Prédiction du churn par IA pour le secteur bancaire
Le Défi
L'établissement bancaire avait déjà développé en interne un système de prédiction du churn, mais plusieurs aspects pouvaient être améliorés afin d'accroître l'efficacité opérationnelle, notamment :
Réduction des faux positifs. De nombreux clients étaient identifiés comme à risque de départ sans que cela ne se produise réellement, générant des interventions chronophages pour les ressources internes ;
Manque de granularité. Le système ne distinguait pas les clients qui allaient clôturer complètement leur relation avec la banque de ceux qui allaient simplement réduire leur utilisation des services ;
Manque d'interprétabilité. Les facteurs déterminant le risque n'étaient pas clairs, rendant difficile la conception d'actions de fidélisation ciblées sur des variables spécifiques ;
Prévisions à court terme. L'horizon temporel limité ne permettait pas de mettre en place des stratégies adéquates à moyen et long terme.
La banque avait donc besoin d'une solution d'IA plus sophistiquée, capable non seulement de prédire le départ des clients avec une plus grande précision, mais aussi de fournir des enseignements interprétatifs pour guider des actions concrètes.
La fidélisation de la clientèle représente une priorité stratégique pour le secteur bancaire suisse, en particulier pour les établissements proposant des services spécialisés en prévoyance et en santé.
Notre solution basée sur l'AI
Artificialy a développé un système de prédiction du churn basé sur des modèles duaux spécialisés, chacun conçu pour capter un schéma de départ différent.
Le système analyse des données historiques provenant de sources hétérogènes, telles que les données digitales (accès web, mobile banking), les données transactionnelles (volumes, fréquence, types d'opérations), les interactions avec le support (appels, réclamations, demandes d'assistance) et les schémas comportementaux (credit score, proximité du renouvellement annuel).
Ces données alimentent deux modèles prédictifs complémentaires :
Cancellation Churn Model. Calcule la probabilité qu'un client décide d'annuler entièrement ses abonnements et d'arrêter d'utiliser les services bancaires. Le modèle fournit des prévisions à 3 mois pour des interventions immédiates sur les clients à haut risque, et à 6 mois pour des stratégies préventives à moyen terme.
Transactional Volume Drop Churn Model. Prédit la probabilité qu'un client, sans clôturer formellement son compte, réduise drastiquement son utilisation des services. Plus précisément, il identifie les clients qui effectueront au moins 90 % de transactions en moins par rapport au même trimestre de l'année précédente. Ce modèle capture un phénomène souvent invisible : des clients qui s'éloignent progressivement sans clôturer la relation, mais qui, de fait, ne génèrent plus de valeur pour la banque.
Outre ses prévisions, l'IA fournit une interprétation de ses choix (explicabilité), indiquant pour chaque client individuellement quels facteurs ont le plus influencé la décision, parmi :
Le credit score et ses variations récentes ;
Le nombre et le type d'appels au support client ;
La fréquence et le type d'interactions via les canaux digitaux ;
La proximité temporelle du paiement de la cotisation annuelle ;
Les schémas anormaux par rapport au comportement historique du client ;
Et bien d'autres
Cette transparence permet aux équipes de fidélisation de concevoir des interventions personnalisées basées sur les facteurs de risque spécifiques.
Résultats
La solution IA d'Artificialy, testée auprès d'un établissement bancaire suisse spécialisé dans le domaine de la prévoyance, a produit des améliorations mesurables et significatives :
Plus de 90 % de réduction des faux positifs
+14,4 % de précision des prévisions
Une meilleure compréhension des facteurs de risque
La solution démontre comment l'IA peut non seulement améliorer la précision prédictive, mais aussi transformer les systèmes de prédiction du churn, faisant passer de simples outils d'alerte à de véritables plateformes de decision intelligence pour une gestion proactive de la base de clients.
.png)
Vous pourriez également être intéressé par
L'AI au service du profilage du risque de crédit
