Comprendre vos données clients : créer le contexte nécessaire à la réussite du KYC

Bonjour, bon après-midi, bonsoir à tous. Bienvenue. Bienvenue à ce webinaire.

Nous allons laisser quelques minutes aux participants pour se connecter. Je vois que certaines personnes dans la salle d'attente se joignent à nous, nous allons donc commencer d'ici peu. Je tenais simplement à vous souhaiter rapidement une bonne matinée, un bon après-midi ou un bon soir, quel que soit l'endroit d'où vous vous connectez.

Encore une fois, bonjour, bon après-midi, bonsoir. Je vois que certaines personnes viennent de rejoindre cette session. Je tenais à vous souhaiter la bienvenue.

Nous allons commencer dans environ deux minutes. Je vois que quelques personnes sont encore en train de se connecter, je souhaite donc donner à tout le monde la possibilité de se connecter et de rejoindre le webinaire avant de démarrer. Nous vous remercions donc de votre patience.

D'après ma montre, nous devrions commencer dans un peu moins de deux minutes. Encore une fois, bienvenue. Encore une fois, bonjour, bon après-midi ou bonsoir, selon l'endroit d'où vous nous suivez.

Je vois que quelques personnes supplémentaires se sont jointes à la session. Je tenais à vous souhaiter la bienvenue. Nous allons attendre encore environ une minute.

Je vois quelques personnes qui arrivent de la salle d'attente, et nous allons commencer d'ici peu. Encore une fois, merci de votre patience. Nous devrions avoir largement le temps de traiter l'ensemble du programme.

Encore une fois, bienvenue à tous. Nous allons commencer très bientôt. Encore une fois, bonjour, bon après-midi ou bonsoir, selon l'endroit d'où vous nous rejoignez. Je vois que quelques personnes supplémentaires se sont jointes à la session.

Il ne reste probablement plus qu’une minute avant que nous commencions. Comme je l’ai mentionné tout à l’heure, certaines personnes se connectent un peu en retard, et je tenais à m’assurer que tout le monde ait la possibilité de suivre le webinaire depuis le début, qu’il s’agisse des participants à la visioconférence ou de ceux qui se connectent plus tard et regardent l’enregistrement. Bien sûr, vous disposez de l’enregistrement, vous pourrez donc consulter toutes les informations.

On va attendre encore environ cinq secondes. Je vois qu'une autre personne vient de se connecter. Très bien.

Super. Qu'en penses-tu, Betty ? Tu es prête ?

On est prêts ? C'est parti. D'accord.

C'est parti. Encore une fois, bienvenue à tous. Merci beaucoup de vous joindre à notre webinaire.

C'est un plaisir de voir un groupe aussi nombreux parmi les participants à cette table ronde. Nous sommes ravis de vous compter parmi nous. Avant de lancer la discussion, ou plutôt avant de passer la parole, je tenais à souhaiter une nouvelle fois la bienvenue à tous les participants à cette session, à passer en revue quelques points de l'ordre du jour, puis nous pourrons nous mettre au travail.

Je crois que la réunion est prévue pour durer environ une heure. Pour ceux qui participent par téléphone, cela ne devrait pas prendre autant de temps. Je pense que nous avons environ 45 minutes de contenu à aborder.

Ensuite, en fonction des questions, nous ferons en sorte que vous puissiez partir d’ici plus tôt. Encore une fois, merci de votre présence. Je vais aborder quelques points d’ordre pratique, notamment des informations générales concernant Zoom et la série de webinaires.

Nous allons commencer par quelques présentations rapides, puis nous céderons la parole à notre intervenante, Betty, qui se connectera à notre plateforme d'intelligence des données pour vous en donner un bref aperçu et vous en faire une démonstration. Nous avons quelques appels à l'action à l'intention des personnes figurant sur la liste des participants, puis nous répondrons à vos questions. Très bien.

Ça me semble bien. Merci, Betty. Alors, très rapidement, avant de céder la parole à Betty, j'aimerais aborder quelques points d'ordre pratique pour ceux qui découvrent Zoom.

Je sais plateformes une multitude plateformes différentes. Je tenais simplement à vous signaler que vous êtes tous en mode « muet ». Vous n'entendez que ma merveilleuse voix, et Betty va nous rejoindre d'ici une minute.

Si vous avez des questions, vous devriez voir, en bas de votre fenêtre, un bouton intitulé « A Little More ». Il s'agit d'un cercle sur lequel figurent trois points. En cliquant dessus, vous devriez pouvoir ouvrir une fenêtre de questions-réponses.

Si vous avez des questions pendant le webinaire, n'hésitez pas à les saisir ici ; une équipe est à votre disposition et devrait pouvoir y répondre. À la fin, nous pourrons également répondre à toutes les questions restées sans réponse. Nous y répondrons en direct.

Comme vous le savez sans doute, cette session est enregistrée. Nous vous transmettrons l'enregistrement à l'issue de la session afin que vous puissiez le revoir plus tard. Je le rappelle, la session durera environ 45 minutes, en fonction des questions et des réponses.

Nous devrions avoir largement le temps de vous permettre à tous de partir plus tôt. Nous vous fournirons toutes les ressources nécessaires : non seulement cet enregistrement, mais aussi toutes les diapositives et les documents complémentaires, qui vous seront envoyés par e-mail après cette session. Et si vous avez besoin d'une support technique, une fonction de chat est également disponible en bas de l'écran.

N'hésitez pas à m'envoyer vos messages, vos questions ou vos commentaires via cette rubrique pour toute support technique ; je m'efforcerai d'y répondre. Vous trouverez également mon adresse e-mail. Si vous avez le moindre problème, n'hésitez pas à m'envoyer un e-mail.

Mais pour la session de questions-réponses, veillez à poser vos questions dans la section dédiée et à utiliser le chat pour toute question d'ordre technique. Voilà, c'était toutes les informations d'ordre pratique. Passons à la diapositive suivante.

Je voudrais donc vous présenter l'équipe qui m'accompagne aujourd'hui. Notre formidable intervenante, Betty Wang, prendra la parole dans quelques instants. Nous allons lui céder la parole.

Elle vous guidera à travers le contenu. John Dorney, ingénieur commercial senior, sera également présent pour répondre à vos questions. Scarlet Webbe sera également de la partie.

Elle est architecte principale en solutions et se tient à votre disposition pour répondre à toutes vos questions. Sur ce, je cède la parole à Betty.

Betty, à toi. C'est génial. Merci, John.

Avant de nous plonger dans la démonstration d'aujourd'hui, j'aimerais prendre quelques minutes pour prendre un peu de recul et replacer clairement cette session dans le contexte plus large de la série de webinaires. Nous avons conçu ce programme pour qu’il constitue un parcours progressif, où chaque session s’appuie sur la précédente, le tout s’articulant autour d’un cas d'usage central cas d'usage connaissance du client. Ainsi, lors de la session précédente, nous avons exploré l’analyste IA, que nous décrivons comme notre « couche d’activation ».

C'est là que les informations pertinentes sont mises en évidence en langage naturel grâce à une utilisateur . Et aujourd'hui, nous concentrons véritablement nos efforts sur la plateforme d'intelligence des données, qui constitue cette couche contextuelle. Celle-ci fournit le fondement sémantique nécessaire et rend possible la couche d'activation.

Puis, lors de notre prochaine session, animée par Scarlet, nous allons nous pencher sur la observabilité des données, l’aspect « confiance », afin de garantir que les données qui alimentent vos systèmes d’IA soient fiables et surveillées en permanence. Si j’insiste un peu sur ce point, c’est parce que ces trois sessions reflètent véritablement les piliers fondamentaux de la plateforme Actian et constituent une solution complète de bout en bout pour créer des données prêtes pour l’IA. Cela étant dit, passons rapidement en revue ce qui a été abordé lors du précédent webinaire avec les analystes en IA.

Le cas d'usage l'équipe de conformité d'une banque de détail qui devait mener une enquête sur ce décalage entre des clients à faible risque ayant, de manière inattendue, dépassé les seuils d'activité suspecte. Cette tâche nécessite traditionnellement beaucoup de travail manuel, mais lors de la démonstration, nous avons vu comment les analystes IA pouvaient non seulement identifier ces principales incohérences dans les transactions KYC, mais aussi cerner des canaux de risque spécifiques, qu’il s’agisse de virements bancaires ou de Zelle, et fournir ce type d’explications en langage clair en quelques minutes. Et le principal enseignement à en tirer est que l’analyste IA ancre véritablement vos réponses dans votre contexte métier réglementé, vos définitions et vos indicateurs clés de performance (KPI), garantissant ainsi un raisonnement fiable et prêt pour l’audit dans le cadre de ces analyses d’entreprise.

Cela étant dit, maintenant que vous avez vu comment exploiter vos données grâce aux analystes IA, nous allons commencer à décortiquer le sujet pour comprendre le moteur contextuel qui sous-tend vos données prêtes pour l’IA grâce à la plateforme d’intelligence des données. Et avant de nous plonger dans la démonstration, je vais simplement vous donner un bref aperçu du fonctionnement de la plateforme. Ici, en bas de l'écran, nous commençons par nous connecter automatiquement à toutes vos sources de données existantes et par collecter les métadonnées.

Tout cela alimente directement ce que nous appelons la couche centrale métadonnées , qui couvre tous les aspects, du catalogue au glossaire, en passant par la traçabilité, gouvernance, les produits de données et observabilité des données. Tout cela repose sur notre graphe de connaissances fédéré, qui relie vos actifs physiques et sémantiques au sein d’un réseau intelligent unique, afin que les utilisateurs et vos systèmes d’IA disposent toujours du contexte complet de leurs données. Du point de vue de l’accès, les utilisateurs interagissent avec la plateforme via deux interfaces utilisateur principales : l’Explorer, destiné aux utilisateurs métier qui découvrent et exploitent les données, et l’interface Studio, utilisée par les gestionnaires de données pour leurs activités de gouvernance et de curation.

Au final, cela aboutit à une plateforme unifiée qui transforme les données issues de cette source brute en un catalogue fiable et réglementé.

Reprenons donc le cas d'usage la dernière session, d'accord ? La démonstration d'aujourd'hui va montrer comment nous mettons concrètement ces données en contexte dans le cadre du processus d'intégration des clients (KYC), l'objectif final étant de détecter d'éventuelles activités de blanchiment d'argent. Il faut donc considérer la conformité KYC comme la nécessité pour une banque de vérifier votre identité et vos antécédents avant de vous autoriser à ouvrir un compte.

L'accent sera mis sur les cinq étapes de ce processus que nous voyons ici : l'ouverture de compte, la vérification d'identité, la vérification d'adresse, l'évaluation des risques — au cours de laquelle vous recoupez les données du client avec des listes de surveillance externes et des listes de sanctions — afin de déterminer, au final, un facteur de risque attribué. Et enfin, la dernière étape, qui consiste en l'approbation et l'intégration du client.

Dans le cadre de cette démonstration, dont le programme figure ici à droite, nous allons donc commencer par consulter le catalogue afin de rechercher ce processus KYC et de nous faire une idée de cette couche sémantique. Nous explorerons ensuite les ensembles de données associés à chaque étape du processus. Nous verrons également comment cela se traduit dans une architecture Medallion, ainsi que les éventuels problèmes de qualité des données qui peuvent survenir tout au long du pipeline.

Et pour finir, nous allons vous présenter l'une des dernières nouveautés de notre produit : l'agent « Data Steward ». Celui-ci est spécialement conçu pour automatiser l'enrichissement des métadonnées. Cela étant dit, passons sans plus attendre à la démonstration du produit.

Je me trouve ici sur la page d'accueil de l'interface utilisateur Explorer. Plusieurs chemins de navigation vous permettent de trouver les données dont vous avez besoin. Vous pouvez effectuer une recherche par mots-clés dans la barre de recherche, consulter notre marketplace de données, effectuer une recherche dans des catalogues spécifiques ou, pour vous faciliter la tâche, j'ai d'ailleurs créé une rubrique spécialement consacrée au processus d'intégration KYC.

Cela nous mènera donc à une page de résultats de recherche triés sur le volet, présentant toutes les étapes du processus d'intégration KYC. Lorsque l'on clique sur ce processus spécifique, on y trouve plusieurs informations, n'est-ce pas ? Tout d'abord, il y a la description, qui explique ce que signifie « KYC ».

Il s'agit du processus obligatoire auquel se soumettent les établissements financiers pour vérifier l'identité d'un client et évaluer le risque qu'il présente. Je remarque également, ici à gauche, certaines propriétés qui mettent en évidence les réglementations auxquelles il se conforme, son statut d'approbation, sa date d'approbation et le domaine d'activité auquel il appartient. Je peux également développer le contexte affiché ici à gauche ; ainsi, d'un gouvernance , il est vraiment important de savoir qui en est le responsable et à qui je peux m'adresser en cas de questions.

En faisant défiler la page vers le bas, je vois une hiérarchie de glossaire. Je peux y visualiser chacune des cinq étapes ou sous-processus de cette procédure d’intégration KYC, tels qu’ils apparaissent dans le graphique, sous forme d’une structure parent-enfant. Et si je souhaite explorer une sous-étape spécifique, comme la création de compte, il me suffit de cliquer sur cette définition pour comprendre quelles sont les étapes du processus qui y sont associées.

En résumé, c'est ici que les clients fournissent leurs informations personnelles et acceptent les conditions générales. Encore une fois, le point essentiel à retenir d'une vue comme celle-ci est qu'elle nous permet de définir clairement les responsabilités et gouvernance naviguer très rapidement parmi nos ressources liées au KYC. Maintenant que nous avons acquis une compréhension conceptuelle du processus KYC, explorons les implémentations concrètes en accédant à l'onglet « Implémentations ».

Ce onglet sert donc en réalité de passerelle entre le langage métier et les ressources techniques de données. Il répond à des questions telles que : « Où ce terme métier est-il réellement utilisé dans nos données ? » Et c’est ce qui rend la couche contextuelle exploitable, plutôt qu’un simple document de référence statique. Nous voyons donc ici qu’il existe trois jeux de données au processus KYC, ce qui illustre parfaitement l’architecture Medallion.

Nous avons le client « brut » au niveau « bronze », le client « en attente » au niveau « argent », puis le client bancaire au niveau « or ». À chacune de ces étapes des relations présentées ci-dessous, vous pouvez également voir lequel des cinq sous-processus du processus de conformité KYC correspond à chaque jeu de données. Par exemple, pour le client brut, si nous cliquons ici, vous remarquerez d’après la définition que les trois premières étapes que sont l’ouverture de compte, la vérification d’identité et la vérification d’adresse y sont associées.

Donc, pour revenir à cette page de détails, elle met en avant des informations clés, notamment les propriétés de la fonctionnalité ici à gauche, et bien sûr, comme nous l’avons vu dans la description, les sous-étapes associées à ce jeu de données. Au total, ce jeu de données donc l’ensemble des données brutes et non traitées collectées auprès des personnes au cours des premières étapes du processus d’inscription. Et cela servira de base aux activités de KYC en aval.

Maintenant, n'oubliez pas que notre objectif final est de pouvoir surveiller le risque client tout au long du pipeline de données détecter d'éventuelles transactions frauduleuses. Pour ce faire, examinons le flux de données de bout en bout à l'aide de l'onglet « Lignage » ici. Au départ, lorsque je clique ici, je ne vois que les deux premières couches de données, mais si je clique avec le bouton droit sur ce bouton « + » et que je sélectionne « Développer tous les niveaux de lignage », je peux voir l'intégralité du pipeline de bout en bout.

Donc, au fur et à mesure que nous avançons dans ce processus, n’est-ce pas, lors de cette toute première étape, alors que les clients passent par la création de compte, la vérification d’identité et la validation d’adresse, toutes ces données sont intégrées dans cette « couche bronze » de données brutes sur les clients. À ce stade, nous Embarqué règles de validation, comme la vérification de la validité de l’adresse, ainsi que la vérification du format correct des informations de carte bancaire et de numéro de Sécurité sociale. Puis, lorsque nous passons à la couche « argent » avec le client en phase de pré-validation, c’est là que nous effectuons un recoupement avec la liste de surveillance externe afin d’identifier les personnes présentant un risque élevé.

Il peut s’agir de personnalités politiques ou de personnes très médiatisées, et nous prenons réellement en compte ce facteur de risque grâce à un champ que nous avons intitulé « facteur de risque » afin d’attribuer un certain score de risque à chaque individu. En effet, grâce à notre observabilité des données, nous pouvons regrouper les données des personnes dont le facteur de risque dépasse un certain seuil acceptable et ne transférer que celles qui sont acceptables vers la couche « or ». Enfin, au sein de la couche « or » des clients de la banque dans la table des transactions, c’est là que nous combinons réellement les informations sur les clients avec celles relatives aux comptes et aux transactions afin de signaler toute activité potentiellement frauduleuse.

Il s'agit donc de la traçabilité de bout en bout qui vous permet non seulement de retracer l'origine d'une donnée et son parcours, mais aussi d'effectuer une analyse des causes profondes lorsqu'un problème survient, afin d'évaluer l'impact global sur le pipeline de données y apporter la moindre modification. Or, au sein du graphe de traçabilité, chaque ensemble de données dispose également d’un indicateur de qualité des données de niveau synthétique, comme vous pouvez le voir en haut à droite. C’est ce qui permet d’évaluer dans quelle mesure chaque ensemble de données respecte les règles de validation qui lui sont associées.

Cela permet aux équipes d’identifier d’éventuels problèmes de qualité des données sur l’ensemble du pipeline sans jamais avoir à quitter cette vue de traçabilité. Passons donc à la table de synthèse des transactions que j’ai ouverte dans un nouvel onglet pour voir concrètement comment nous pouvons exploiter les règles de qualité des données afin de signaler d’éventuelles transactions liées au blanchiment d’argent. Donc, encore une fois, comme l’indique la description, cette page de détails contient des données de transaction affinées, associées aux informations relatives aux comptes et aux clients.

Concrètement, la logique consiste ici à associer ce facteur de risque que nous avons défini dans la couche « argent » attribuée à chaque individu aux montants de ses transactions, afin de signaler les cas potentiels de fraude. Nous pouvons consulter les résultats de ce contrôle de validation, ainsi que d’autres règles de qualité des données, dans cet onglet « Qualité des données » sur lequel je me trouve actuellement. Dans cette vue, la partie supérieure résume les résultats par catégorie, comme cohérence, l’exhaustivité et l’actualité, tandis que la partie inférieure affiche les contrôles de qualité des données en temps réel effectués sur cet ensemble de données, ainsi que les échecs enregistrés par le passé.

Nous pouvons donc constater ici que le contrôle relatif au blanchiment d’argent a échoué, ce qui signifie qu’un nombre important de lignes ne répondaient pas à la condition spécifiée, et que cela justifie une analyse plus approfondie. Ainsi, si nous cliquons ici sur la règle de qualité des données relative au blanchiment d’argent, cela nous mènera directement à notre vue « Data observabilité ». Cette vue est un espace de travail interactif où les utilisateurs peuvent explorer, diagnostiquer et même lancer des mesures correctives pour les problèmes de qualité des données dès que des anomalies sont détectées.

Cela permet également de mener une analyse des causes profondes, ce qui nous permet d’examiner en détail les anomalies qui n’ont pas passé ces contrôles de qualité des données et d’identifier précisément quels champs, segments ou enregistrements sont à l’origine du problème. Ici, j’ai donc filtré les résultats en fonction des écarts par rapport aux valeurs attendues, et nous pouvons voir, comme le montre cet exemple dans ce premier enregistrement, que cette personne présente un facteur de risque élevé. Il s’agit de tout ce qui se trouve avant le tiret, même si le montant de sa transaction, soit 1 282, est inférieur à 10 000.

Concrètement, cela permet de signaler toute personne présentant un facteur de risque élevé (que nous avons défini comme supérieur à 12) ou toute personne présentant un facteur de risque faible (inférieur ou égal à 12), mais dont le montant de la transaction est supérieur à 10 000. Je peux cliquer sur la valeur spécifique pour identifier enregistrement exact enregistrement contient cette valeur et commencer le dépannage à partir de là. Comme je l’ai mentionné, nous allons approfondir considérablement le sujet de observabilité complète observabilité des données lors de la prochaine session avec Scarlet.

Donc, si vous souhaitez comprendre tous les rouages de observabilité des données, ne manquez pas la prochaine session. Mais du point de vue de l’intelligence des données, n’est-ce pas, le fait de voir ce score de qualité des données directement dans cette vue de lignage est ce qui transforme cet onglet « Lignage » d’une sorte de carte statique des données en une carte des risques dynamique, n’est-ce pas ? Cela vous permet non seulement de déterminer instantanément d’où proviennent les données grâce à cette traçabilité de bout en bout, mais aussi de comprendre dans quelle mesure vous pouvez vous fier à vos données à chaque étape du processus et de savoir comment résoudre un problème s’il survient à n’importe quelle étape du pipeline de données.

Maintenant que nous avons vu comment la plateforme d’intelligence des données permet de mettre en évidence le contexte, la traçabilité et la qualité des données tout au long de votre pipeline KYC, voyons ce qui garantit l’exactitude et la gouvernance de toutes ces informations à grande échelle grâce à l’agent de gestion des données. Cette fonctionnalité du produit a été lancée au début du mois, et vous pouvez voir ici que l’agent de gestion des données est Embarqué à la plateforme, et qu’il est conçu pour automatiser certaines de ces tâches de gestion chronophages, telles que métadonnées , l’enrichissement et gouvernance. Il peut effectuer des tâches telles que la mise à jour de la documentation des actifs, l’attribution de la propriété et la recommandation de classifications.

L'objectif ici n'est donc pas nécessairement de remplacer les gestionnaires de données humains, mais bien, encore une fois, de réduire certaines tâches manuelles de gestion afin que votre équipe puisse se concentrer sur les gouvernance de plus haut niveau. Vous pouvez voir que je suis déjà passé à l'interface « Studio » de la plateforme d'intelligence des données, qui est, je le rappelle, l'interface utilisateur destinée aux gestionnaires de données. Ici, j’ai filtré le catalogue des services bancaires et financiers, qui regroupe les ensembles de données que nous utilisons pour le cas d'usage KYC.

J'ai le panneau des agents ouvert ici, à droite. Et donc, alors que nous nous penchons sur ce sujet, l'une des tâches les plus importantes pour les gestionnaires de données consiste vraiment à s'assurer que les éléments du catalogue sont entièrement finalisés pour utilisateur finaux. Je constate donc ici que le client « staging », qui fait partie de la couche « silver », n'en est qu'à 25 %.

On peut donc commencer par là. Je vais demander au responsable des données : « Pourquoi le jeu de données client en phase de préparation n'est-il achevé qu'à 25 % ? » Pendant qu'il réfléchit et élabore sa réponse, il vous guide à travers son raisonnement. Il commence par expliquer comment le taux d'achèvement est défini, en se basant sur la configuration réelle du métamodèle.

Je constate donc ici qu'il y a quatre critères qui doivent être remplis pour qu'un ensemble de données soit considéré comme « complet ». Il doit comporter une description, des contacts, une classification de sécurité et une définition. Chacun de ces critères a un poids identique de 25 %, ce qui explique pourquoi le client en phase de préparation n'atteint ici que 25 %.

Désormais, non seulement il apporte une réponse, mais l'agent suggère également de manière intelligente la prochaine étape à suivre pour combler ces lacunes. J'ai donc ici plusieurs options : je peux rédiger une description, définir un niveau de sécurité ou attribuer des contacts un par un, ou encore corriger toutes ces lacunes en même temps. C'est parti, cliquons sur « Corriger toutes ces lacunes ».

Vous voyez donc qu'il est passé à ce que l'on appelle le « mode plan », car nous sommes en train de mettre à jour plusieurs composants. Cela vous permet ainsi de passer en revue un ensemble de modifications proposées avant que l'écriture ne soit effectivement effectuée. C'est particulièrement utile pour les opérations volumineuses ou complexes.

Je vais cliquer sur l'ensemble de données pour que nous puissions voir les changements en temps réel. Et maintenant, vous pouvez voir la logique qu'il suit. Il ne délire pas, il n'invente pas simplement des réponses au hasard pour atteindre les 100 %.

Il s'agit en fait d'analyser des ensembles de données de référence afin de refléter le contexte descriptif, et d'examiner les contacts de la même manière pour déterminer la propriété.

Comme vous pouvez le voir ici, un ensemble de données similaire mentionnait JD comme architecte de données. C'est donc cette personne qui est proposée comme contact. Je vais donc cliquer sur « Exécuter le plan ».

Et comme cela consiste à apporter les modifications proposées, nous pourrons constater qu’une fois ces modifications effectuées, le niveau d’avancement augmentera en conséquence. Nous devrions donc bientôt voir apparaître une description générée automatiquement. Je vais cliquer sur « Approuver ».

Nous pouvons voir la description générée par l'agent de gestion des données. Celui-ci examine la place qu'occupe cette donnée dans le pipeline global, son schéma, certains champs qu'elle contient, puis vérifie également la certification indiquant que sa classification est marquée comme « restreinte ». Ensuite, dans la section « Intervenants », nous avons ajouté JD en tant qu'architecte de données, et vous pouvez constater que le niveau d'achèvement a atteint 100 %.

Il s'agissait donc d'un exemple très simple, mais même à partir de cet exemple, on peut constater à quel point l'agent de gestion des données contribue réellement à automatiser lagouvernance métadonnées . Et à réduire considérablement le travail manuel de gestion nécessaire pour garantir la fiabilité constante de vos données et leur compatibilité avec l'IA. Nous avons donc abordé de nombreux sujets en très peu de temps.

Pour conclure et résumer ce que nous avons vu lors de la session d'aujourd'hui, nous nous sommes vraiment penchés sur la manière dont nous mettons en place gouvernance . À partir de toutes les données qui alimentaient cet analyste IA, nous avons pu cartographier le processus de conformité KYC ainsi que les ensembles de données qui le sous-tendaient, posant ainsi les bases nécessaires à des données fiables et régies par une gouvernance adéquate.

Nous avons pu suivre les données de bout en bout, en retraçant l’historique complet depuis l’intégration brute des clients jusqu’aux résultats des transactions, et en examinant les problèmes liés à l’historique et à la qualité des données à chaque étape. Enfin, nous avons vu comment automatiser métadonnées grande échelle grâce à l’agent de gestion des données, ce qui permet d’éliminer une partie du travail manuel d’enrichissement et de garantir l’exactitude de votre catalogue, prêt pour l’IA. Je vais donc redonner la parole à JJ, et nous allons conclure par quelques points d’ordre pratique avant de passer à la séance de questions-réponses.

Vraiment bien. Super travail, Betty. Cet agent de gestion des données, je pense que ça va véritablement changer la donne dans le secteur.

C'était un excellent exemple que tu nous as présenté. J'ai eu la chance de pouvoir m'entretenir avec plusieurs clients et prospects au cours de la semaine dernière, et je pense que cela trouve vraiment un écho chez eux, donc bravo. Le groupe a donc été plutôt calme.

Il n'y a pas encore beaucoup de questions dans la fenêtre « Questions-réponses ». Mais je tenais à aborder quelques points concernant les actions à entreprendre ou des questions d'ordre pratique pour conclure. Je trouve que cette session était excellente, et que Betty a présenté beaucoup de contenu intéressant.

Mais si vous avez d'autres questions, notre équipe est là pour y répondre et vous aider à mieux comprendre cette technologie. Il y a moi-même, Betty, John et Scarlet. Voici nos coordonnées.

Encore une fois, si vous avez des questions après l'événement, n'hésitez pas à nous contacter. Si vous souhaitez approfondir certains points — je sais que nous avons abordé les sujets de manière très générale —, nous sommes là pour vous aider. Assurez-vous donc d'avoir bien noté nos coordonnées.

Je vais laisser cette diapositive à l'écran encore une seconde, au cas où quelqu'un aurait besoin de noter ou de copier nos coordonnées. Diapositive suivante, Betty. Et comme Betty l'a mentionné tout à l'heure, il s'agit d'une série.

Nous avons conçu ces webinaires pour qu'ils s'enchaînent sous forme de série. Le prochain aura lieu en juillet. Si vous ne vous êtes pas encore inscrit, n'hésitez pas à vous rendre sur notre site web.

Vous trouverez ici le lien d'inscription. Vous pourrez également écouter Scarlet présenter la solution suivante, à savoir notre observabilité des données, dans le cadre de laquelle elle conclura cette série et fera le lien avec l'ensemble du processus « Know Your Customer » (connaître son client), pour finir par présenter notre observabilité des données. D'accord.

Et maintenant, les questions. Voyons voir, Betty. Pourquoi ne pas les passer en revue ? Je crois qu’une question vient d’arriver dans la fenêtre de discussion.

Mais les questions concernant le graphe de connaissances : comment fonctionne-t-il réellement, et en quoi diffère-t-il des autres catalogues de données traditionnels qui pourraient exister ? Oui, c'est une bonne question, et je pense que c'est vraiment ce qui permet à Actian de se positionner comme ce que nous appelons un catalogue de données de nouvelle génération ». Donc, le graphe de connaissances fédéré remplit plusieurs fonctions, n'est-ce pas ?

Mais le plus important, comme je crois l'avoir mentionné lors de la présentation, c'est qu'il établit véritablement des liens intelligents entre vos ressources de données. Il capture donc automatiquement ce contexte, enrichit les métadonnées et fournit tout simplement des résultats de recherche et des recommandations pertinents. Ainsi, alors qu'un catalogue de données traditionnel s'apparente essentiellement à un inventaire, il vous indique simplement quels types de données existent.

Le graphe de connaissances va encore plus loin en comprenant les liens qui unissent les éléments, de sorte que lorsque vous examinez le contexte de vos données, tout est relié au sein d’un même réseau. Très bien, Betty. Et encore une fois, pour ceux qui sont en ligne, si vous avez des questions, n’hésitez pas à les poster dans la fenêtre de discussion et je les poserai en direct à Betty.

Je sais qu’on vous a tous mis en sourdine pour ne pas interrompre la discussion. Betty, combien de temps faut-il pour que l’agent de gestion des données soit opérationnel ? La question est de savoir s’il a besoin d’être formé.

Faut-il l'entraîner sur les données de notre environnement ? Comment se déroule ce processus ? Je ne sais pas si vous pourriez nous l'expliquer un peu.

Oui. On pourrait croire que ça prendrait beaucoup de temps, mais en réalité ce n'est pas le cas, n'est-ce pas ? L'agent est en effet conçu pour être Embarqué dans les workflows du catalogue, et il s'appuie sur votre instance de la plateforme d'intelligence des données.

Donc, pour revenir à la première question, n'est-ce pas ? Le système s'appuie sur ce graphe de connaissances fédéré existant, cette couche sémantique, ce qui signifie qu'il extrait le contexte de ce qui se trouve déjà dans votre catalogue. Il n'a donc pas vraiment besoin d'un apprentissage distinct, n'est-ce pas ?

Tout dépend déjà de la manière dont vous avez défini votre méta-modèle et du contexte qui en découle. Oui. Comme je l'ai mentionné tout à l'heure, bien sûr, je ne suis pas tout à fait impartial, n'est-ce pas ?

Mais j'ai un peu l'impression que cela va changer la donne dans le secteur. Je sais que la première version de notre agent de gestion des données offre de nombreuses fonctionnalités, et je sais que vous n'en avez abordé que quelques-unes, mais nous allons continuer à l'améliorer. Je pense vraiment que c'est un outil très puissant.

Et comme vous le soulignez, il ne faut pas longtemps pour le mettre en place et pour que vous puissiez en tirer immédiatement profit. J'ai encore quelques questions à ce sujet. Une autre concerne l'agent de gestion des données et la gestion des autorisations.

Je pense que le contrôle d'accès est toujours important, tout comme la sécurité. Je suppose donc que la question est de savoir s'il existe un contrôle d'accès basé sur les rôles pour l'agent de gestion des données. Et donc, je suppose qu'il s'agit de savoir s'il existe un contrôle permettant de déterminer quels utilisateurs peuvent accéder à certaines fonctionnalités ?

Oui, je ne suis pas forcément passé par l'onglet « Administration » par souci de rapidité dans cette démonstration. Mais pour le utilisateur a accès à cette vue d'administration, l'accès à l'agent de gestion des données est une fonctionnalité activable ou désactivable qui se contrôle depuis cette vue. Concrètement, un utilisateur affecté à un groupe spécifique, et ce groupe dispose d'autorisations qui déterminent les fonctions et les catalogues auxquels il a accès.

J'ai en quelque sorte montré dans la démo, lorsque nous avons abordé la partie consacrée à l'agent de gestion des données, que celle-ci était axée sur le catalogue des services bancaires et financiers. Ainsi, un agent de gestion des données spécifique ne s'exécute que lorsque utilisateur sélectionné un catalogue précis dans cette vue du studio. Par conséquent, si vous passez d'un catalogue à l'autre au sein de l'instance, il y aura un agent de gestion des données spécifique pour chaque catalogue concerné.

Génial. Je vois qu'une question vient d'arriver. Au fait, super démo, Betty.

On dirait que John vient justement de répondre à la question, mais vous pourriez peut-être approfondir un peu plus le sujet en direct. La question porte sur la traçabilité des données : comment celle-ci est-elle générée ? Est-elle générée automatiquement par la plateforme, ou les utilisateurs doivent-ils associer manuellement les informations de traçabilité après le catalogage des données ?

Oui, bonne question. Tout ce que vous avez vu dans la vue « Lignage » est généré automatiquement grâce à nos connecteurs de données. Je me ferai un plaisir de vous envoyer la documentation avec le lien vers notre page dédiée aux connecteurs, afin que vous puissiez consulter toutes les sources que nous support.

Mais en gros, ça fonctionne comme ça : vous extrayez les métadonnées vos sources de données, puis nous disposons également de connecteurs pour vos outils ETL qui permettent de montrer quel type de transformations a eu lieu entre les différentes étapes de votre pipeline de données. Tout cela se fait automatiquement, et la vue de lignage est générée à partir de ces informations. Beau travail.

Cela correspondait d'ailleurs à ce que JD avait effectivement tapé. On s'en sort bien, l'équipe. En réalité, cette question comportait deux parties.

La deuxième partie portait donc sur la question suivante : la plateforme propose-t-elle un agent de qualité des données similaire à l’agent « Steward » pour le profilage et le nettoyage des données ? Je pense que Scarlet abordera ce sujet plus en détail dans la partie consacrée à observabilité la prochaine session. Nous disposons de nombreuses fonctionnalités d’IA… Oui…

en matière observabilité des données. Nous développons donc actuellement des fonctions « agentiques » dans ce domaine afin de pouvoir tout gérer d'un point de vue fonctionnel en matière observabilité de qualité des données. Donc… Oui…

Peut-être un petit peu plus de… un teaser… un avant-goût. Ouais.

Ouais. En cachette. Pour la prochaine séance.

Et voilà. Bien joué pour avoir mis ça en place. Assure-toi que les gens viennent assister à la session de Scarlet ici dans quelques semaines.

Et encore une fois, si vous ne l'avez pas encore fait, n'hésitez pas à vous inscrire à la dernière session de cette série. De rien. Un grand « merci à toute l'équipe » pour avoir répondu aux questions en direct.

Y a-t-il d'autres questions avant de laisser les participants partir ? Je crois que nous sommes en avance sur le programme, Betty. Je crois que nous avions prévu environ 45 minutes au total, et je pense que nous allons en faire environ 40.

Mais souhaitez-vous laisser la parole à quelqu'un d'autre parmi les participants pour qu'il puisse poser une question ? Encore une fois, bravo d'avoir mis en avant le processus de « connaissance du client » et d'avoir approfondi le rôle de l'agent chargé de la gestion des données. Pour rappel, vous recevrez un e-mail de suivi contenant des liens vers des informations et des ressources, ainsi que le lien vers cet enregistrement.

Ça va donc être publié plus tard dans la journée. Attendez encore environ 30 secondes, voire une minute. On dirait que le groupe était plutôt calme cette fois-ci, mais bravo quand même.

Encore une fois, merci à tous d'avoir participé et d'avoir assisté à cette session. N'hésitez pas à vous inscrire à notre prochain webinaire. Je vous le rappelle, il aura lieu le 16 juillet ; nous y aborderons plus en détail observabilité des données Actian observabilité clôturerons ainsi cette série en trois parties, en mettant un joli petit point d'orgue à l'ensemble.

Encore une fois, merci à tous pour votre participation, et nous avons hâte de vous retrouver lors de la prochaine session. Encore une fois, bravo, Betty. Merci à tous.

Passez un excellent moment de détente — Merci à tous… que ce soit pour la journée ou la soirée.