2. • AJUSTIX : La genèse
• Pain Statement- Digital Process Automation / Smart Process Automation
• Rationnels de choix de solution : Accélération du process , traçabilité ,
automatisation, potentiel de R&D
• Mode de co-construction; déploiement a l’international, necessité d’évolutivité
• Les enseignements à tirer : Mode agile en mode collaboratif (12 ateliers);
gouvernance
• Les prochaines étapes : Acquisition de la connaissance optimisé pour accélérer les
développement
Agenda
P.2
3. La genèse : Pain statement
• Contexte du projet
–Les groupes d’intervention réglementaire doivent faire face à l’obsolescence de leurs
outils(Rapprochement Compta Risque) en charge de la production des Ajustements a une maille
agrégat
–La mise en place des projets IFRS9 et Maille Contrat nécessitent la revue du processus
d’ajustement dans un avenir proche (T1 2018)
–Il reste une charge manuelle à la charge des équipes interne avec une forte contention sur la
période d’arrêté dans un contexte d’accélération des demandes de production (Trimestriel vers
le mensuel) et d’augmentation des exigences de qualité de la part des régulateurs
• Objectifs du projet
–Fournir un outil capable d’effectuer le rapprochement compte-risque de niveau 1 et d’ajuster
l’assiette et le résultat à une maille plus fine
–Fournir une piste d’audit autoalimentée sur les raisons d’ajustement
–Valider une architecture de type Robot basée sur des règles métiers afin de la déployer au sein
des entités du groupe
–Préparer la mise en place de l’approche machine learning en phase 2
4. AjustiX
SAFIR Risk Adjustment
production Business
Rules
-> implementation of the business
rules formalized within the
designer
Rules administration
(Designer)
-> Formalization of the business
rules, addition of new business rules,
implemented within the rule engine
(see 3)
Creation of decision trees
Modification or suppression of
business rules
1
Rules execution control
(Monitoring)
• Audit trail
•Suggestion of new business rules
•Execution statistics
SAFIR
Automatic risk
RCR2
adjustments in
SAFIR
Automatic sending of
anomaly tickets to the
applications
JIRA ticket
-> Referentials
update (add an
new account in
SYREM, change
the G/HG flag,
etc.)
5
GRACE
SAFIR
AJUSTIX
Monitoring
record
Get queries to get
complementation
information
Accounting
reconciliation
Comments
level 1
SAFIR Accounting
Adjustment production
Business Rules
(Rule engine)
Audit trail reports creation
-> implementation of the business rules
formalized within the designer
AC
reports
archive
Digital Process Automation du process de production
réglementaire
9. Description d’un atelier sur les rapprochements (1/2)
Visualisation d’une règle métier simple pour un rapprochement
P.9
C1 | Comité de Pilotage Ajustix
Langage permettant de capturer la connaissance et de la développer en mode Agile
10. Description d’un atelier sur les rapprochements (1/2)
Répertoire contenant l’ensemble des règles de rapprochement en fonction des différents PCI
Pour Entreprise :
Nombres de règles exécutées = 2916
Temps d'exécution = 0.539 ms
Pour Particulier :
Nombres de règles exécutées = 6624
Temps d'exécution = 0.518 ms
P.10
12. Méthodologie de cadrage
Méthodologie de cadrage des règles d’ajustement (1/2)
Typologie des
ajustements fournie par
(BSC/DAT)
Identification du sourcing des
données
Règle de production des
ajustements Données
Dictionnaire des données
brutes
Identification des flux
F1
F2
F3
• Identification des typologies actuelles et futures d’ajustements (incluant l’existant
et les impacts projets)
• Etablir le dictionnaire de données utilisables par le robot
• Identification des flux : sur la base des données définies, identification du
sourcing des données et identification des flux nécessaires à l’alimentation du
robot
• Analyse et mise en place des services de règles métiers associés
• Base de restitution dans un univers BO
1 2
3
Service des règles métiers
•Analyse des écarts
•Production des ajustements
•Service de notification/
remédiation
4
1
2
3
4
5
5
Restitution
•Mettre en place une base de
restitution dans un univers BO
P.12
Contrôles à mettre en place tout au long de la chaîne
C1 | Comité de Pilotage Ajustix
13. Ateliers
Structure de
règles
métier(B)
Ateliers
définitions/
Sources (A)
Ateliers
Règles
d’acquisition
(C)
Atelier
Cinématique
et
restitutions
BO (E)
Ateliers
Règles de
production
(D)
Atelier E-1
Définition de la
cinématique
d’ensemble
Atelier B-1
Définition
services de
règles
Atelier A-1
Définition
données
intrinsèques
Atelier A-2
Définition
données
Exogènes
(Entrées et
sorties)
Atelier A-3
Validation
dictionnaire et
données
transformées
Atelier B-2
Structuration
services de
régles
Atelier B-3
Services
Cognitif
Atelier C-1
Définition des
règles
D’acquisition
Atelier C-2
Définition des
règles de
contrôles
Ateliers AJUSTIX de construction des services de règles métiers
S8-S9 S10-S11 S12 S13-S15 S16-S17
Atelier D-1
Définition
des régles
D’ajustemen
t
Atelier D-2
Définition
des régles
D’ajustemen
t
Atelier D-3
Définition
des régles
D’ajustemen
t
Atelier D-4
Définition
des règles
D’ajustemen
t Atelier E-2
Définition des
restitutions et
du pilotage
d’ensemble
Atelier B-1 Observation Design
Thinking
Prototype
Design Thinking Brainstorming
14. Ajustix : Mode de Restitution (1/2)
• Compte rendu
d’exécution Ajustix
• Utilisé au cours
de l’arrêté
• Analyse dynamique
des Règles parcourues
• Cas non traités
• Statistiques sur les
règles traitées
• Analyse des lots
complets
• Utilisé en post-arrêté • Analyse des
ajustements Passés
• Ecart et mode
d’ajustement
• Typologie des cas
• Origine source
Axes
. Secteur : Entreprise/particulier
. PCI
. Agence
. Banque/filiale
. Règles/traitement
. Source : BSRE/4C/STARLEASE
/GENEFIM/REJETS
Valeurs
. Ecart
. PCI
. Agence
. Banque/filiale
. Règles/traitement
Navigation dans les Axes :
Présentation des valeurs :
P.14
15. 27/06/2017
Ajustix : Mode de Restitution (2/2)
Production des données :
Rapprochement/Ajustement
Exploitation/Navigation PowerBI
Exploration Statique/Dynamique
P.15
16. 27/06/2017 16
Développements futurs
Simplification de l’interface
d’acquisition des logiques métiers en
ajoutant de la technologie Cognitive
1
2
Machine learning sur les retours
d ’éxécution et les pistes d’audits ,
recommandation de rule set
3
Implantation de technologie NLG
intelligente en combinatoire
Articulation avec les technologies
blockchain pour sécuriser et
authentifier les prises de décision
4