L'insécurité financière est une réalité préoccupante à laquelle les personnes à faibles revenus doivent faire face. Les obstacles systémiques à l'inclusion financière sont réels, en particulier pour les femmes noires et métisses. Change Machine, une organisation technologique à but non lucratif, s'attaque de front à ces problèmes.
Sa mission est d'assurer la sécurité financière des communautés à faibles revenus par le biais d'une technologie axée sur les personnes. Change Machine agit via une plateforme de logiciels en tant que service (SaaS) qui peut transformer la façon dont les gens atteignent leurs objectifs financiers. Utilisée par les coachs financiers des organisations de services sociaux et des agences du secteur public, la plateforme comprend un outil de collaboration en ligne pour les praticiens, un portail de formation sur divers sujets liés au coaching financier et une application de gestion de cas sur Salesforce AppExchange pour assister les coachs dans leur travail auprès de leurs clients.
La plateforme contient une gamme de produits et de services fintech dont Change Machine a vérifié l'inclusivité, la sécurité et l'efficacité. La plateforme repose sur les personnes en ce sens qu'elle reflète les idées et l'expérience des coachs financiers et des clients, et elle comprend une fonctionnalité qui utilise l'analyse des données des clients basée sur l'intelligence artificielle pour recommander des produits fintech pertinents.
Il n’en a pas toujours été ainsi. Au début de l'année 2020, Change Machine a élaboré un ensemble de normes pour évaluer les produits fintech en termes d'accessibilité, d'inclusivité et de sécurité, ainsi que la manière dont chaque produit vise à renforcer la sécurité financière. La première itération du moteur de recommandation, appelée Marketplace Relief, a été lancée pour lutter contre l'insécurité financière dans un contexte de récession économique résultant de la pandémie de la Covid. Des critères ont été créés pour filtrer les produits et services pertinents et approuvés afin de répondre aux besoins des clients. S'il s'agit, par exemple, d'augmenter l'épargne et la solvabilité, le moteur de recommandation recommandera des produits et des services d'épargne et de crédit.
Même si le système fonctionnait très bien, l'approche était toutefois limitée. « Notre moteur de recommandation original a été conçu par un petit groupe de coachs issus de lieux précis et à un moment donné », explique David Bautista, directeur du développement de produits chez Change Machine. « Pour élargir le champ de ses connaissances et les produits qu'il pouvait recommander, nous voulions que le moteur de recommandation puisse se mettre à jour régulièrement. »
Les règles de recommandation ont soulevé une autre préoccupation. « Les coachs identifiaient les règles sur la base de leur expertise et de leur expérience avec les clients, mais nous ne savions pas comment exploiter également les données clients stockées dans nos systèmes, telles que les services les plus couramment utilisés par les clients et les éventuels seuils supplémentaires nécessaires en fonction des situations financières rencontrées », explique Robert Zarate-Morales, directeur adjoint du développement des produits. « L'utilisation de ces données pourrait permettre de mieux comprendre les besoins des clients. »
Le moteur de recommandation n'a pas non plus pris en compte si les clients avaient accepté ou rejeté les produits et services recommandés – une indication de l'impact de la fonctionnalité.
Utilisation accrue
L'utilisation actuelle des produits fintech est passée de 60 % à 98 %
Un cycle de développement plus court
L’équipe du projet n’a eu besoin que de 6 semaines pour développer des modèles de classification par machine learning
Il était évident que le moteur de recommandation pouvait être amélioré grâce à l’analyse des données de l’IA. Pour bénéficier d'une aide quant au développement, Change Machine a engagé l'équipe IBM Data Science and AI Elite en mars 2021. IBM a travaillé conformément au programme IBM Data and AI for Social Impact, une collaboration d'apprentissage dans laquelle IBM aide les organisations à but non lucratif à utiliser la science des données et l'IA pour poursuivre leur mission.
Le projet a débuté avec le personnel d'IBM et de Change Machine partageant leurs connaissances et définissant leurs besoins. L'objectif était d'intégrer les données organisationnelles en un ensemble cohérent et de développer des modèles de classification basés sur le machine learning qui permettraient de personnaliser les recommandations. Les modèles devaient être capables de se perfectionner par eux-mêmes et reposer sur une IA fiable, ce qui signifie que le raisonnement qui sous-tend les recommandations devait être explicite.
L'évolutivité permettrait au moteur de faire face à l'augmentation prévue du nombre de partenaires et d'utilisateurs. De plus, les tableaux de bord opérationnels afficheront des données en temps réel pour une meilleure compréhension des opérations.
En vue de développer les modèles de données et d’IA, l’équipe d’IBM a choisi IBM Cloud Pak for Data as a Service, qui relierait toutes les données dans une fonction de données centralisée. Les développeurs ont utilisé la solution IBM Watson Studio avec sa fonctionnalité AutoAI pour faciliter le développement. La solution IBM Cognos Dashboard Embedded basée sur API alimenterait des tableaux de bord évolutifs. Tous les outils résident dans IBM Cloud Pak, fourni par IBM Cloud.
Le développement s'est déroulé rapidement en utilisant la méthodologie d'engagement IBM Data Science et AI Elite qui consiste en trois phases agiles étalées sur six semaines :
- Au cours d'un premier sprint de deux semaines, les développeurs ont travaillé avec Change Machine pour comprendre les données connectées à toutes leurs sources.
- La deuxième phase s'est concentrée sur le développement de modèles de base de machine learning pour voir si les données pouvaient réellement fournir des prédictions.
- Le troisième sprint a permis de finaliser les modèles, de les enrichir avec de nouvelles fonctionnalités et de les déployer en production.
Ces modèles ont ensuite été intégrés à l'application Salesforce que les conseillers financiers utilisent avec leurs clients. L'équipe d'IBM a également aidé l'équipe de Change Machine à développer des tableaux de bord. Et dans le cadre de la collaboration d'apprentissage, IBM a transféré des connaissances à l'équipe de Change Machine sur la stratégie des données et les outils d'IA qu'ils continueront à utiliser à l'avenir.
« L'engagement avec IBM nous a appris à exploiter nos données d'une nouvelle manière et à développer un cadre pour la création et la gestion de modèles de machine learning, » précise M. Bautista. « Le projet a également servi de tremplin à notre implication dans les solutions cloud avancées et nous a aidés à déployer une application IA concrète, quelque chose que nous considérions auparavant comme prévu dans plusieurs années, au mieux. »
L'analyse par l'IA des données de Change Machine alimente désormais le moteur de recommandation de Salesforce. La solution est si innovante qu'elle a été nominée pour le prix de l'innovation en IA de VentureBeat dans la catégorie « AI for Good ».
Avec l'ancien moteur de recommandation, les clients n'utilisaient activement que 60 % des produits fintech recommandés par leurs coachs. Avec la nouvelle version, ce chiffre est passé à 98 %, ce qui indique que les recommandations sont plus pertinentes.
« Des recommandations de meilleure qualité font progresser notre mission : aider les gens à surmonter les obstacles financiers », explique Bautista. « Non seulement elles augmentent l'adoption des produits, mais elles contribuent également à garantir l'accès aux produits dont les gens ont le plus besoin. De plus, elles aident à consolider les relations entre nos partenaires et ceux qu'ils encadrent. »
Un autre avantage découle du lien entre le moteur de recommandation et les données dynamiques sur les clients et les offres fintech. Au fur et à mesure que ces données sont mises à jour, les recommandations du moteur le sont également.
Les tableaux de bord s'avèrent précieux au sein de l'organisation. Ils aident les responsables de Change Machine à visualiser les données opérationnelles dynamiques là où « les chiffres seuls ne suffisent pas à rendre compte de la situation », déclare M. Zarate-Morales. Les développeurs sont en train de créer d'autres tableaux de bord alimentés via un datamart sous IBM Cloud Pak for Data.
À l'avenir, l'engagement d'IBM continuera à stimuler l'innovation au sein de Change Machine, à mesure que son personnel appliquera ce qu'il a appris.
« Pour moi, c'était passionnant de comprendre à la fois les capacités et la relative facilité d'utilisation de cette technologie », souligne M. Bautista. « Auparavant, les données étaient utilisées de manière réactive. En cas de question, nous devions savoir où se trouvaient les données. Mais aujourd'hui, nous commençons à intégrer les données de manière proactive dans les décisions stratégiques. Notre partenariat avec IBM nous permet d'envisager les données de manière plus stratégique. »
.jpg)
Fondée en 2005, Change Machine renforce la sécurité financière des communautés à faible revenu grâce à une technologie basée sur les personnes. Plus de 8 000 praticiens ont utilisé la plateforme de Change Machine pour renforcer leur impact, notamment en mettant 45 millions de dollars dans les poches de leurs clients.
Notes de bas de page
© Copyright IBM Corporation 2022. IBM Corporation, New Orchard Road, Armonk, NY 10504
Produit aux États-Unis d’Amérique, août 2022.
IBM, le logo IBM, ibm.com, Cognos, IBM Cloud, IBM Cloud Pak et IBM Watson sont des marques commerciales d'International Business Machines Corp., déposées dans de nombreux pays. Les autres noms de produits et de services peuvent être des marques commerciales d’IBM ou d’autres sociétés. La liste actualisée des marques d’IBM est disponible sur la page web « Copyright and trademark information » à l’adresse www.ibm.com/fr-fr/legal/copytrade.
Les informations contenues dans le présent document étaient à jour à la date de sa publication initiale. Elles peuvent être modifiées sans préavis par IBM. Les offres mentionnées dans le présent document ne sont pas toutes disponibles dans tous les pays où la société IBM est présente.
Les données de performance et les exemples de clients cités sont présentés à titre informatif uniquement. Les résultats des performances peuvent varier en fonction des configurations et des conditions de fonctionnement. LES INFORMATIONS CONTENUES DANS LE PRÉSENT DOCUMENT SONT FOURNIES « EN L’ÉTAT », SANS AUCUNE GARANTIE EXPLICITE OU IMPLICITE, NOTAMMENT SANS AUCUNE GARANTIE DE QUALITÉ MARCHANDE, D’ADÉQUATION À UN USAGE PARTICULIER ET AUCUNE GARANTIE OU CONDITION D’ABSENCE DE CONTREFAÇON. Les produits IBM sont garantis conformément aux dispositions des contrats qui régissent leur utilisation.