Dans un secteur bancaire et assurantiel marqué par la multiplication des produits, la fragmentation de l’information et des réglementations de plus en plus strictes, la mise en place d’un référentiel tiers fiable est un impératif. Entre exigences de qualité des données, consolidation client 360° et conformité réglementaire, les banques et assurances doivent garantir une vision unifiée de leurs données clients.
Mais comment réussir ce projet spécifiquement dans le secteur financier et quelles sont les spécifiques à anticiper ? Dans cette interview, nous explorons ces enjeux avec Frédéric Toumelin, expert en gouvernance des données dans le secteur financier. Il partage son retour d’expérience pour fiabiliser un référentiel tiers et en tirer toute sa valeur.
Quelles sont les spécificités d’un référentiel tiers au sein des banques et des assurances ?
Ce qui rend le sujet des référentiels tiers particulièrement complexe dans le secteur bancaire et assurantiel, c’est avant tout la fragmentation des informations et la diversité des sources qui les alimentent. Contrairement à d’autres industries où la donnée client est centralisée dans un CRM ou un ERP unique, les banques et assurances ont historiquement organisé leurs systèmes autour des produits et non du client.
Prenons un exemple concret : lorsqu’un client ouvre un compte courant puis souscrit un crédit immobilier quelques mois plus tard, les informations sont souvent stockées dans des systèmes distincts, parfois sans interconnexion. Cela découle d’une approche commerciale qui a longtemps privilégié la vente de produits spécifiques (épargne, crédit conso, assurance auto, etc.) où chaque service ou filiale dispose de ses propres outils. Résultat : une vision éclatée du client et des difficultés à unifier les données.
Autre spécificité : la concentration du secteur. Les fusions et acquisitions ont entraîné la juxtaposition de systèmes d’information hétérogènes. Lorsqu’une banque ou un assureur rachète un acteur concurrent, la consolidation des bases de données clients est souvent un casse-tête. On se retrouve avec des silos technologiques, et des manières différentes de structurer l’information. Cela complique nécessairement la consolidation d’une vision 360° du client, et la mise en place d’une gouvernance homogène de la donnée.
Pour approfondir, quels facteurs complexifient en particulier la gestion des référentiels ?
Un autre enjeu fondamental tient au fait que les banques et assurances ne gèrent pas toutes leurs interactions en direct avec les clients. La distribution s’appuie souvent sur un écosystème de tiers : courtiers, agents généraux, partenaires B2B… Autant d’acteurs qui manipulent les données clients sans forcément suivre les mêmes standards.
Dans un modèle B2C, une banque peut traiter directement avec ses clients, mais lorsqu’un produit est vendu par un réseau de partenaires, les informations remontées ne sont pas toujours homogènes. Chaque partenaire applique sa propre logique de gestion des contrats et des clients, ce qui complique la synchronisation des données.
Le secteur assurantiel ajoute une couche de complexité supplémentaire avec la notion d’ayant droit. Un contrat d’assurance peut couvrir plusieurs personnes d’une même famille, créant des liens entre clients, bénéficiaires et souscripteurs, qu’il faut modéliser avec précision pour éviter les erreurs et les incohérences. Maîtriser les liens entre clients B2B et B2C apporte également de la valeur pour connaitre le contexte de chaque client. La relation entre personne physique et personne morale n’est pas la même que dans d’autres secteurs et la modéliser est important pour mieux gérer les risques.
En cas de modification des relations entre plusieurs clients (divorce, mariage, indépendance d’un enfant…), il faut être capable de la répercuter et de gérer l’évolution des liens. La réconciliation et la gestion des changements sont des enjeux particulièrement épineux.
Enfin, certains modèles spécifiques, comme le mutualisme, introduisent des enjeux uniques. Les sociétaires sont à la fois clients et actionnaires, ce qui implique une gestion décentralisée des informations. Le régionalisme et les entités locales accentuent également la faible interconnexion des systèmes.
En résumé, il n’existe pas de modèle unique de référentiel tiers dans le secteur bancaire et assurantiel. Certaines entités choisissent un référentiel unique pour l’ensemble des tiers (clients, partenaires, fournisseurs), tandis que d’autres privilégient une segmentation plus fine selon les typologies. L’important est de trouver un équilibre entre consolidation et flexibilité, tout en garantissant la fiabilité des données pour répondre aux enjeux de conformité et de gestion du risque.
Comment optimiser votre démarche Data Quality dans le secteur finance ?
Quels sont les enjeux stratégiques et réglementaires d’un référentiel tiers dans la banque et l’assurance ?
Derrière la mise en place d’un référentiel tiers, il y a bien sûr un enjeu commun à tous les secteurs : la capacité à offrir une vision consolidée du client, et à orienter l’entreprise vers un modèle orienté client et non uniquement produit.
Dans le secteur financier, encore plus que dans d’autres industries, un référentiel tiers est indispensable. Les interactions clients passent par une multitude de canaux, de filiales et de partenaires. Sans un référentiel adapté et une stratégie de gouvernance des données rigoureuse, impossible d’avoir une vision fiable et exploitable des clients.
Un autre enjeu incontournable est celui de la conformité réglementaire. Le RGPD, bien sûr, impose une gestion stricte des données personnelles, mais le secteur financier est également soumis à des réglementations spécifiques, dictées, pour la plupart, par la nécessité de maîtriser les risques systémiques.
Prenons l’exemple du crédit : chaque établissement doit remonter des données précises aux régulateurs dans le cadre de la collecte AnaCrédit, un système de reporting détaillant chaque crédit accordé (montant, taux, profil du client, etc.). Ces informations sont consolidées à l’échelle nationale puis transmises à la Banque centrale européenne pour surveiller d’éventuels dépassements de seuils de risque.
Dans le secteur assurantiel, Solvency II impose des exigences similaires. Une compagnie d’assurance dépassant certains seuils peut être considérée comme insuffisamment couverte, entraînant des restrictions ou des obligations supplémentaires.
Dans ce contexte, la qualité du reporting est non négociable ! Lorsqu’une banque ou une assurance regroupe plusieurs filiales fonctionnant avec des méthodologies et des systèmes hétérogènes, la consolidation des données est un défi. Il faut non seulement unifier et standardiser les informations au sein d’un référentiel pour garantir leur cohérence, mais aussi assurer leur circulation fluide entre les différents systèmes via des processus d’harmonisation et de transcodification.
Au-delà des impératifs réglementaires, l’enjeu est aussi le risque réputationnel. En effet, la confiance est la clé de voûte du système de fonctionnement des banques et des assurances. Une mauvaise gestion des données (erreurs contractuelles, diffusion d’informations erronées…) peut entraîner des conséquences majeures, sans commune mesure avec d’autres secteurs.
Dans le secteur financier, les attentes des clients vis-à-vis de la gestion des données sensibles et de la prévention des incidents, sont à un seuil très élevé !
Quels sont les clés de succès et tes conseils pour réussir la mise en place d’un référentiel tiers dans le secteur financier ?
La première étape est de bien définir le modèle de données. Il faut identifier les attributs qui seront gérés dans le référentiel et cartographier précisément les applications qui manipulent ces données. Cela permet de savoir où la golden data devra être partagée et quelles applications devront s’y abonner. Sans ce travail en amont, on risque de se retrouver avec un référentiel mal intégré, donc sous-utilisé et peu performant.
Suivant la maturité initiale, une étape préliminaire peut être de prendre connaissance de l’ensemble du patrimoine data de l’organisation au travers d’outils de cartographie des données.
Un autre point clé concerne la qualité des données. Il ne suffit pas de stocker des informations, il faut aussi s’assurer qu’elles sont fiables, cohérentes et exploitables. Cela passe par des règles strictes de mise en qualité, en définissant clairement les processus et responsabilités, ainsi que l’application des contraintes réglementaires comme le RGPD ou des normes de sécurité spécifiques au secteur financier, telles que PCI DSS. Dès lors que le référentiel alimente des reportings réglementaires, il entre dans le périmètre de contrôle potentiel de l’ACPR. Il doit donc être auditable et prouver que l’établissement maîtrise ses données.
La synchronisation avec les applications qui consommeront la data est aussi à prendre en compte dans votre projet de référentiel tiers. Comment les flux d’échange vont-ils fonctionner et quelles sont les populations qui utiliseront ces données ? Conseillers clients, responsables des offres… Chaque catégorie d’utilisateurs a des attentes spécifiques, et il est important que les données soient structurées en conséquence.
La mise en place d’un référentiel tiers implique aussi une phase de reprise d’historique et de mise en qualité des données existantes. C’est ici que l’on retrouve le principe du « Garbage In, Garbage Out ». Si les données intégrées dans le référentiel sont erronées ou incomplètes dès le départ, elles le resteront en sortie. Une bonne approche consiste à automatiser la qualité des données dès leur création grâce à des processus BPM (Business Process Management) intégrés aux formulaires et aux portails, plutôt que de s’appuyer sur des saisies manuelles non contrôlées.
BPM : Nouvelle priorité stratégique des directions générales et opérationnelles.
Enfin, il ne faut pas voir le référentiel comme une simple base statique, mais comme un élément central du SI, évolutif et en interaction constante avec les autres applications. L’enjeu n’est pas seulement technique, il est aussi organisationnel. C’est pourquoi une stratégie d’amélioration continue est indispensable, avec un suivi régulier de la qualité des données et une implication des métiers dans la validation des règles de gestion.
La valeur d’un référentiel dans le secteur financier réside aussi dans sa capacité à évoluer et à s’adapter aux nouveaux besoins métiers et réglementaires. La gouvernance peut apporter de l’agilité face au contexte marché !
Quelles solutions apporte Blueway pour répondre à ces enjeux de qualité de données et de mise en place de référentiels tiers spécifiquement adaptés au secteur de la banque et de l’assurance ?
Avec le module MDM Master Data Management) de sa plateforme de données Phoenix, Blueway offre aux banques et assurances une solution complète pour mettre en place, structurer et sécuriser leurs référentiels tiers.
De plus, l’approche modulaire de Phoenix (MDM, BPM, ESB/ETL, APIM, Data Catalog) permet de s’adapter à votre environnement technologique. Nos clients activent uniquement les briques nécessaires – en complément du référentiel tiers – , garantissant ainsi une intégration fluide avec leur SI existant. Pour accélérer la mise en œuvre, nous proposons également des modèles préconfigurés de référentiel de données et de processus.
En tant qu’éditeur français, Blueway répond à vos enjeux de souveraineté numérique. Nous laissons également aux acteurs financiers le choix entre un déploiement SaaS ou On-Premise, selon leurs choix d’architecture et leurs contraintes de sécurité. Et avec notre Business Unit Finance, nous garantissons un accompagnement personnalisé ainsi qu’une compréhension de vos enjeux et de votre langage métier !
Échangez sur le Data Catalog avec un expert Blueway !
