaire.
Le RPA – qui peut être considéré comme de l’outillage informatique – est traité directement par la DSI. À partir du moment où des traitements cognitifs sont nécessaires, cela entre dans le domaine de l’intelligence artificielle et donc dans notre périmètre. Après la 1re vague des travaux portant sur les données structurées, qui nous ont permis de bien maîtriser toute la chaîne data (de l’infrastructure à la gouvernance en passant par la data science), nous abordons la 2e vague : la préparation de cas d’usage qui devraient être en incubation d’ici la fin de l’année et qui porteront sur le traitement de l’image et du texte (NLP pour « Natural language processing »). La 3e vague sera consacrée à la voix (traitement post appel, robots conversationnels…).
Comment vous assurez-vous que les changements opérés au niveau du frontoffice sont bien répercutés dans tous les rouages de l’entreprise ?
Parallèlement à la mise en place du centre de compétences, mes équipes ont initié depuis plus de 2 ans un important travail d’architecture en collaboration avec la DSI, qui repose sur un découplage entre front et back-office, ces derniers dialoguant ensemble via des API. La DSI a progressivement fait évoluer son modèle d’organisation et sa méthode de fabrication, en créant des équipes front-office, des équipes travaillant sur l’architecture de services, une filière cloud, une filière data, etc. À terme, tous nos systèmes « front » dialogueront avec nos systèmes « back » via des appels de services et ainsi pourront composer de multiples expériences clients à partir d’une bibliothèque de services.
Comment les équipes ont-elles été engagées dans le changement ?
Des programmes de formation et de sensibilisation (vidéos, MOOC, SPOC, plateforme d’e-learning, etc.) ont bien sûr été lancés, cependant nous nous sommes rendu compte que la montée en compétences ne s’acquiert réellement que par l’exécution. Dans notre transformation, nous avons ciblé quelques directions (5 sur les 14 directions existantes) pour lesquelles nous avions une vision assez précise de la valeur potentielle du digital et de la data et dont le directeur avait une appétence forte sur ces sujets. Il nous faut désormais nous tourner vers les directions pour lesquelles nous n’avions pas identifié de cas d’usage à l’origine. Notre objectif est de créer davantage de valeur avec nos équipes en essayant au passage de rendre le travail des collaborateurs plus intéressant : cette valeur proviendra davantage d’outils d’aide à la décision (d’hybridation entre l’humain et la technologie) que de la simple automatisation de tâches (tri d’e-mails ou autres). D’ailleurs, pour la majorité des 7 cas d’usage data qui ont été déployés en production, nous sommes plus dans une phase de renfort des équipes, ce qui montre bien que nous générons de la valeur. De plus, ces cas d’usage font progresser les collaborateurs dans leurs compétences techniques : les algorithmes leurs font découvrir des choses non détectables par un être humain et qu’ils doivent comprendre et expliquer.
Ce processus est long et complexe, car chaque projet génère de multiples foyers de transformation. Quand je regarde les 30 cas d’usage des directions digital et data avec un peu de recul, je prends conscience de la difficulté pour l’entreprise de continuer à exercer son métier dans un contexte d’agitation permanente. Cela demande beaucoup d’énergie. C’est la raison pour laquelle il faut bien choisir ces cas d’usage à partir desquels l’entreprise commence à faire sa mue, à générer de la valeur pour irradier progressivement les autres métiers.