Le big data et la banque

Pierre Metge
Dans Revue d'économie financière 2015/2 (n° 118), pages 93 à 101
Éditions Association Europe Finances Régulations
ISSN 0987-3368
ISBN 9782916920795
DOI 10.3917/ecofi.118.0093
© Association Europe Finances Régulations | Téléchargé le 04/05/2024 sur www.cairn.info (IP: 41.248.2.160)

© Association Europe Finances Régulations | Téléchargé le 04/05/2024 sur www.cairn.info (IP: 41.248.2.160)

Article disponible en ligne à l’adresse

https://www.cairn.info/revue-d-economie-financiere-2015-2-page-93.htm

Découvrir le sommaire de ce numéro, suivre la revue par email, s’abonner...

Flashez ce QR Code pour accéder à la page de ce numéro sur Cairn.info.

Distribution électronique Cairn.info pour Association Europe Finances Régulations.

La reproduction ou représentation de cet article, notamment par photocopie, n'est autorisée que dans les limites des conditions générales d'utilisation du site ou, le
cas échéant, des conditions générales de la licence souscrite par votre établissement. Toute autre reproduction ou représentation, en tout ou partie, sous quelque
forme et de quelque manière que ce soit, est interdite sauf accord préalable et écrit de l'éditeur, en dehors des cas prévus par la législation en vigueur en France. Il est
précisé que son stockage dans une base de données est également interdit.
 GRP : revues JOB : num118⊕xml DIV : 18⊕mp⊕Metge p. 1 folio : 93 --- 18/6/015 --- 10H54

LE BIG DATA ET LA BANQUE

PIERRE METGE*

BIG DATA : UNE RÉVOLUTION EN MARCHE ?

L
’émergence du big data & analytics est directement liée au
développement du digital et à la multiplication des interactions
© Association Europe Finances Régulations | Téléchargé le 04/05/2024 sur www.cairn.info (IP: 41.248.2.160)

© Association Europe Finances Régulations | Téléchargé le 04/05/2024 sur www.cairn.info (IP: 41.248.2.160)
fondées sur l’échange de données : au travers de plus de canaux
de contact, via des messageries électroniques, sur les réseaux sociaux, ou
encore à partir d’objets connectés, etc.
La conséquence de cette évolution est d’abord une explosion des
données, les fameux big data : il se produit en une journée de 2015 dix 93
fois plus de données que sur toute l’année 1997. Ainsi, 90 % des
données actuelles ont été créées ces deux dernières années. Et ce volume
double tous les deux ans1...
Ces données sont de natures de plus en plus diverses : elles peuvent
être structurées (comme des données de profil client ou de transaction)
ou non (la voix, la vidéo, le texte, l’image, etc.).
La richesse d’information sur les comportements des individus dans
les différentes facettes de leur vie n’a jamais été aussi importante, ni
aussi accessible.
En parallèle, une combinaison d’évolutions technologiques impor-
tantes fait tomber les barrières à l’utilisation de ces données grâce à des
capacités d’analyse et de prédiction démultipliées (advanced analytics).
Les champs d’application deviennent beaucoup plus larges, dépassant
le seul cadre des données structurées à l’intérieur de l’entreprise. Les
corrélations sont ainsi détectées sur un panel d’informations beaucoup
plus important. Plus innovant encore, des modèles sont également
capables d’auto-apprentissage statistique (machine learning).
Mais les barrières s’effacent aussi face à des capacités d’accès de
stockage et de traitement quasiment illimitées (grâce en particulier à

* Directeur marketing stratégique groupe, Crédit agricole. Contact : pierre.metgescredit-agricole-sa.fr.

 GRP : revues JOB : num118⊕xml DIV : 18⊕mp⊕Metge p. 2 folio : 94 --- 18/6/015 --- 10H54

REVUE D’ÉCONOMIE FINANCIÈRE

Hadoop). L’augmentation de puissance des calculateurs et la réduction

drastique des temps de traitement se font à des coûts très significati-
vement inférieurs aux technologies traditionnelles (rapport de 1 à
1 000 en moyenne). Théoriquement, ces nouvelles technologies com-
plètent les systèmes existants sans les remettre fondamentalement en
cause.
Enfin, par l’apport d’outils de visualisation de toutes ces données
(data visualisation), la culture du chiffre revient sur le devant de la scène
et les décisions sont facilitées.
Il existe aujourd’hui un foisonnement d’initiatives mêlant différents
écosystèmes dans une recherche commune pour tirer de nouveaux
types de valeurs : la communauté scientifique travaille en réseau de
manière permanente et à l’échelle mondiale (exemple des technologies
open source « R »).
La maîtrise des données et leur exploitation pertinente deviennent
ainsi des avantages concurrentiels clés des entreprises à l’ère du digi-
tal. Une multitude d’entrepreneurs développent des usages nouveaux,
© Association Europe Finances Régulations | Téléchargé le 04/05/2024 sur www.cairn.info (IP: 41.248.2.160)

© Association Europe Finances Régulations | Téléchargé le 04/05/2024 sur www.cairn.info (IP: 41.248.2.160)
avec parfois pour conséquence l’émergence de modèles économiques
qui percutent les chaînes de valeur traditionnelles. Ces prochaines
années, une entreprise leader tirera probablement sa domination de la
94 conjonction de la puissance de ses réseaux de distribution avec sa
capacité à exploiter les données dont elle dispose.
Nous voyons sous nos yeux chaque jour un peu plus que le couple
big data et advanced analytics fait émerger de nouvelles opportunités.
L’optimisation des modèles économiques existants concomitamment
sur les leviers coûts et revenus
Il est ici question de perfectionner le mode d’exercice de métiers
traditionnels en étant plus efficaces pour conquérir des clients, les servir
ou encore maîtriser les risques. Ces outils peuvent d’abord nous aider
à améliorer l’expérience client par une hyperpersonnalisation des in-
teractions sur tous les canaux, nourrie par l’enrichissement du CRM
(customer relationship management) avec une vue client à 360°. L’effi-
cacité des ciblages marketing serait ainsi multipliée par sept grâce à
l’utilisation de modèles prédictifs permettant d’anticiper des moments
de vie d’un client, comme le départ à la retraite ou le renouvellement
du véhicule. Autre terrain, celui d’une meilleure efficacité opération-
nelle, en sachant, par exemple, mieux prévoir la demande et les ventes
ou optimiser, comme l’a fait le transporteur UPS, les parcours de ses
véhicules par l’analyse de leurs données en temps réel. En matière de
gestion du risque et de la fraude, la capacité à multiplier les types et les
sources de données et les traiter en peu de temps, voire en temps réel,
constitue un atout en permettant de passer d’un processus a posteriori
 GRP : revues JOB : num118⊕xml DIV : 18⊕mp⊕Metge p. 3 folio : 95 --- 18/6/015 --- 10H54

LE BIG DATA ET LA BANQUE

à un système de détection de la fraude en quelques secondes. Enfin, le

big data & analytics permet de décloisonner les données existantes et de
produire de manière visuelle et intelligible des rapports ad hoc dans des
délais très ramassés avec une profondeur inédite.

La rupture des chaînes de valeur existantes

L’exploitation des données a permis à des acteurs de se positionner
en périphérie voire au cœur de la chaîne de valeur d’acteurs éco-
nomiques préexistants. Ces ruptures se traduisent souvent par l’inter-
médiation des clients finals. Ainsi, la plate-forme de réservation de
Booking.com lui permet de s’interposer entre le client et les hôteliers,
réduisant ces derniers au statut de producteurs à faible valeur ajoutée
portant les coûts. Les effets constatés sont de trois ordres : captation de
la relation client, prélèvement d’une commission et prise de contrôle de
la politique tarifaire des hôteliers.
Par ailleurs, les partenariats stratégiques fondés sur l’exploitation des
© Association Europe Finances Régulations | Téléchargé le 04/05/2024 sur www.cairn.info (IP: 41.248.2.160)

© Association Europe Finances Régulations | Téléchargé le 04/05/2024 sur www.cairn.info (IP: 41.248.2.160)
données tendent à se développer. Par exemple, deux acteurs mondiaux
de l’aviation et de l’hôtellerie se sont accordés sur le partage de leurs
données afin d’enrichir leurs offres et de permettre un parcours client
unifié sur l’ensemble de son voyage. Le cloisonnement des chaînes de
valeur tombe et de nouveaux espaces de création de valeur émergent. 95
Les services financiers sont un secteur privilégié d’innovation à partir
du big data & analytics. De nombreuses start-up développent des
modèles originaux sur l’ensemble des métiers et de la chaîne de valeur :
des start-up comme OnDeck, Zest Finance ou KrediTech ont créé des
moteurs de scoring fondés sur des données totalement différentes de
celles utilisées traditionnellement dans les banques (réseau relationnel
sur Facebook, etc.).

La génération de nouveaux modèles économiques

De nouveaux modèles de services autour de l’analyse des données sur
l’usage commencent à se faire jour. Les données, plutôt leurs valeurs
intrinsèques, donnent même des idées à certains qui réfléchissent à
comment les monétiser pour augmenter leurs revenus. Les possibilités
sont théoriquement nombreuses.

POURQUOI FAUT-IL AGIR ?

La première raison d’agir est que l’émergence d’une économie fon-
dée sur les données est devenue inéluctable et s’impose avec violence
dans le paysage économique et financier. Les capitalisations boursières
atteintes par les géants du digital, dont le modèle repose sur les tech-
 GRP : revues JOB : num118⊕xml DIV : 18⊕mp⊕Metge p. 4 folio : 96 --- 18/6/015 --- 10H54

REVUE D’ÉCONOMIE FINANCIÈRE

nologies du big data & analytics (réseaux sociaux, moteurs de recherche,

moteurs de recommandation, etc.), en sont une expression flagrante.
De même, l’explosion des solutions technologiques orientées sur le
traitement des données (Qlickview, Tableau, R, Pivotal, etc.) illustre la
montée fulgurante des besoins et des attentes dans ce domaine.
Ensuite parce que l’avantage compétitif dans ce domaine s’appuie
sur les notions d’historique et de vitesse d’exécution.
L’historique d’abord : l’historique des données disponibles et leur
profondeur d’historisation permettent d’identifier des schémas statis-
tiquement pertinents sur un cycle de vie client entier, notamment dans
les services financiers qui ont un véritable enjeu à accompagner l’évo-
lution des besoins financiers de leurs clients dans le temps. Les ban-
quiers disposent dans ce domaine d’un atout majeur. Par ailleurs, les
nouveaux modèles mathématiques déployés sont « auto-apprenants »,
c’est-à-dire que les algorithmes développés s’affinent avec l’utilisation.
Par exemple, un moteur de recommandation se perfectionne en fonc-
tion de l’analyse des recommandations suivies d’une vente ou non. Plus
© Association Europe Finances Régulations | Téléchargé le 04/05/2024 sur www.cairn.info (IP: 41.248.2.160)

© Association Europe Finances Régulations | Téléchargé le 04/05/2024 sur www.cairn.info (IP: 41.248.2.160)
un modèle a d’historique, plus il est performant.
La vitesse d’exécution ensuite : elle s’exprime par la capacité à porter
cette puissance de calcul au service du client, qui ne supporte plus
96 l’attente lors du lancement de son ordinateur personnel, qui ne veut
plus des temps de calcul sur un site d’achat en ligne et à qui l’idée même
d’une réponse différée semble inconcevable.
Elle s’exprime aussi dans la nécessité de revoir les approches projets
plus agiles, privilégiant la multiplicité des expérimentations quitte à
n’en industrialiser qu’une partie, mais à les mettre en œuvre ou les
abandonner rapidement.
La menace que le big data & analytics fait peser sur les modèles
économiques actuels des services financiers est de trois ordres :
– d’abord une menace de contournement des barrières à l’entrée, de
nouveaux acteurs se fondant uniquement sur des maillons spécifiques
de la chaîne de valeur (l’entrée en relation, la comparaison, etc.), sans
avoir à réaliser les investissements nécessaires pour devenir un acteur au
sens propre du secteur (appliquer la réglementation bancaire, concevoir
des produits, construire des usines de production, etc.) ;
– ensuite, une menace liée à la réduction de l’asymétrie d’informa-
tion. La détention et le partage des données, autrefois administrés par
la banque dans des conditions extrêmement restrictives, deviennent
l’apanage du client, qui décide souverainement qui peut avoir accès ou
non à tout ou partie de ses données personnelles. Dans une économie
de la donnée, la fin de cette asymétrie d’information représenterait pour
le secteur bancaire la perte d’un avantage compétitif ;
 GRP : revues JOB : num118⊕xml DIV : 18⊕mp⊕Metge p. 5 folio : 97 --- 18/6/015 --- 10H54

LE BIG DATA ET LA BANQUE

– enfin, une menace liée au développement d’usages à caractère

addictif : chercher une information (Google), développer ses relations
sociales (Facebook, Twitter) ou professionnelles (LinkedIn), consom-
mer (Amazon) sont autant d’usages sur lesquels des acteurs se sont
focalisés au point d’acquérir des positions monopolistiques à l’échelle
globale.
Dans l’univers des services financiers, le développement d’un perso-
nal finance management de nouvelle génération présenterait une me-
nace crédible pour les banques car il combine ces trois menaces : en
agrégeant les données des différents comptes bancaires du client (fin de
l’asymétrie d’information), ils deviennent l’interface première de
consultation des comptes (usage addictif), peuvent développer une
proposition de valeur qui empiète sur le conseil et la distribution
(capacité à proposer un crédit en fonction de la situation financière du
client, benchmark des coûts bancaires supportés par le client, etc.), sans
toutefois avoir à construire les offres ou les usines bancaires (contour-
nement des barrières à l’entrée).
© Association Europe Finances Régulations | Téléchargé le 04/05/2024 sur www.cairn.info (IP: 41.248.2.160)

© Association Europe Finances Régulations | Téléchargé le 04/05/2024 sur www.cairn.info (IP: 41.248.2.160)
QUID DU BIG DATA DANS LA BANQUE DE DÉTAIL ?
Les clients se distancient de plus en plus de l’agence bancaire pour
97
de bonnes raisons (il est plus simple et facile d’effectuer une transaction
comme un virement avec un smartphone ou un ordinateur) ou de
moins bonnes, comme un parcours client encombré d’embûches plus
ou moins saillantes ou encore la perception que l’entretien avec un
conseiller n’a pas su apporter une réponse personnalisée et pertinente
à une difficulté rencontrée ou un projet en construction. La réponse à
proposer doit gérer un paradoxe : des clients voulant plus d’autonomie
tout en attendant de l’expertise, du conseil, de l’accompagnement, de
préférence sur un mode proactif, de la part de leur banque.
Après les années du 100 % physique, puis le développement de
réponses par des 100 % pure players, nous entrons maintenant dans une
phase où le « digital entre dans le physique ». L’enjeu ici est de cons-
truire un modèle relationnel hybride (digital et physique), sans couture,
puissant, où le digital est notamment un moyen de faciliter les usages
et la vie des clients, mais aussi de renforcer l’humain, celui qui, pour
encore quelque temps sur les sujets de finances personnelles et fami-
liales, portera la valeur par le conseil et l’accompagnement.
Une banque doit mieux savoir identifier et connaître à distance le
client et ses besoins pour lui faire, via le conseiller et les canaux à
distance, de façon proactive, une proposition pertinente et vraiment
personnalisée. Face à ce changement de paradigme, l’appui du CRM et
du big data sera capital.
 GRP : revues JOB : num118⊕xml DIV : 18⊕mp⊕Metge p. 6 folio : 98 --- 18/6/015 --- 10H54

REVUE D’ÉCONOMIE FINANCIÈRE

Dans cette course, une banque ne part pas démunie. Elle dispose
généralement d’actifs propres de grande valeur :
– la richesse et la profondeur des données détenues, et cela est
encore plus vrai dans le cas d’une grande banque de détail couvrant la
palette des métiers et bénéficiant d’une grande part de marché, no-
tamment dans les métiers des services financiers aux particuliers : la
quantité d’information sur ses clients – leurs besoins, leurs habitudes de
consommation, leurs comportements, etc. – est unique et lui permet
même de disposer d’une représentation fidèle et représentative de la
population française ;
– l’historique : les informations dont dispose une banque ont gé-
néralement une profondeur historique rare qui permet de reconstituer
sur un cycle de vie client complet les caractéristiques de leurs besoins
bancaires, d’en mesurer l’évolution dans le temps et, ainsi, de réaliser
des anticipations fiables ;
– la certification : compte tenu des exigences réglementaires et de
leur nature propre, les données disponibles sont fiables et avérées ;
© Association Europe Finances Régulations | Téléchargé le 04/05/2024 sur www.cairn.info (IP: 41.248.2.160)

© Association Europe Finances Régulations | Téléchargé le 04/05/2024 sur www.cairn.info (IP: 41.248.2.160)
– la sécurité : les banques bénéficient encore, pour l’ensemble de
la population, d’un capital de confiance fort et d’un a priori de
protection qui leur permet de jouer à plein sur le registre du tiers de
98 confiance.
Ces atouts, certaines entreprises leader du big data & analytics rêve-
raient de pouvoir en disposer. Dans la réalité, si elles brassent un
volume important de données, ce sont rarement des informations aussi
fiables et complètes que celles dont disposent les banques.
Mais le chemin vers l’exploitation performante des données ne se
tracera pas sans embûches. De nombreuses autres questions devront
trouver leur réponse.
D’abord, parce que le niveau d’acculturation est souvent très inégal
au sein des entreprises, tant sur le contenu du sujet (compréhension de
ce qu’est le big data & analytics) que sur celui des menaces et des
opportunités associées. Et cette hétérogénéité peut être perceptible tant
au sein d’un métier qu’au sein de lignes managériales.
Par ailleurs, les compétences clés (data scientists, etc.), lorsqu’elles
existent, sont encore rares, dispersées et pas toujours organisées de
manière optimale. Quels investissements dans les talents nécessaires ?
Quelles filières de recrutement et de gestion ? Qu’en est-il des autres
profils moins pointus, mais tout aussi nécessaires ? Comment insuffler
plus encore la culture de la donnée au sein de l’entreprise ?
De même, la stratégie informatique et la doctrine technologique
peuvent être encore en maturation avec des questions structurantes
restant à traiter. Comment accueillir et traiter des données provenant
 GRP : revues JOB : num118⊕xml DIV : 18⊕mp⊕Metge p. 7 folio : 99 --- 18/6/015 --- 10H54

LE BIG DATA ET LA BANQUE

de différentes entités ou de l’extérieur ? Quelles règles communes et

partagées de gestion et de gouvernance des données ? Quelles procé-
dures pour garantir la sécurité des données ?
Quel modèle opérationnel adopter ? Certaines entreprises, en
France et à l’étranger, construisent des data labs, offrant un envi-
ronnement technique et humain dédié au lancement et à l’indus-
trialisation d’expérimentations en matière de big data & analytics avec
la bonne taille critique tout en favorisant les synergies. Est-ce la bonne
approche ?
Quels programmes d’expérimentations prioritaires ? Quels taux
d’échecs sommes-nous prêts à accepter dans les expérimentations ?
Quelles interactions entre les fonctions d’études et d’analyses mar-
keting avec celles d’exploitation des données et de big data ? Pour une
connaissance client plus exhaustive, un enjeu de mise en place de
solutions permettant d’exploiter la richesse des informations contenues
dans les bases de données tout en l’associant à la pertinence d’une étude
© Association Europe Finances Régulations | Téléchargé le 04/05/2024 sur www.cairn.info (IP: 41.248.2.160)

© Association Europe Finances Régulations | Téléchargé le 04/05/2024 sur www.cairn.info (IP: 41.248.2.160)
marketing, le tout confrontant ainsi :
– ce que sont les clients, ce qu’ils font avec l’entreprise (données
fichiers clients et open data) ;
– ce qu’ils pensent, comprennent, ressentent et attendent (données
d’études qualitatives et quantitatives). 99
Comment rester à l’affût et gérer les relations avec l’écosystème
innovant : start-up, partenaires technologiques, monde académique ?
Enfin, et c’est même par-là que la réflexion doit commencer, pour
pouvoir aborder efficacement les enjeux liés à l’exploitation massive des
données, il est essentiel d’avoir une vision clairement formulée et des
moyens ordonnés à cette vision. Dans quelle perspective une telle
approche s’inscrit-elle ? Quels objectifs stratégiques et/ou métiers
doivent-ils servir prioritairement ? Quelles sont les possibilités et les
règles à respecter pour la mise en œuvre de ces nouveaux moyens ?
Quelle ambition et quels investissements ? Quels sont les retours
attendus ? Quelles interactions avec les chaînes CRM existantes ?
L’absence de réponses à ces nombreuses questions pourrait générer
des risques majeurs :
– la dispersion des efforts et, in fine, des investissements, sans impact
majeur sur la performance des métiers ;
– le risque de réputation lié à des expérimentations non encadrées
sur des sujets hautement sensibles, et qui le seront de plus en plus, et
à fort impact sur la confiance des clients ;
– la faible lisibilité en interne comme externe des objectifs pour-
suivis, se traduisant par une sensibilisation insuffisante des équipes et
une attractivité réduite pour les talents externes ;
 GRP : revues JOB : num118⊕xml DIV : 18⊕mp⊕Metge p. 8 folio : 100 --- 18/6/015 --- 10H54

REVUE D’ÉCONOMIE FINANCIÈRE

– la tentation de rester dans une logique expérimentale sans traiter

efficacement les problématiques de fond susceptibles de faire du big
data & analytics un véritable levier de transformation.

EN CONCLUSION, IL RESTE MALGRÉ TOUT UNE QUESTION

MAJEURE : L’USAGE DES DONNÉES PERSONNELLES
Sujet nouveau, complexe et à fort enjeu, le big data & analytics ne
réglera pas instantanément tous les problèmes, mais nous aidera à
mieux faire l’existant, tracer une courbe d’expérience, monter en com-
pétences sur les données et surtout améliorer sensiblement la connais-
sance client, notamment comportementale.
Mais ces nouvelles approches et outils nous posent, collectivement,
des questions dépassant le cadre d’un simple usage par une entreprise.
Lorsqu’un nouvel acteur financier proposera des prêts ou des assurances
qu’aux contreparties avec les meilleurs risques, aidé en cela par l’analyse
de données, il remettra en cause le principe de la mutualisation du
© Association Europe Finances Régulations | Téléchargé le 04/05/2024 sur www.cairn.info (IP: 41.248.2.160)

© Association Europe Finances Régulations | Téléchargé le 04/05/2024 sur www.cairn.info (IP: 41.248.2.160)
risque. La question transcende la banque, l’assureur, elle touche à nos
choix et modèles de sociétés.

100 Une nouvelle approche du législateur ?

Confronté à cette évolution rapide, le régulateur remet en cause les
modèles législatifs hérités du développement de l’informatique des
années 1970. En France, le principe de finalité posé par la loi infor-
matique et liberté de 1978 est antinomique avec l’approche big data. La
Commission nationale de l’informatique et des libertés (CNIL) réflé-
chit, en lien avec l’Union européenne, à une évolution de son approche.

Au-delà de la législation, l’usage des données devient un sujet

de préoccupation croissante chez nos concitoyens
Le développement d’Internet génère une profusion de données per-
sonnelles. À ce titre, les Français, de plus en plus inquiets, expriment
des attentes fortes envers les institutions et les entreprises pour qu’elles
assurent la protection de leurs données2. Cette nécessité de protection
est naturellement exacerbée pour une banque : l’utilisation des données
personnelles doit être envisagée à l’aune du statut de tiers de confiance
dont elle dispose aux yeux de ses clients.
La façon dont la banque va travailler sur les données est donc
centrale. Quelles données ? Quelles utilisations ? La clarté et la cohé-
rence du positionnement seront clé. Car si les Français ne sont pas
formellement opposés à l’exploitation de leurs données en échange de
bénéfices concrets, ils ne sont pour autant pas prêts à tout accepter. Les
 GRP : revues JOB : num118⊕xml DIV : 18⊕mp⊕Metge p. 9 folio : 101 --- 18/6/015 --- 10H54

LE BIG DATA ET LA BANQUE

données concernées (internes ou externes), l’utilisation faite et la fina-

lité (interne ou externe) et le renvoi ou non à l’identité du client
peuvent alimenter ou au contraire apaiser les réticences.
L’enjeu est de conjuguer ce qui a priori est irréconciliable : l’exploi-
tation des données et leur protection. Cette contradiction porte une
exigence forte de cohérence de l’action d’une banque en matière de
traitement de ses données : elle doit porter le bénéfice au client, en
transparence, en lui donnant la maîtrise de ses données et en toute
sécurité.
Notre conviction est qu’après une phase de candeur sur le sujet,
l’extrême inverse est à venir. L’effet de balancier, comme le qualifie
Pierre Bellanger3, va probablement projeter un fort mécontentement
dans la société quant à l’utilisation des données personnelles.
Pour une banque comme le Crédit agricole, la question de l’usage
des données personnelles est primordiale en ce sens qu’elle doit être
cohérente avec ses valeurs de solidarité et d’éthique. L’usage qui en est
et sera fait doit rendre service aux gens, les aider à être plus forts, et non
© Association Europe Finances Régulations | Téléchargé le 04/05/2024 sur www.cairn.info (IP: 41.248.2.160)

© Association Europe Finances Régulations | Téléchargé le 04/05/2024 sur www.cairn.info (IP: 41.248.2.160)
servir à les manipuler à leur insu. Le terrain de jeu doit donc être
équitable entre tous les acteurs pour permettre à chacun de fonctionner
selon ses valeurs. In fine, il ne s’agira donc pas de se contenter d’ap-
pliquer la loi, qui de toute façon va devoir évoluer sur la notion même 101
de « données personnelles », leur lien dynamique entre elles et les droits
attachés, mais de savoir se fixer des limites, même si elles réduisent le
champ des applications et donc du business dérivés du big data &
analytics.

NOTES
1. Source : Capgemini.
2. Étude CSA pour Orange 2014.
3. Fondateur et PDG de Skyrock, auteur de nombreux ouvrages et articles sur les développements
technologiques liés au numérique.
 © Association Europe Finances Régulations | Téléchargé le 04/05/2024 sur www.cairn.info (IP: 41.248.2.160)
GRP : revues JOB : num118⊕xml DIV : 18⊕mp⊕Metge p. 10 folio : 102 --- 18/6/015 --- 10H54

© Association Europe Finances Régulations | Téléchargé le 04/05/2024 sur www.cairn.info (IP: 41.248.2.160)