Problématiques client
BNPP AM souhaitait moderniser ses chaînes de reporting pour gagner en efficacité et en qualité, tout en préparant la migration vers le cloud. Le défi : réduire les tâches chronophages (contrôles, rapprochements, vérifications), rationaliser les processus et offrir des services plus interactifs et personnalisés aux métiers, clients et régulateurs. La multiplicité des sources de données et des systèmes existants nécessitait une transformation complète de l’infrastructure, tout en assurant fiabilité, sécurité et scalabilité.
Objectifs
Industrialiser et moderniser le reporting
Centraliser l’ensemble des données sources dans un data hub unique et rationaliser les processus existants. L’objectif est de réduire la complexité opérationnelle, d’automatiser les tâches répétitives telles que les contrôles et rapprochements, et de libérer du temps pour les équipes afin qu’elles se concentrent sur des analyses à forte valeur ajoutée.
Migration vers le cloud
Préparer le move2cloud en définissant une architecture cible robuste : virtualisation des données, MDM (Master Data Management), change data capture et pipelines de données modernisés. Cette migration permet de sécuriser, fiabiliser et industrialiser l’ensemble des flux tout en garantissant la scalabilité nécessaire pour accompagner la croissance future de l’activité.
Repenser le reporting client à l’ère de l’IA
Intégrer des services IA avancés pour faciliter l’interaction avec les données : génération automatique de rapports, self-BI, analyse en langage naturel, contrôles visuels et alertes intelligentes. L’objectif est d’améliorer l’expérience des utilisateurs internes et externes, tout en offrant des indicateurs fiables et interactifs pour les métiers, les clients et les régulateurs.
Définir le Target Operating Model (TOM)
Mettre en place un modèle opérationnel cible garantissant des rapports de qualité industrielle, des workflows standardisés et des règles de gouvernance claires. Cela permet de fiabiliser la production, d’harmoniser les pratiques à l’échelle de l’organisation et de faciliter l’adoption des nouveaux processus.
Automatiser la vérification et la qualité des rapports
Mettre en œuvre des contrôles automatisés basés sur NLP et Computer Vision pour détecter et corriger les erreurs dans les rapports avant leur diffusion. Cette automatisation réduit les erreurs humaines, assure la conformité et libère les équipes pour des activités analytiques et stratégiques.
Les contraintes du projet
Notre approche pour BNPP AM
01
Reporting Replatforming
La première étape a consisté à migrer l’ensemble du reporting vers un datahub cloud centralisé, en décommissionnant le DataWarehouse existant et en réécrivant les jobs ETL en Python. Cette phase a également inclus le catalogage complet des données et la conversion des formats CSV vers Parquet, afin de structurer et normaliser les flux provenant de sources hétérogènes pour garantir la fiabilité et la cohérence des données.
02
Industrialisation du reporting et contrôles IA
L’industrialisation a permis de centraliser les données sources, de rationaliser les solutions de reporting et de mettre en place une automatisation des contrôles qualité via IA, combinant NLP et Computer Vision. Les PDF sont analysés automatiquement, les erreurs détectées et certaines corrigées, tandis que les workflows sont pilotés selon une logique événementielle, et qu’une partie des analyses est mise à disposition en self-service pour les utilisateurs.
03
Automatisation des tests utilisateurs
Des tests utilisateurs ont été automatisés en langage naturel, permettant de détecter rapidement les erreurs d’interface et de fiabiliser les validations. Cette démarche a permis de réduire de 50 % le temps de création des tests, tout en assurant une meilleure robustesse et cohérence dans le processus de validation continue.
04
Génération de rapports financiers personnalisés
Enfin, un assistant LLM a été déployé pour générer des rapports financiers personnalisés à partir de requêtes en langage naturel. Les rapports intègrent automatiquement tableaux, graphiques et analyses, tout en tenant compte des données spécifiques des clients, afin de contextualiser chaque livrable et de faciliter la prise de décision tout en réduisant les tâches manuelles répétitives.
Nos résultats
Impact global
BNPP AM dispose désormais d’une infrastructure de reporting modernisée, centralisée et automatisée. L’industrialisation des processus, l’intégration de l’IA pour le contrôle et la génération des rapports, ainsi que le passage au cloud permettent de réduire les tâches chronophages, limiter les erreurs, accélérer la production de rapports et offrir une expérience utilisateur plus fluide et interactive pour les métiers, clients et régulateurs.
