L'avis de... Valérie Lourme, senior consultant services financiers chez Teradata

« Les banques anglo-saxonnes sont plus avancées »

le 27/09/2012 L'AGEFI Hebdo

Que peut-on dire quant à l’utilisation des réseaux sociaux dans les établissements financiers, et plus particulièrement dans les salles de marché ?

Il faut distinguer réseaux sociaux privés internes et externes. Concernant les premiers, les travaux portent sur l’analyse des nœuds de relation, pour améliorer la relation client par exemple et les opportunités commerciales, mais aussi sur la détection de fraude. S’agissant des réseaux sociaux externes, et Twitter en particulier, l’intérêt des banques d’investissement porte sur la gestion des risques opérationnels, et notamment l’évaluation du risque de réputation. Beaucoup sont intéressés, mais les technologies sont encore balbutiantes et les professionnels avec qui nous sommes en relation souhaitent les explorer et avoir le droit de se tromper, dans un premier temps. Les banques américaines et anglo-saxonnes sont plus avancées que leurs homologues françaises dans cette démarche.

Dans l’absolu, comment exploiter ces technologies pour analyser les réseaux sociaux à de telles fins ?

Il y a trois étapes successives à gérer. Avec les réseaux sociaux, nous sommes dans ce que nous appelons le big data, c'est-à-dire que des volumes énormes de données non structurées sont en jeu. La première étape consiste donc à capter ces données non structurées (tweets, commentaires, données géospatiales…). La deuxième étape est évidemment de les analyser et de les interpréter. Enfin, il s’agit d’agir, en connaissance de cause, dans les processus opérationnels concernés (détection de fraude, gestion de l’e-réputation, voire trading…).

Vous proposez une solution packagée, Aster, pour capter et analyser ces « big data ». Pourquoi les banques d’investissement, plutôt adeptes du développement interne, seraient-elles favorables à un progiciel ?

Nous sommes en pourparlers avec une banque d’investissement anglaise à ce sujet. Les banques d’investissement sont plutôt démunies face à ces problématiques qui nécessitent des ressources très pointues, comme la maîtrise de Hadoop (traitements intensifs de la donnée en java, NDLR) ou Map Reduce (calculs distribués sur de très forts volumes, NDLR), et plutôt difficiles à trouver.

A lire aussi