Retrouvez dès à présent l'intégralité du replay Retail & E-commerce 2023 en vidéo !

Le pari hippique est l’une des toutes premières activités centrées sur la data. Au-delà des paris, la data est aujourd’hui une expertise qui irrigue toute l’entreprise technologique et engagée qu’est devenue le PMU. Au cœur de sa raison d’être, le jeu responsable est porté au PMU par tout un écosystème. Dans ce contexte, l’équipe data a développé Betsafe, un modèle algorithmique totalement innovant de détection des comportements de jeu potentiellement problématique afin de toujours mieux accompagner la pratique de ses clients.

PMU compte 13 500 points de vente et 1100 collaborateurs, dont 400 à la DSI. La data est un enjeu clé pour l’entreprise, qui réalise près d’1 milliard de transactions par an, avec 2000 transactions par seconde en période de pics, et 4500 paris par minute. “La data est un capital stratégique, et il faut le valoriser”, énonce Fiona Ongaro. 

La collecte de la data chez PMU implique de savoir sur quelle borne un pari à été pris, sur quelle course, à quelle heure, mais aussi de savoir si le client approvisionne son compte, et retire son argent. Le data office de l’entreprise, conçu pour valoriser ces données, couvre 4 verticaux : 

• le data engineering, pour le traitement et la préparation
• la business intelligence, pour le pilotage et le monitoring
• la data insights & science, avec la modélisation
• la data gouvernance

Le jeu responsable est un engagement porté par le PMU, en lien avec la communauté des joueurs (ANJ) et la communauté scientifique, pour protéger les mineurs et les joueurs vis-à-vis du jeu excessif. Plusieurs paramètres limitent le périmètre d’action de PMU. Comme la majorité des clients sont anonymes, l’entreprise doit se concentrer sur les clients en possession de comptes en ligne, dont l’identité est vérifiée. Ensuite, PMU n’a pas de vision sur le comportement des joueurs pariant chez leurs concurrents. Enfin, l’entreprise ne peut pas fournir de diagnostic médical, mais seulement encourager un utilisateur à aller voir un médecin pour traiter son addiction.

Avec l’aide de l’ANJ, PMU a dressé une liste des variables qui définissent l’addiction, dont l’auto-exclusion et une chute de l’activité du compte. Mais “la modélisation d’un comportement à risque doit être individuelle”, précise l’experte, car le pouvoir d’achat et les pratiques de jeu changent la donne. 

Pour aller encore plus loin et affiner les types de joueur, l’entreprise a fixé des seuils de détection adaptés (5 niveaux de risque) pour ajuster la fréquence de détection et limiter le risque de labelliser un joueur à tort. Sur l’outil interne, les clients sont accolés d’une pastille indiquant aux opérateurs le discours à adopter. Moins de promotions, par exemple, seront poussées à un client à risque.

Via l’intégration de nouvelles données, et les feedbacks terrain du service client, l’entreprise cherche aussi constamment à améliorer l’outil. Celui-ci s’inscrit dans un écosystème, explique Fiona Ongaro, et devra sur le long terme être assimilé par les associations, les partenaires en points de vente et les régulateurs.

L’important est de suivre l’efficacité de l’outil afin que les volumes de clients, selon les niveaux de risque, restent stables (...) et que nos actions ne déclenchent pas de risques d’addiction.

- Fiona Ongaro, Chief Data Officer (PMU)

Retrouvez dès à présent l'intégralité du replay Retail & E-commerce 2023 en vidéo !