Vincent Cadoret (Europcar MG) : « notre approche est pragmatique et opportuniste »

Pouvez-vous nous rappeler ce qu’est Europcar Mobility Group ?

Nous sommes un acteur de la mobilité partagée avec trois marques selon les pays : Europcar, Goldcar et, aux Etats-Unis, Fox. Nous sommes présents dans 130 pays avec 9000 collaborateurs dont les deux-tiers dans nos stations. Nous disposons de 2700 stations en tout, établissements ou franchisés. Nous gérons 287 000 véhicules et, par an, nous assurons 77 millions de jours de location de véhicules (voitures, utilitaires…).

Comment sont organisées l’IT et la data ?

La data fait partie du département IS&T (Information System & Technology). En termes de production, la direction data a en charge la plateforme data. Notre périmètre comprend la data gouvernance, la data visualisation et la data science. La data ingenierie est rattachée au développement logiciel mais travaille matriciellement avec le département data.

Si la couche analytique est à la data, la couche infrastructure est gérée par l’ITops.

Quelle est votre architecture technique data ?

Comme pour beaucoup, elle est hybride.

Notre plateforme cible est cloud native. Nous utilisons Google Cloud Platform avec Big Query, Google Storage, etc. ainsi que Qlik Cloud pour la visualisation.

Mais nous disposons toujours de notre legacy sur serveurs managés hébergés dans un cloud privé.

Outre les classiques data corporate (finances, RH…), de quoi parle-t-on avec les datas Europcar ?

Le département data travaille pour tous les domaines : finance, marketing, gestion de flotte, opérations… Nos premières sources de données sont nos systèmes de réservations et de locations qui contiennent des données opérationnelles sur tous ces sujets. Nous travaillons aussi sur les données du marketing digital, des véhicules connectés et d’autres systèmes de l’entreprise. Notre rôle, au data office, est de délivrer des produits data pour créer de la valeur dans chaque fonction de l’entreprise et faciliter la prise de décision.

Pour cela, nous créons un écosystème data pour le Groupe dans lequel nous cherchons à capitaliser sur nos données, maximiser les synergies et attirer consommateurs et producteurs de data, comme dans une logique de plateforme.

Notre approche pour construire cet écosystème est pragmatique et opportuniste. Par exemple, la dématérialisation des factures n’est pas un sujet très sexy pour beaucoup mais elle permet de construire un actif de données de facturation de qualité et exploitable. C’est l’équipe data qui développe les flux alimentant la plateforme de dématérialisation. Le résultat sera d’avoir les données de factures en qualité dans notre plateforme. Comme c’est une réforme obligatoire, c’est même une excellente opportunité pour acculturer les collaborateurs et mettre en place de la gouvernance, c’est-à-dire une politique de qualité de données.

Quels usages avez-vous de ces données ?

Nous fournissons des produits data pour aider à la prise de décision au quotidien dans beaucoup des services du groupe. Nous avons une approche de développement en co-construction constante avec les métiers. En effet, c’est le métier qui porte la responsabilité de la valeur business.

C’est vrai pour les projets groupe stratégiques comme pour les cas d’usage du terrain visant à faciliter le travail quotidien. Nous cherchons aussi à rendre les métiers autonomes avec du self-service.

Avez-vous quelques exemples ?

Nous avons des applications qui sont utilisées par plus de 1500 personnes dans la majorité des domaines : le support client, le e-Commerce, la direction financière, la gestion de flotte, les opérations, etc.

L’IA a-t-elle des usages chez Europcar Mobility Group ?

Nous ne sommes pas des early adopters. Notre approche est également concrète, selon des cas d’usage. Par exemple, nous y recourons dans le marketing digital pour l’optimisation des investissements média. Nous utilisons l’IAG dans son intégration dans nos outils bureautiques et pour des cas usuels : par exemple du RAG sur des manuels d’opérations ou sur notre dictionnaire de données, ou pour de l’analyse de sentiments. Nous avons un cas en cours d’étude pour du support aux opérateurs du service client. On constate bien sûr qu’il n’y a pas d’IA sans données de qualité pour l’apprentissage, d’où l’importance de l’écosystème data.

C’est d’ailleurs aussi très important pour les agents IA. Je pense d’ailleurs que l’agentique soulève beaucoup de questions par rapport au SI. Pour avoir une action sur le SI, il faut un SI APIsé, avec une architecture permettant les interactions avec les agents. C’est un vrai défi qui peut nécessiter d’importants investissements.

Quels sont vos défis ?

Le premier est sans doute la convergence data. Il nous faut désiloter, harmoniser et embarquer tous les collaborateurs dans notre environnement. Tout le monde est producteur et consommateur de données. Si nous convergeons tous dans notre environnement, le coût de développement d’un nouvel usage va décroître, comme dans un modèle de plateforme.

Faciliter les usages au travers d’une place de marché de la data est aussi un besoin pour donner de l’autonomie aux collaborateurs.

Plus généralement, nous pouvons voir apparaître de la valeur autrement que par le strict gain de productivité. Mais le recours à l’IA suppose, en amont, de disposer d’une réelle qualité de données.

Dans tous les cas, l’implication des métiers, des utilisateurs, dans une réelle co-construction des produits et dans une bonne gestion des données demeure essentielle pour tirer de la valeur de la data.