L'Union Internationale de Banques (UIB) est une banque tunisienne créée il y a près de 60 ans, filiale du Groupe Société Générale. Avec 145 agences et environ 900 000 clients, l'UIB est un acteur de référence du paysage bancaire tunisien.Comme toute banque universelle de longue date, l'UIB doit composer avec un patrimoine technique étoffé — des dizaines de systèmes, des données hétérogènes, des codes R et Python accumulés au fil des années — tout en répondant à un marché bancaire local très concurrentiel et à des exigences réglementaires de plus en plus strictes.

Le défi de l'UIB tenait en trois mots : volumétrie, hétérogénéité, accélération.

‍

D'un côté, des dizaines de systèmes accumulés depuis 60 ans, des sources de données fragmentées, du shadow IT Excel et VBA en pagaille, des codes R et Python à maintenir, et la difficulté classique des grandes banques à exploiter leurs données contextuelles à grande échelle.‍De l'autre, un time to market à réduire pour rester compétitif, et une ambition forte : faire passer l'IA du discours à la production, dans un cadre réglementaire bancaire exigeant (conformité, auditabilité, contrôles internes alignés avec les standards du Groupe Société Générale).‍Une conviction structurait l'approche dès le départ : l'IA ne pourrait pas être ajoutée par-dessus l'existant. Pour passer à l'IA, il fallait d'abord bien structurer l'exercice — poser un socle, fiabiliser les données, et industrialiser une démarche durable.

‍

Plutôt que de multiplier les PoCs isolés, l'UIB a choisi une approche atypique pour un projet IA : commencer par les fondations.

‍

Avec Prime Analytics et sur la plateforme Alteryx, l'UIB a déployé un Smart Data Hub — un socle analytique unifié qui concentre les données issues de l'ensemble des systèmes en un seul endroit.

‍

Au cœur de ce socle :

• des workflows Alteryx pour la collecte multi-sources (structurées et non structurées),

• des contrôles qualité et du data cleansing automatisés,

• une discipline de gouvernance opérationnelle pensée pour le contexte bancaire.

‍

Sur cette base, l'équipe a déployé une automation factory : un mode industriel de production de cas d'usage métier, fondé sur des règles partagées et une stack technique unifiée. Parmi les cas d'usage déjà déployés ou en cours :

‍

• Segmentation clientèle comportementale — clustering IA non supervisé sur le portefeuille Retail (algorithmes K-Means), pour orienter les actions marketing et commerciales.

‍

• Système de notation interne corporate — modèle de probabilité de défaut, complémentaire aux modèles existants du Groupe Société Générale, adapté aux spécificités de la réglementation tunisienne.

‍

• Notation interne IFRS — extension du système de notation aux exigences IFRS, dans un domaine particulièrement scruté par les autorités de régulation.

‍

• Monitoring des modèles — outils Alteryx pour suivre les scores, détecter les dérives, et garantir l'absence d'hallucinations IA dans les chaînes critiques.

‍

Une discipline d'évaluation rigoureuse — statistique ET métier — a été mise en place dès la conception, avec un monitoring continu pour s'assurer que les modèles restent fiables dans la durée.

‍

La trajectoire UIB illustre la valeur d'une approche socle d'abord : 5 cas d'usage déployés la première année, plus d'une douzaine en cours pour la suivante. Au-delà du nombre de cas, les bénéfices sont structurels.

‍

• Temps de processing significativement réduit — Une part importante du temps consacré au traitement des données a tout simplement disparu, libérant les équipes pour des tâches à valeur ajoutée.

‍

• ETP économisés — Particulièrement précieux dans le contexte bancaire actuel, où l'agilité opérationnelle est devenue un enjeu compétitif.

‍

• Conformité et auditabilité renforcées — Essentielles dans les domaines IFRS et risque de crédit, suivis de près par les régulateurs.

‍

• Scalabilité éprouvée — Le socle permet d'ajouter de nouveaux cas d'usage à coût marginal réduit, et de pousser le produit Alteryx à ses limites en partenariat avec Prime Analytics.

‍