Les services financiers génèrent d’importants volumes de données d’usage. Ces dernières sont exploitées pour enrichir les services et améliorer la connaissance des clients. Les données créées par les relations que les utilisateurs d’un service financier entretiennent entre eux sont, elles, beaucoup moins exploitées. Elles apportent pourtant des informations pertinentes pour analyser des comportements. Pour analyser ces liens sociaux, les équipes recherche d’Orange ont développé le projet Orange Money Social Network Analysis, qui s’appuie sur le service de transfert d’argent et de paiement mobile d’Orange en Afrique. “Nous avons adapté l’analyse des réseaux sociaux à Orange Money en développant des algorithmes spécifiques, explique Sandrine Le Calvez, responsable du Programme de Recherche Inclusive Digital Financial Services. Chaque transaction réalisée sur Orange Money laisse une trace de relations entre plusieurs individus : on envoie de l’argent uniquement aux personnes que l’on connait. Ces données nous permettent de constituer le réseau social des utilisateurs d’Orange Money sous forme de graphes, et de calculer des indicateurs destinés à améliorer la connaissance clients.”
Détecter et explorer des communautés
Au Salon de la Recherche et de l’Innovation d’Orange, l’équipe projet montre, via une interface, l’intérêt des différentes métriques et les possibilités d’exploitation de l’outil par les data scientists. “L’outil Orange Money Social Network Analysis permet de calculer des métriques et statistiques sur un client ou sur une communauté de clients, précise Baptiste Hemery, Ingénieur chercheur dans ce projet. Nous pouvons par exemple suivre la densité du réseau d’un utilisateur ou la fréquence de ses échanges avec son entourage direct ou indirect.” L’analyse d’une communauté d’utilisateurs est particulièrement novatrice. Elle consiste à exploiter les données transactionnelles pour regrouper les utilisateurs au sein d’une ou de plusieurs communautés (famille, amis, relations professionnelles, commerciales, etc.). “La complexité de cette approche de détection de communautés est double, explique Fabrice Jeanne, chercheur et responsable du projet Future Mobile Money Services : traiter un volume colossal de données, avec plusieurs millions d’utilisateurs et plusieurs centaines de millions de transactions ; et évaluer la qualité des résultats de la détection de communautés.”
Améliorer le service client
Dans un premier cas d’usage, cette démonstration explique aux visiteurs du salon comment la détection et l’analyse des communautés peut permettre de sécuriser le service Orange Money : à chaque nouvelle transaction, l’outil calcule une distance sociale en temps réel entre l’émetteur et le destinataire, potentiellement utile pour définir un niveau de confiance. “Une transaction dont la distance sociale est faible pourra être considérée comme fiable, tandis qu’une transaction avec une forte distance sociale pourra être considérée à risque, explique Baptiste Hemery. La force de notre outil, c’est d’utiliser les communautés pour optimiser l’évaluation de cette distance, tout en respectant la vie privée des utilisateurs. Ainsi, si l’émetteur et le récepteur ne se connaissent pas mais font partie d’une même communauté ou d’une communauté proche, on peut estimer que la transaction ne présente pas de risques.”
Si l’émetteur et le récepteur ne se connaissent pas mais font partie d’une même communauté ou d’une communauté proche, on peut estimer que la transaction présente un moindre risque.
Deuxième cas d’usage présenté aux visiteurs : l’amélioration de l’offre d’octroi de crédit bancaire. Lorsqu’un client d’Orange Bank Africa initie une demande de crédit, l’outil permet d’améliorer son scoring individuel sur la base d’une influence positive de son voisinage ou sa communauté. Ce nouveau type de scoring est un vrai plus pour la banque mobile qui cherche à démocratiser l’accès au crédit. “Avec notre outil, Orange Bank Africa devrait pouvoir octroyer des crédits à davantage de clients et répondre ainsi à sa volonté d’être une banque inclusive”, souligne Romain Trinquart, data scientist dans ce projet.
Renforcer la compétitivité d’Orange Money
Cette brique technologique devrait être mise entre les mains des data scientists d’Orange Money dès 2023. L’équipe continue de travailler sur la notion de communauté : ce projet de recherche est le fruit d’une collaboration entre Orange et le laboratoire GREYC du CNRS. Une première thèse “Analyse de réseaux sociaux pour Orange Money” réalisée par Safa El Ayeb s’achève. Elle sera complétée par une nouvelle thèse “Apprentissage pour identification de groupes d’intérêt sur réseau socio-transactionnel”. En parallèle, l’équipe cherche à enrichir encore l’outil Orange Money Social Network Analysis et à identifier de nouvelles applications, comme la lutte contre le blanchiment d’argent ou la détection des fraudes. “La concurrence dans le domaine de la ‘mobile money’ est féroce en Afrique et au Moyen-Orient, conclut Sandrine Le Calvez. Nous souhaitons donner à nos filiales de la zone des moyens innovants pour les aider à mieux comprendre le comportement de leurs clients et à muscler leurs offres.”
