Le KYC (Know Your Customer) est un processus qui ne touche pas que le secteur bancaire. Aujourd’hui beaucoup d’entreprises demandent des justificatifs pour ouvrir l’accès à un service ou à des droits (telecom, FAI, assurance, crédit, CNAM, pôle emploi…).
L’analyse de ces documents ralentit considérablement le processus d’ouverture d’accès et impacte négativement les KPI onboarding de la relation client. Comment accélérer le délai d’ouverture d’accès tout en restant conforme à des normes et des processus de plus en plus contraignants ?
Le cycle de la donnée contenue dans les justificatifs
Les interactions avec les clients sont très majoritairement composées de données non structurées: messages, conversations téléphoniques, chat, réseaux sociaux et documents justificatifs.
Dans le cadre du eKYC (KYC digital), les valeurs des champs de formulaires saisis en ligne par les clients sont directement intégrés dans le CRM. Pour les pièces jointes, opérateur humain va devoir ouvrir le document et saisir les informations dans le système d’information. Dans le meilleur des cas, un OCR pourra automatiquement extraire des données simples et les injecter sans aucun traitement et sans aucun check de conformité et de cohérence.
L’étape suivante repose également sur un opérateur humain qui va vérifier la cohérence des justificatifs fournis. Il pourra par exemple vérifier que le “net imposable” d’un bulletin de paie correspond bien avec les charges salariales. Il vérifiera également que les adresses correspondent bien entre les documents.
Le temps de traitement, même avec un OCR est difficilement compressible. On peut partiellement automatiser l’extraction de données avec un OCR sur des documents structurés (formulaire Cerfa ou documents officiels). Mais la vérification des critères pour établir la conformité d’un dossier reste une tâche manuelle et chronophage qui vient altérer le délai moyen de traitement (DMT) et l’atteinte des KPI de la relation client.
L’IA et la linguistique universelle au secours des KPI de la relation client
Avec une intelligence universelle de compréhension du langage naturel (NLU) on peut extraire les données recherchées des pièces justificatives, même les plus complexes et les moins structurées (statuts d’entreprise, PV d’assemblée générale, avis d’imposition, business plan, bilan…). Un opérateur humain sait précisément quelles informations il recherche dans ces documents. Par exemple, il sait précisément quels critères doivent être conformes pour établir un profil de risque.
C’est cette recherche de critères dans les données non structurées (documents, conversations écrites ou téléphoniques) que nos solutions permettent d’automatiser. Le bénéfice est double. D’abord le DMT de l’onboarding est réduit, car les justificatifs sont tous automatiquement traités. Ensuite l’opérateur humain peut, grâce au gain de productivité, consacrer plus de temps aux cas les plus complexes nécessitant plus de vérification.
Découvrez comment notre technologie permet d’améliorer et d’automatiser la gestion de la customer relationships grâce à nos solutions de traitement de données DocuChecker and InboxCare. N’hésitez pas à contacter nos équipes si vous avez la moindre question, elles se feront un plaisir de vous répondre !
