CHAPITRE 1 : DE L’INTELLIGENCE ECONOMIQUE A LA PRISE DE DECISION
1.2. LE PROCESSUS DECISIONNEL ET LA PRISE DE DECISION
1.2.4 La décision dans un contexte d’intelligence économique au niveau bancaire
Le secteur financier et bancaire est un secteur d’activité où l’information tient une place prépondérante. Dans ce secteur, acquérir de façon prioritaire une information valide et pertinente, confère à l’entreprise bancaire une avance significative sur ses concurrents. L’une des principales finalités de l’intelligence économique étant de fournir en primeur une information cohérente, valable et spécifique, une démarche d’intelligence économique devrait avoir toute sa place au sein même des stratégies des entreprises bancaires.
L’intelligence économique est aussi le fait de rechercher l’information, de la vérifier, de la croiser, de la recouper et de la transmettre au décideur au moment opportun afin de lui permettre de prendre la bonne décision pour l’entreprise. En d’autres termes, il s’agit d’utiliser la gestion de l’information pour identifier les opportunités et les menaces qui pèsent sur son environnement et son secteur d’activité, afin d’innover pour gagner en compétitivité et/ou de protéger son patrimoine industriel.
Or, [Fort, 2012], à la suite de Jérôme Cazes14, remarque que le secteur de la finance est un secteur qui se protège, développant une culture particulière ; car les banques ne cessent de travailler entre elles, font souvent appel aux mêmes conseillers et ont des équipes qui passent des unes aux autres.
Selon cet auteur, le secteur financier et bancaire n’utilise pas davantage l’intelligence économique parce que dans un monde qui vit en vase clos, il n’y en a pas besoin ; car on ne s’intéresse pas à ce qui se passe à l’extérieur et parce que chaque entreprise du secteur connait de manière très précise ses concurrentes.
Cependant, l’on peut remarquer qu’au cours des dernières années, pour différentes raisons, les banques ont investi dans des systèmes d’informations sophistiqués afin de
mieux gérer et de contrôler leurs risques. J. Cazes affirme que « les banques sont des
agrégateurs de risques qui permettent au reste de l’économie d’en pendre plus. Et le plus bel exemple de « désintelligence économique » consiste dans l’analyse des risques bancaires. Toute la mesure du risque est fausse, car les banquiers se basent tous sur la loi de Gauss et pas sur celle de Pareto. On peut multiplier les contrôleurs de risque, si les stress tests sont faux, ça ne sert pas à grand-chose ». Rappelons que la loi de Gauss, qui est représentée par une courbe en cloche, postule qu’une variable aléatoire tend à suivre une loi normale. Tandis que la loi de Pareto, appelée aussi le « principe de Pareto » ou « principe des 80-20 », est un phénomène empirique constaté dans certains domaines : environ 80 % des effets sont le produit de 20 % des causes.
Enfin, J. Cazes déplore le fait que les banquiers ainsi que les régulateurs du secteur ne soient pas assez attentifs à ce qui se passe dans les autres secteurs d’activité. Il estime que « le problème de la finance, c’est que les financiers ne parlent qu’aux financiers, et ne regardent pas ce qui se passe ailleurs. Or la vraie concurrence est justement celle qui vient de l’extérieur de votre secteur. Je pense par exemple à Amazon ou à Google, qui investissent le secteur financier à partir de leur connaissance des échanges et des clients ».
En France, on remarque que la plupart des établissements bancaires se sont lancés dans d’importants projets de refonte de leurs systèmes d’informations.
14Jérôme Cazes, ancien dirigeant de la Coface et enseignant à HEC sur la gestion des grands risques, lors d’une conférence donnée pendant la Journée nationale de l’intelligence économique d’entreprise en novembre 2012.
Ainsi, la banque Crédit Agricole a annoncé le 20 mars 2014 (http://www.zonebourse.com/SOPRA-GROUP-4707/actualite/SOPRA--Le-Credit-Agricole-et-Sopra-ont-realise-avec-succes-la-migration-informatique-des-39-caisses-18131841/) la réussite de la bascule des 39 Caisses régionales vers un système d'informations unique. Cette étape s'inscrivait dans le cadre d’un ambitieux programme de transformation de la banque : NICE pour Nouvelle Informatique Convergente et Évolutive.
Lancé en 2008 par le Crédit Agricole, le projet NICE est présenté comme « le plus
ambitieux programme bancaire européen de transformation de la décennie. Il vise à assurer, en trois ans et demi, la migration des 39 caisses régionales relevant de 5 systèmes d'information régionaux différents, vers un système d'informations unique, innovant et orienté client, touchant 70 000 utilisateurs et 21 millions de clients particuliers ». En plus de répondre à un souci d'harmonisation et de rationalisation des systèmes d’informations de la banque, le projet « NICE doit permettre au Crédit Agricole de parachever sa mutation en une banque multicanal et de renforcer sa capacité d'intervention sur tout son territoire, tout en gardant flexibilité et souplesse pour s'adapter rapidement au marché ».
De la même manière, en 2014, dans le but de réduire la complexité, les risques et les coûts de ses bases de données, la banque Société Générale a décidé de s'engager dans un chantier de refonte de ses bases de données. Il s’agit en fait d’effectuer une migration des bases de données de IBM DB215 vers Teradata16.
15DB2 est l'un des systèmes de gestion de base de données propriétaire d'IBM, qui avec Informix, Netezza
et SolidDB constituent le socle de la division Information Management. Il utilise le langage SQL tout comme Oracle, PostgreSQL ou MySQL. Il est déployé sur les Mainframes, systèmes UNIX, Windows, Mac/OS et Linux.
16Teradata Corporation NYSE TDC est un constructeur et un éditeur de solutions informatiques spécialisées en matière d’entrepôt de données et d’applications analytiques. Teradata fournit des serveurs massivement parallèles et fournit le SGBDR Teradata qui a été conçu à l’origine pour l’aide à la prise de décision. Ce moteur de base de données offre des caractéristiques de puissance et d’évolutivité particulières quels que soient les paramètres d’évolution de la charge de travail qui lui est demandée, le volume et la variété des données, le nombre d’utilisateurs, la complexité des requêtes. Teradata est généralement mis en œuvre pour gérer des systèmes d’information centralisés, qui supportent un grand nombre de requêtes concurrentes provenant de multiples applications clientes. La simplicité d’exploitation et les capacités d’évolution expliquent le succès de ces technologies dans les grandes entreprises pour mettre en œuvre
FIGURE 8:STRUCTURE D'UNE BASE DE DONNEES TERADATA
La Figure 8 : Structure d'une base de données TERADATA ci-dessus détaille la structure d’une base de données Teradata qui fait appel aux technologies mises en œuvre dans le Big Data et les entrepôts de données : à partir d’un schéma relationnel de la base, on note une forte utilisation du langage XML (notion détaillée plus loin, dans le paragraphe
« 4.4.2.1 Les sources d’informations »), aussi bien pour les feuilles de styles ou les objets à stocker que pour les bibliothèques de flux et des fonctions. Cette structure de base de données préfigure de l’entrepôt de données et nous parait déjà adaptée à la mise en place d’une telle solution.
Comme dans tous les établissements bancaires, la connaissance des clients est non seulement une obligation marketing mais aussi une obligation réglementaire. Cette connaissance client repose généralement sur des systèmes d’informations décisionnels dont il faudra améliorer les performances.
Depuis 5 ans, le groupe Société Générale est client de Microstrategy17 pour différents produits de traitement et de restitution des données, comme iCubes. Mais le groupe bancaire devait gérer d'une part des bases issues de l'activité bancaire pour des opérations financières et réglementaires, et d'autre part une base marketing [Lemaire, 2014].
17MicroStrategy est un éditeur de logiciels de Business Intelligence. Sa plate-forme logicielle permet aux entreprises d'analyser d’importantes quantités de données afin de prendre les meilleures décisions par métier. Le logiciel analyse et transmet l’information via le Web et les appareils mobiles, quel que soit l’OS. Il intègre également des technologies permettant de capitaliser sur les Big data, la mobilité, le cloud, et les réseaux sociaux.
Une rationalisation et une harmonisation des différents systèmes ont été décidées en
2013 afin de consolider les stockages de données sous Teradata. « Nous voulions réduire
notre complexité, nos risques et nos coûts » indique Dominique Suardet, IT Manager au département Business Intelligence de la Société Générale. Ce département sert les différents niveaux hiérarchiques ainsi que les différents métiers du groupe avec des rapports appropriés. Et, pour cela, il traite 20 To de données pour 23000 utilisateurs.
Comme nous l’avons vu ci-dessus, l’intelligence économique, de par sa « capacité à
mobiliser l’information pour développer une capacité d’anticipation » ainsi que les avantages importants qu’elle procure dans l’aide à la décision, devrait occuper une place primordiale dans le domaine bancaire.
Or, il n’en est rien à l’heure actuelle, même si la plupart des établissements bancaires sont de plus en plus sensibilisés à mettre en œuvre une démarche d’intelligence économique afin de renforcer leurs stratégies.
Les démarches et les projets mis en œuvre actuellement dans la plupart des banques restent partiels et ne sont pas encore complets ni intégrés de manière globale dans la stratégie de ces entreprises.
Ces démarches se résument pour le moment à des activités de veille, ainsi qu’à des programmes de refonte et/ou d’harmonisation des systèmes d’informations.
Après avoir passé en revue le concept d’intelligence économique ainsi que le processus décisionnel et la prise de décision dans un contexte d’intelligence économique, nous nous proposons de présenter certaines spécificités ou faits caractéristiques de la banque, et notamment le cas particulier des informations et des prêts bancaires.