Présentation de Olivier Monnier bonjour nouvelle émission de data for business et nous recevons aujourd'hui Olivier Monnier le type data officer de la Matmut une mutuelle qui a donc un Data office et un Data Office qui a moins de 3 ans je mets même c'est même encore plus récent quand est-ce qu'il a été créé et et quelle évolution il a déjà vécu alors la direction data a été créée en mai 2021 avec mon arrivée c'est une création de direction c'est pas c'est pas une extension quoi comme ça c'est vraiment une création et on est parti de zéro donc j'étais le premier et unique participant de cette belle aventure [Musique] Changement de paradigme et au départ vous étiez c'était une structure qui était plutôt un Data Lab et qui qui a évolué et puis même la manière dont vous abordez les projets a quand même beaucoup changé on a complètement changé de paradigme on est vraiment passé du mode databe au mode direction data où on délivre des sujets jusqu'à l'industrialisation donc on est parti dans datalab qui était hébergé alors ce qu'on appelle l'audié vraiment en mode datalab donc on fait l'expérimentation sur une structure dédiée à l'expérimentation sans avoir une vraie vocation à industrialiser derrière la direction générale de la Matmut a décidé de casser un peu ce mode là et de vraiment de prendre la pleine puissance de l'IA et de la data et de passer sur une direction dédiée en dehors de l'Haïti donc une direction rattachée au Comex dont le but premier de développer des Huskies et de les mettre en production donc on a changé le paradigme on est passé de du mode poke [Musique] Accès direct au COMEX alors oui on est rattaché directement quand j'ai accès aux membres du commerce donc c'est ça te permet de fluidifier un peu les prises de décision on est indépendant ou autonome par rapport à l'équipe indépendant mais autonome par rapport à par rapport à l'équipe et donc on peut discuter facilement avec les métiers pour lesquels on travaille et avec l'ITI qui nous fournit la phrase structure les données etc donc c'est vraiment dans ce cadre là le fait d'avoir un accès direct au Comex donc moi je suis rattaché donc je le salue qui a plusieurs casquettes dont celles de stratège de la data il gère également l'IRD à la Matmut et c'est quelqu'un qui est extrêmement sponsor et à écoute de ce qu'on peut faire de la data donc on a vraiment cette appétit et cette appétence au niveau de au niveau de du COMEX de la Matmut Cas d'usages Data d'accord parfait merci pour cette introduction alors on va enchaîner sur un deuxième point alors moi je vous avais vu sur une conférence l'année dernière je sais que il y a je dis vu un petit peu de la nature de des échanges que nous allons avoir c'est c'est le virage métier sur la data mais peut-être qu'on peut l'aborder déjà si au travers des cas d'usage dataïa aujourd'hui est-ce que vous pouvez nous citer des des exemples de de projets de produits qui sont en prod ou qui sont amenés à être industrialisé alors on a différents types de produits on est dans la direction transvers on travaille pour tout le monde pour l'entièreté du groupe et on a différents types de maturité sur les husky on a des husky ce qu'on a repris de l'ancien datalab et qu'on a remodelé repensé pour les industrialisés on a des Huskies relativement classique donc des scores à pétanque des scores d'attrition enfin des choses assez classiques qu'on peut voir dans toutes les et puis on lance beaucoup de sujets un peu plus innovants alors c'est assez commun à toutes les mutuelles et les assureurs c'est tout ce qui touche les risques climatiques donc on va aller chercher des données qui n'étaient pas utilisées jusqu'à présent et puis si on pousse un peu encore le bouchon on est vraiment dans la dans le dans l'innovation puisqu'on commence à attaquer un peu de quantique donc un inspecte qui est très très large et donc dans toutes ces dans toutes ces cas d'usages on en a qui sont encore au niveau qualifications au niveau développement ou au niveau industrialisation les cas d'usage qu'on a aujourd'hui mis en production le dernier qui vient d'être qui vient de rentrer en production c'est ce qu'on appelle le changement de véhicule donc être capable de prédire que nos sociétaires vont changer de véhicule donc l'idée derrière alors pour la bonne assurance donc c'est le type de le type de sujet sur lesquels on travaille d'accord et comment vous Travailler avec les métiers travaillez avec les métiers sur sur déjà l'écoute de leurs besoins et puis au-delà pour les projets et au-delà de ça sur ce travail de la culturation parce qu'on sait que pour expriment leurs besoins qu'on puisse les traduire en produits data il faut aussi qu'ils aient un certain niveau de de compréhension de ce que cette techno là permettent donc comment vous travaillez là-dessus on les implique pour ne pas dire on les responsabilise c'est à dire que aujourd'hui la roadmap data à la Matmut elle ne part pas duo à exécutée par le bas elle est proposée par les opérationnels c'est à dire que dans chaque direction on a un ou plusieurs relais data qui va nous apporter les husky ce qu'on va comment être en place donc on ne choisit pas des news ils sont vraiment apporter par le métier donc ça fait ça facilite un peu le la prise en main et une fois que c'est Huskies ont été amenés dans un comité tous les relais data discutent entre eux pour savoir lesquels on va proposer donc on a une liste et une hiérarchie assez froide qui est ensuite arbitré par les membres du commerce et donc ça permet d'avoir une road map qui est réaliste crédible et qu'on va pouvoir mettre en place et pour que toutes ces toutes ces husky soit vraiment une priorité dans les métiers on a beaucoup de sensibilisation dans l'organisation on va peut-être revenir après que j'ai mis en place on a un département qui s'appelle daternétique qui fait le cadrage des Huskies jusqu'à présent et je pense que beaucoup de gens qui nous écoutent vont se reconnaître on a des husky ce qui arrivait qui était un peu pas forcément très cadré et qui était en fait des envies on a envie de tester ça aujourd'hui nous on a cassé un petit peu ça au niveau du cadrage qui est très poussé on pose trois questions au métier qui va les obliger à se poser les questions sur est-ce que c'est vraiment pertinent d'avancer sur ce husky donc la première c'est c'est pourquoi pourquoi vous voulez faire ce cas là ça a pas de problème on a des réponses bien cette deuxième c'est quel est le risque à faire parce qu'il y a pas de risque pourquoi le faire et la troisième question c'est mais quelle valeur ça apporte à l'entreprise ou aux sociétaires donc une fois que le métier a bien répondu à ces questions là on sait qu'on peut lancer le sujet nous notre interrogation derrière est-ce qu'on est sûr qu'on va pouvoir l'industrialiser et c'est le travail des équipes et ça se passe ça se passe plutôt bien on existe depuis de façon opérationnelle depuis un an et demi quasiment deux ans aujourd'hui ce mode de fonctionnement est acquis donc on a vraiment changé le paradigme et la façon de penser des métiers en moins d'un an et demi donc ça faisable d'accord et vous parlez de du Mesurer la valeur cadrage et donc de son utilité pour pour au moins mesurer s'interroger sur la valeur pour autant il y a un moment il faut aussi la pouvoir la mesurer dans en réel et que ce soit du côté côté data et puis côté métier comment vous travaillez sur cette mesure de la valeur et son objectif il y a deux aspects quand on parle de valeur on parle pas héroïne c'est vraiment la valeur pour moi le roi c'est quand même assez compliqué à mettre du roi sur des projets data donc la valeur c'est quel est le quel gain on apporte soit aux sociétaires soit aux collaborateurs de la Matmut donc on va on va l'estimer et à la fin donc quand on est à la fin du du pilote avant de passer en production là on va commencer à chiffrer donc on va se rendre compte est-ce que oui c'est rentable ou pas de passer en production donc il y a cet aspect là et dans la propriation on a aussi un aspect qui est assez important c'est qu'on demande alors ce sont des husky on demande est-ce qu'il y a un sponsor métier qui valide chaque étape donc le sponsor métier valide le cadrage donc on va lui livrer exactement ce qu'il y a dans le cadrage je prends toujours l'exemple de la Clio s'il nous demande une Clio et qu'on lui fournit qui est ouverte il avait pas précisé que c'était vert donc voilà donc il faut bien qu'il y a un cadrage précis validé par le sponsor la fin du pilote est validée par le sponsor qui envoie ensuite en industrialisation et en production donc ça permet de d'éviter les frustrations sur chaque atome c'est un peu jamais sans mon métier finalement dans tous vos projets on va passer à un Hybride ou centralisée ? troisième point qui souligne encore plus le l'implication et la proximité avec avec les métiers dans l'organisation que vous avez mise en place peut-être que justement on pourrait la développer un peu enfin quel type d'organisation c'est du hybride c'est du pur centralisé enfin alors c'est une question qui est assez compliqué à répondre parce qu'on a évolué en fait quand on a créé la direction la maturité de l'entreprise était pas suffisamment forte pour aller sur un mode décentralisé donc on a centralisé donc ce qui veut dire que les développements data science l'industrialisation a été faite entièrement dans ma direction ensuite on livrait au métier pour l'utilisation là après quasiment deux ans on commence à être ce qu'on va appeler en mode hybride donc certains directions qui ont des compétences data data science dans leur équipe peuvent développer des cas d'usage typiquement on a nos collègues de la santé nos collègues marketing ont leur propre data scientist développent leur propre algorithmes supervisés par nos data scientist ok data scentistes de ma direction se transforme en centre d'excellence qui s'assure que au niveau de chaque direction le l'écosystème est le bon et les méthodologies sont les bonnes et puis il y a des directions qui sont un peu moins matures parce qu'ils ont pas de Data scientist ou là on va faire pour mais quoi qu'il en soit infini tous ces prototypes seront industrialisés de façon centralisée chez nous pour être sûr que que le code est bien écrit documenté qui allait les tests unitaires externes donc on est vraiment aujourd'hui en mode hybride ou chaque direction est un peu libre si elle est compétences de développer à condition qu'elle développe dans un cadre industrialisation donc on leur donne des prérequis en disant ok faites-vous plaisir faites du python faites ce que vous voulez mais le livrable que vous allez industrialiser doit rentrer dans ce cadre-là d'accord Les relais data et dans cette organisation hybride il y a donc une fonction un poste qui sont les relais data que vous pouvez ne préciser un peu de quels sont leurs profils et le rôle qu'il remplisse ouais alors avant de revenir sur sur ce rôle précis juste pour donner la vision un peu plus large donc on a les métiers on a l'IT et nous on est au milieu donc les métiers expriment un besoin Lighty va mettre en production pas industrialiser mettre en production et nous on fait tout ce qui est entre les deux donc ça veut dire comprendre le besoin le traduire en terme data science développer l'algorithme industrialiser l'algorithme mettre en production le meilleur sachant du problématique et de Husky c'est le métier et donc dans chaque métier on a des relais data qui sont alors qui sont pas des experts data mais c'est des gens qui connaissent bien la data de leur direction qui sont capables parce que c'est eux qui l'amène d'exprimer le besoin et donc ces gens-là apportent les sujets nous confirment que la data est disponible en qualité en quantité etc et une fois que c'est développé ils vont nous aider à faire le la promotion de l'artefact et de l'algorithme au sein de la direction donc ils vont ils vont être ils vont faire un peu la hotline des algorithmes et sans ces relais data on serait un peu une direction hors sol en fait donc ça c'est relais qui enroule à postélement crucial chez nous qui nous colle vraiment au terrain ce qui nous évite d'être pocophone d'accord et ce La gouvernance de la donnée que vous dites ça m'amène un peu à ma question suivante celle de la gouvernance est-ce que ça veut dire que c'est relais à la taille sont également les les enfin les inter directeur de référence sur la partie gouvernance c'est eux qui ou il y a également un travail d'honneur chips auprès du métier de manière un peu plus large alors là on touche le centre mou le ventre mou de notre direction on existe que depuis quasiment 2 ans 18 mois la gouvernance de la donnée aujourd'hui c'est le point faible chez nous pour multiples raisons on a une vision qui est plus orientée sur la qualité de données et un peu plus sur la qualité de données d'un point de vue réglementaire aujourd'hui on s'ouvre à une gouvernance de données qui sont un peu plus métier et donc plus large mais on est en train de poser les fondations et ça s'explique aussi sur le fait qu'on ait changé un peu de structure et d'un frein qui fait qu'à chaque fois il faut qu'on qu'on modèle un peu différemment notre gouvernance mais l'idée infinie reste quand même que les métiers sur le plus impliqués possible dans la gouvernance donc on est en train de réfléchir au rôle de Data honneur donc voilà c'est des choses sur lesquelles on est on est vraiment au début du chemin bon ça traduit quand même une phase qu'on retrouve dans la plupart des entreprises dans leur montée en maturité ou finalement on a d'abord une gouvernance par la réglementation et puis après ou alors on a une gouvernance par l'Haïti en terme d'organisation et puis après vraiment l'ambition c'est d'aller sur le gouvernance métier et c'est ça vers quoi vous vous engagez c'est assez enfin j'ai fait quelques conférences j'ai discuté avec pas mal de sidio j'avais des complexes à me dire qu'on n'était pas bon sur la gouvernance bon ça va par rapport au marché français je pense qu'on est pas si mal que Safia oui Vos ambitions pour l'avenir oui puis pour un acteur réglementé souvent il y a quand même une base assez assez bien ancré on parle gouvernance il y a quand même aussi des questions techno c'est pas que de l'humain la data et son industrialisation sur la partie plateforme vers quel est votre existence et vos ambitions pour l'avenir alors c'est un gros sujet quand j'ai rejoint la Matmut donc on avait une plateforme qui était vraiment dédiée à l'expérimentation au catalogue donc on s'est assez rendu compte enfin on s'est rendu compte assez rapidement elle serait pas suffisamment stable solide pour pousser des cas en industrialisation ou pour faire des cas un peu plus de Deep learning des choses comme ça donc on a créé un peu cette plateforme donc qui nous permet aujourd'hui de faire de l'industrialisation de la vraie industrialisation là on est on est un peu à la croisée des chemins on se pose plein de questions jusqu'à présent on était vraiment comme beaucoup de d'entreprises de la finance sur du plan de travail et comme beaucoup d'entreprises de la finance en ce moment on est en train de s'ouvrir un petit peu des choses un peu plus aériennes et nuageuses donc voilà donc aujourd'hui on s'ouvre les chakras sur l'idée que du cloud pourquoi pas d'accord et dans le cadre Vos relations avec la direction Data de ces chantiers techniques vous êtes sans doute amené à travailler avec la DSi vous voulez dit c'est une direction DC ou direction technologique c'est une direction quels sont vos relations votre répartition des rôles comment vous arrivez à vous aligner sur sur votre maps respectives alors ça se passe franchement super bien parce que les périmètres ont été définis de façon assez claire quand on a créé la direction data et puis au niveau des individus eux-mêmes je pense qu'on a une relation qui est très bonne avec mon collègue cityo en s'entend très très bien on peut avoir des divergences de points de vue ce qui est normal mais les discussions sont constructives et on trouve toujours des solutions donc c'est vraiment c'est vraiment bien et à la tête de l'ity et de l'osie chez nous c'est pareil on a quelqu'un qui est très très ouvert David Quentin qui est très ouvert qui connaît les compétences de chacun et qui veut avancer sur le sujet donc on n'est pas dans un système où c'est un peu la guerre des paroisses la guerre des périmètres on est vraiment au clair sur le fait qu'on est dans le dans la même barque et qu'on avance dans le même sens donc chacun à sa rame c'est des rames différentes mais on avance tous dans le même sens donc ça c'est plutôt franchement je suis content d'avoir rejoint le Matmut ne serait-ce que pour ça et par expérience je sais que c'est pas L'assureur augmenté par la donnée toujours c'est pas toujours le cas donc et on en arrive à notre dernière séquence donc c'est une expression que j'entends souvent c'est l'assureur augmenter par la donnée enfin c'est pas seulement l'assureur c'est dans tous les secteurs on a envie d'être augmenté par la donnée et il y a on parle beaucoup en la matière de depuis la fin de l'année dernière de tout ce qu'il y a générative les chats gipiti les GIPS est-ce que c'est des sujets dont les dirigeants chez vous les membres du COMEX les métiers se saisissent et pour lesquels ils se tournent vers vous ensuite pour savoir si on peut en faire quelque chose non aujourd'hui alors tout le monde s'y intéressait de toute façon c'est impossible de passer à côté donc voilà donc tout le monde s'y intéresse on se pose plus la question aujourd'hui d'un point de vue un peu plus réglementaire parce que du checkpity c'est bien tout le monde va essayer mais on rentre toutes nos données à l'intérieur donc aujourd'hui on est plus dans l'idée d'avoir une vision RSSI de gens d'algorithme est-ce que nous du côté data on réfléchit à les utiliser honnêtement non on a on est beaucoup plus pragmatique pour l'instant c'est ça reste ça reste un besoin tout le monde en a peur ou tout le monde est à nous voilà bon j'attends un peu que la bulle se dégonfle et on verra mais aujourd'hui non c'est pas ça fait pas partie de nos priorités ou de nos axes de développement on a d'autres sujets et puis j'imagine de toute façon il faut l'aborder comme une techno comme les autres et de manière très pragmatique on évalue un besoin on calcule la valeur et et les risques une autre question plutôt alors si l'IA génératif c'est pas votre priorité pour cette année quels sont les autres vos grands chantiers cette année et puis l'année prochaine on sait que c'est quand même des des roads qui sont sur des temps au moins au moyen et long terme alors c'est une bonne question avec des collègues c'est un peu le paradoxe de la date c'est à dire que l'Iron maps la stratégie de la roadmap data est en général assez longue c'est sur du 5 ans on va dire et on travaille avec des gens qui ont une durée de vie très faible c'est à dire que adaptationctis le turnover des Data scientist est assez rapide aujourd'hui c'est d'être ingénieurs qui sont encore plus chassés donc on a une espèce de schizophrénie entre le fait d'avoir des sujets très longs fait par des gens qui vont pas forcément rester très longtemps donc une des priorités chez nous c'est ça c'est d'être sûr que la road map qu'on met en place on puisse garder suffisamment de talents et de compétences suffisamment longtemps pour les développer de façon à dire intelligente donc la rétention des talents et la progression des talents au sein de l'équipe c'est une des priorités une des autres priorités c'est de structurer et de stabiliser un peu notre infra data en tout cas il y a un gros travail qui est fait à nos collègues de Lighty sur ce sujet là et on avance plutôt bien et puis on a des sujets de développement qui sont un peu plus innovants on se lance sur des initiatives en quantique par exemple donc on n'a pas sur sur l'IA génératif on est sur les quantité donc voilà et puis on a les sujets de fonds de l'entreprise qui reste quand même un autre fil rouge de développer des husky pour le métier au bénéfice des sociétaires Le futur de la Matmut d'accord et une toute dernière question un peu je vais vous demander un travail un peu de prospective si vous devez vous projeter sur 3 à 5 ans ou est-ce que vous voulez que l'entreprise la Matmut se situe en termes de en termes de maturité ça soit sur tous les axes de maturité vraiment sur les fondamentaux ou est-ce que il faut pouvoir vous situer pour considérer que c'est alors à 5 ans l'ambition est d'être connu inconnu comme un acteur solide de la data dans le monde de l'assurance crédit mutuel mais dans le monde de l'assurance et en interne l'idée c'est d'être sûr que d'ici même pas 5 ans mais deux ou trois ans on soit dans un mode un peu plus run là on construit on construit on a recruté on fait monter en compétences on développe les compétences aussi côté it parce qu'il y a des nouveaux métiers qui apparaissent comme les datent ingénieurs qu'il faut faire monter aussi côté Haïti on essaie d'éduquer l'évangéliser côté métier donc ça c'est sur du temps long que ce soit au niveau des opérationnels au niveau des dirigeants donc ça ça fait partie aussi des objectifs de la direction c'est à dire qu'on va évangéliser au maximum pour que la data devienne vraiment un asset puissant de l'entreprise et c'est on est plutôt sur le bon chemin parfait merci merci d'être venu si on a data for business merci de m'avoir accueilli [Musique]