- Conseiller et réseau
- Guide
Next best action : ce que le conseiller doit pouvoir contester
Une suggestion d’action n’aide le conseiller que s’il voit pourquoi elle apparaît, peut la refuser et dire pourquoi. Trois fiches fictives à l’appui.
Sommaire (8 parties)
Un lundi matin, la liste d’un conseiller affiche une quinzaine de noms. À côté de chacun, une action : proposer un point budget, signaler un abonnement, rappeler un client qui semble sur le départ. Le système qui produit cette liste a regardé des mois d’opérations ; le conseiller, lui, connaît les clients. Les deux savent des choses différentes, et la qualité de la liste dépend de la façon dont ces deux savoirs se rencontrent.
Une next best action (la « meilleure action suivante », dans le vocabulaire du marketing relationnel) ne vaut que si le conseiller peut la contester. Il doit voir pourquoi elle apparaît, pouvoir la refuser et dire pourquoi au système, en quelques secondes, sans avoir à s’en justifier devant sa hiérarchie. Ce qui suit en tire les conséquences, de l’écran jusqu’au journal des refus.
Ce qu’une suggestion engage
Une suggestion porte sur un client, à un moment donné, à partir des données dont dispose le système. Elle ignore ce que le client a raconté à son conseiller la semaine précédente et ce que l’agence sait de sa famille ou de son employeur. Elle engage le système sur une seule chose : les raisons qu’il affiche doivent être exactes.
Le conseiller, lui, reste seul juge de l’opportunité. Il décide s’il appelle, quand, et ce qu’il propose. Une suggestion qu’il ne peut pas refuser devient une consigne, et une consigne produite par un modèle statistique change la nature de l’outil : on ne mesure plus la qualité d’un repère, on mesure l’obéissance à un ordre.
Trois fiches fictives
Les trois fiches qui suivent sont inventées ; leurs montants viennent d’un script à graine fixe, téléchargeable en fin d’article. Chaque fiche montre la suggestion, les trois facteurs que l’écran met en avant, l’élément que seul le conseiller connaît et le refus qu’il saisit.
Aucune de ces suggestions n’est absurde : leurs facteurs sont exacts, et un conseiller qui ne connaîtrait pas le client aurait raison d’appeler. Chaque refus est pourtant justifié.
Ce que l’écran doit montrer
La raison, en mots du métier
Un facteur s’écrit comme le conseiller le dirait au client : « aucun versement depuis 7 mois », et non « variable epargne_flux_6m faible ». Le conseiller doit pouvoir vérifier chaque facteur dans le relevé du client ; un facteur invérifiable ne s’affiche pas.
L’ordre compte aussi. Dans la fiche 1, la hausse des dépenses contraintes est réelle mais faible. La placer au même niveau que les deux autres facteurs lui donne un poids qu’elle n’a pas. L’ordre d’affichage et la formulation doivent refléter le poids relatif de chaque facteur.
Les facteurs, et ce que le système ne voit pas
Ces refus ont une cause commune : une information connue de l’agence que le modèle n’avait pas. Le livret détenu ailleurs, l’abonnement payé pour un proche, la mutation annoncée sont des faits que le conseiller a appris en parlant au client. Ils figurent parfois dans les notes du CRM, rarement dans les données d’entraînement.
L’écran devrait donc dire ce qu’il n’a pas regardé. Une ligne suffit : « Calculé sur les comptes détenus dans la banque, hors notes de l’agence. » Elle prévient le conseiller que le périmètre est partiel et lui indique où son propre savoir a le plus de valeur.
La fiche 2 montre un autre défaut. « Aucune autre opération chez ce bénéficiaire » est un facteur exact, mais il ne prouve pas que l’abonnement est inutilisé : un service par abonnement ne génère pas d’autre opération, qu’on l’utilise ou non. Le refus du conseiller révèle un facteur mal choisi. Aucune mesure de performance globale ne l’aurait montré.
La date des données
« Le salaire n’est pas arrivé ce mois-ci » n’a de sens qu’avec deux dates : celle de l’arrêté des données et celle à laquelle le salaire arrive d’habitude. Si les données datent du 4 et que le salaire tombe le 28, le facteur est exact et pourtant trompeur. La date d’arrêté des données figure sur chaque fiche, et un facteur qui dépend d’un calendrier (salaire, loyer, échéance) se calcule par rapport à la date habituelle de l’opération.
Refuser, et dire pourquoi
Le refus doit coûter moins d’effort que l’acceptation. Il suffit d’un bouton « Ne pas donner suite » et d’une liste courte de motifs, avec un champ libre facultatif. Quatre motifs suffisent pour commencer : une information connue du conseiller et absente des données ; un moment mal choisi pour le client ; une donnée erronée ou périmée ; une suggestion hors du besoin que le client a exprimé.
Le refus motivé est une donnée. D’abord, il évite de reproposer la même action au même client (la fiche 2 ne doit plus revenir). Il signale aussi à l’équipe data les facteurs mal choisis et les données manquantes. Et il mesure la confiance réelle des conseillers, ce que le taux d’acceptation seul ne fait pas.
Deux précautions. Un champ libre peut recueillir des données que l’article 9 du RGPD range parmi les catégories particulières, comme les données concernant la santé (le conseiller de la fiche 2 pourrait y écrire l’état de santé du parent)[1] : il appelle une consigne d’écriture et une durée de conservation. Et le motif sert à améliorer le système, pas à évaluer le conseiller. Si les refus pèsent dans ses objectifs, il cessera de refuser, et la mesure perdra son sens.
Le biais d’automatisation se mesure
Le règlement européen sur l’IA (AI Act) nomme le risque : la « tendance à se fier automatiquement ou excessivement aux sorties » d’un système, qu’il appelle biais d’automatisation[2]. Il le cite en particulier pour les systèmes qui fournissent des informations ou des recommandations concernant les décisions à prendre par des personnes physiques[2]. Une liste de suggestions destinée à des conseillers correspond à cette description, même lorsqu’elle n’est pas un système à haut risque.
Un journal de suggestions permet de le voir. L’exemple suivant porte sur huit semaines fictives et trois conseillers fictifs.
Le conseiller 1 accepte presque tout. Deux lectures sont possibles : les suggestions qu’il reçoit sont excellentes, ou il ne les lit plus. Le taux d’acceptation ne permet pas de trancher. Il faut regarder ce qui suit l’acceptation (l’appel a-t-il eu lieu ?) et comparer avec des portefeuilles proches. Un taux d’acceptation qui approche la totalité est un signal à examiner, pas un résultat à célébrer.
Les conseillers 2 et 3 acceptent dans les mêmes proportions. Le premier dit pourquoi il refuse, le second presque jamais. Pour la banque, seul le conseiller 2 produit de l’information. Le conseiller 3 n’a pas forcément tort ; l’écran lui demande peut-être trop d’effort pour motiver, ou il ne voit pas à quoi sert le motif.
Quand près de la moitié des refus motivés invoquent une information connue de l’agence, la première piste est d’intégrer ce que l’agence sait, avant de raffiner le modèle.
Un journal tenu conseiller par conseiller est aussi un traitement de données personnelles des salariés, et le droit du travail s’y applique. Aucune information concernant personnellement un salarié ne peut être collectée par un dispositif qui n’a pas été porté préalablement à sa connaissance (article L. 1222-4 du code du travail)[3]. Le comité social et économique est informé et consulté, préalablement à la décision de mise en œuvre, sur les moyens ou les techniques permettant un contrôle de l’activité des salariés (article L. 2312-38)[4]. La finalité gagne à être limitée et écrite avant la mise en service : améliorer les suggestions et montrer que l’intervention humaine est réelle, pas évaluer chaque conseiller.
Un cahier des charges emprunté à l’AI Act
L’article 14 de l’AI Act fixe les exigences de contrôle humain des systèmes d’IA à haut risque[2]. Il ne s’applique pas à tout système de suggestion : il vise les systèmes qualifiés à haut risque, et cette qualification se fait système par système, avec la conformité de l’établissement. Son paragraphe 4 reste un bon cahier des charges de conception, parce qu’il décrit précisément ce que la personne chargée du contrôle doit pouvoir faire.
de décider, dans une situation particulière, de ne pas utiliser le système d’IA à haut risque ou d’ignorer, remplacer ou inverser la sortie du système d’IA à haut risque ;
Le même paragraphe, qui s’adresse au fournisseur, demande que le système soit fourni de telle manière que cette personne puisse comprendre les capacités et les limites du système, surveiller son fonctionnement et repérer les anomalies, interpréter correctement ses sorties et avoir conscience du biais d’automatisation[2]. Traduit en écran : des facteurs vérifiables, un périmètre de données affiché, une date d’arrêté, un refus en un geste, un motif qui remonte à ceux qui maintiennent le modèle.
Une autre disposition écrite pour le haut risque éclaire l’organisation. L’article 26, paragraphe 2, demande aux déployeurs de confier le contrôle humain à des personnes qui disposent « des compétences, de la formation et de l’autorité nécessaires ainsi que du soutien nécessaire »[2]. L’autorité, ici, c’est la possibilité réelle de refuser sans être pénalisé.
Une obligation, en revanche, s’applique à tous les systèmes d’IA, quel que soit leur niveau de risque. Dans sa rédaction consolidée au 27 juillet 2026, l’article 4 demande aux fournisseurs et aux déployeurs de prendre des mesures pour favoriser la maîtrise de l’IA de leur personnel, en tenant compte du contexte d’utilisation[2]. Pour un réseau d’agences, cela veut dire que la banque prend des mesures pour former le conseiller à ce que signifie une suggestion, à ses limites et à l’usage qui est fait de ses refus.
Ce qui reste à la banque
Une suggestion ne transfère aucune responsabilité. Si elle porte sur un placement financier, le devoir de conseil et l’évaluation de l’adéquation restent ceux de la banque et du conseiller. Une suggestion qui présente un instrument financier comme adapté à un client peut être une recommandation personnalisée, donc un service de conseil en investissement au sens de la directive MIF 2[5] : l’Autorité des marchés financiers rappelle qu’une recommandation peut être explicite ou résulter d’une opinion sur l’opportunité d’acheter, de souscrire ou de vendre un instrument financier donné[6]. L’adéquation s’évalue alors avant que la suggestion ne soit présentée au client. La directive MIF 2 impose à l’entreprise d’investissement qui fournit un conseil en investissement de se procurer les informations nécessaires sur les connaissances et l’expérience du client, sa situation financière, y compris sa capacité à subir des pertes, et ses objectifs, y compris sa tolérance au risque[5]. En droit français, l’article L. 533-13 du code monétaire et financier demande au prestataire de se procurer ces informations afin de recommander des services et des instruments adéquats et adaptés à la tolérance au risque du client et à sa capacité à subir des pertes[7]. La directive sur la distribution d’assurances (DDA) fixe une exigence comparable pour les produits d’investissement fondés sur l’assurance[8] ; l’article L. 522-5 du code des assurances prévoit, lorsqu’un service de recommandation personnalisée est fourni, d’expliquer en quoi le contrat ou l’option retenus sont plus adaptés à la tolérance aux risques du souscripteur et à sa capacité à subir des pertes[9]. Un modèle peut repérer un besoin probable ; la tolérance au risque ne se lit pas dans un relevé d’opérations.
La gouvernance des produits ajoute une contrainte en amont. L’Autorité bancaire européenne (EBA) a publié le 30 juin 2026 le rapport final qui modifie ses orientations sur la gouvernance et la surveillance des produits bancaires de détail ; les nouvelles orientations s’appliquent à compter du 11 janvier 2027[10]. Ce sont des orientations, émises au titre de l’article 16 du règlement (UE) n° 1093/2010 : chaque autorité compétente indique à l’EBA si elle respecte ou entend respecter ces orientations, ou pourquoi elle ne le fait pas, le délai fixé étant le 27 octobre 2026[11]. En France, l’ACPR devait indiquer avant le 27 octobre 2026 si elle les respecte. Elles couvrent notamment les dépôts, les comptes de paiement, les services de paiement et la monnaie électronique[10]. Elles demandent au producteur de ne concevoir et commercialiser que des produits dont les fonctions, les charges et les risques répondent aux intérêts, aux objectifs et aux caractéristiques du marché cible identifié pour le produit[11]. Le même texte précise que ces orientations ne concernent pas le caractère approprié des produits pour les consommateurs pris individuellement[11].
Pour une next best action, la conséquence est pratique : la suggestion ne devrait jamais proposer un produit à un client qui sort de son marché cible. Ce filtre se pose en amont du modèle, par une règle tenue par la banque, et non en espérant que le modèle l’apprenne. L’adéquation individuelle, elle, reste au conseiller.
Ce que le client peut demander
Le règlement général sur la protection des données (RGPD) définit le profilage comme un traitement automatisé utilisé pour évaluer certains aspects personnels d’une personne, notamment pour analyser ou prédire sa situation économique, ses préférences, son comportement[1]. Un score de départ ou un repérage de besoin d’épargne en relève.
Lorsque les données sont traitées à des fins de prospection, le client peut s’opposer à tout moment au traitement, y compris au profilage lié à cette prospection, et ses données ne sont alors plus traitées à ces fins[1]. Ce droit doit être porté à son attention au plus tard lors de la première communication, clairement et séparément de toute autre information[1]. Une suggestion commerciale ne devrait donc jamais apparaître pour un client qui s’est opposé ; l’écran du conseiller doit refléter cette opposition sans qu’il ait à la chercher.
L’article 22 donne à la personne le droit de ne pas faire l’objet d’une décision fondée exclusivement sur un traitement automatisé, y compris le profilage, produisant des effets juridiques la concernant ou l’affectant de manière significative de façon similaire[1]. En principe, une suggestion qu’un conseiller examine et peut refuser ne relève pas d’une décision fondée exclusivement sur un traitement automatisé : c’est une lecture du texte, pas une règle qu’il énonce. Les lignes directrices du groupe de travail « article 29 » sur la prise de décision individuelle automatisée et le profilage (WP251 rev.01), reprises par le Comité européen de la protection des données le 25 mai 2018[12], précisent cette lecture : le responsable du traitement ne peut pas échapper à l’article 22 en fabriquant une intervention humaine ; pour compter, le contrôle de la décision doit être significatif, et non un geste symbolique, et confié à une personne qui a l’autorité et la compétence pour modifier la décision[13]. Une suggestion pourrait en revanche relever de l’article 22 si le refus n’existait que sur le papier : un conseiller qui valide tout, faute de temps ou par crainte d’être noté sur ses refus, laisse le modèle décider à sa place. Le journal de suggestions sert aussi à montrer que l’intervention humaine est réelle.
Quand une décision relève de l’article 22, le droit d’accès comprend des informations utiles sur la logique sous-jacente, ainsi que l’importance et les conséquences prévues du traitement[1]. Lorsqu’une telle décision repose sur un contrat ou sur le consentement explicite de la personne, le paragraphe 3 de l’article 22 prévoit au moins le droit d’obtenir une intervention humaine, d’exprimer son point de vue et de contester la décision[1]. Des facteurs vérifiables à l’écran préparent la banque à ces demandes.
Le dernier mot revient au conseiller qui a raccroché avec le client de la fiche 3 en notant « rappeler au retour ». Six mois plus tard, la même liste devra se souvenir de ce refus, et le système qui l’a produit devra avoir appris que le salaire versé à l’étranger n’annonce pas toujours un départ.
Télécharger le script de l'exemple (Python)
Sources
- Règlement (UE) 2016/679 du Parlement européen et du Conseil du 27 avril 2016 relatif à la protection des personnes physiques à l’égard du traitement des données à caractère personnel et à la libre circulation de ces données (RGPD), Union européenne, EUR-Lex, JO L 119 du 4 mai 2016 ; articles 4, point 4, 9, 15, paragraphe 1, h), 21 et 22, 27 avril 2016. eur-lex.europa.eu/legal-content/FR/TXT/HTML/?uri=CELEX:32016R0679
- Règlement (UE) 2024/1689 du Parlement européen et du Conseil du 13 juin 2024 établissant des règles harmonisées concernant l’intelligence artificielle, version consolidée au 27 juillet 2026, Union européenne, EUR-Lex, Articles 4, 14 et 26 ; texte consolidé 02024R1689-20260727, outil de documentation sans effet juridique, 27 juillet 2026. eur-lex.europa.eu/legal-content/FR/TXT/HTML/?uri=CELEX:02024R1689-20260727
- Code du travail, article L. 1222-4, Légifrance, Version en vigueur depuis le 1er mai 2008. www.legifrance.gouv.fr/codes/article_lc/LEGIARTI000006900861
- Code du travail, article L. 2312-38, Légifrance, Dernier alinéa ; version en vigueur depuis le 1er janvier 2018. www.legifrance.gouv.fr/codes/article_lc/LEGIARTI000035610275
- Directive 2014/65/UE du Parlement européen et du Conseil du 15 mai 2014 concernant les marchés d’instruments financiers (MIF 2), Union européenne, EUR-Lex, Article 4, paragraphe 1, point 4, et article 25, paragraphe 2 (version initiale), 15 mai 2014. eur-lex.europa.eu/legal-content/FR/TXT/HTML/?uri=CELEX:32014L0065
- Questions-réponses sur la notion de service d’investissement de conseil en investissement (position DOC-2008-23), Autorité des marchés financiers (AMF), Question 1 ; version modifiée le 18 octobre 2019, traduction anglaise publiée par l’AMF, 18 octobre 2019. www.amf-france.org/sites/institutionnel/files/doctrine/en/Position/DOC-2008-23/3.0/Questions%20and%20answers%20on%20the%20concept%20of%20investment%20service%20of%20investment%20advice.pdf
- Code monétaire et financier, article L. 533-13, Légifrance, Version en vigueur depuis le 28 février 2022. www.legifrance.gouv.fr/codes/article_lc/LEGIARTI000044504989
- Directive (UE) 2016/97 du Parlement européen et du Conseil du 20 janvier 2016 sur la distribution d’assurances (DDA), Union européenne, EUR-Lex, Article 30, paragraphe 1 (version initiale), 20 janvier 2016. eur-lex.europa.eu/legal-content/FR/TXT/HTML/?uri=CELEX:32016L0097
- Code des assurances, article L. 522-5, Légifrance, Version en vigueur depuis le 24 octobre 2024. www.legifrance.gouv.fr/codes/article_lc/LEGIARTI000048252377
- Guidelines on product oversight and governance arrangements for retail banking products, Autorité bancaire européenne (EBA), Page de l’instrument : rapport final modificatif du 30 juin 2026, application le 11 janvier 2027, 30 juin 2026. eba.europa.eu/activities/single-rulebook/regulatory-activities/consumer-protection/guidelines-product-oversight-and-governance-arrangements-retail-banking-products
- Orientations modifiant les orientations EBA/GL/2015/18 sur les modalités de gouvernance et de surveillance des produits bancaires de détail (EBA/GL/2026/07), Autorité bancaire européenne (EBA), Version française ; section 4, modifications du paragraphe 5 et de l’orientation 3 (marché cible). www.eba.europa.eu/sites/default/files/2026-08/d4b262c5-d8b7-45fa-a772-89a3719b61cd/EBA%20amending%20GLs%20on%20POG%20GLs%20-%20Final%20report_for%20translation_FR_COR.pdf
- Endorsement 1/2018, Comité européen de la protection des données (CEPD), Point 3 : lignes directrices WP251rev.01, 25 mai 2018. www.edpb.europa.eu/sites/default/files/files/news/endorsement_of_wp29_documents_en_0.pdf
- Guidelines on Automated individual decision-making and Profiling for the purposes of Regulation 2016/679 (WP251rev.01), Groupe de travail « article 29 » sur la protection des données, Adoptées le 3 octobre 2017, révisées le 6 février 2018 ; partie IV, A, page 21, 6 février 2018. ec.europa.eu/newsroom/article29/items/612053