Depuis des années, les organisations financières déploient des systèmes d’IA pour améliorer la cybersécurité, les services clients et surtout leur connaissance des marchés.
Parmi tous les secteurs économiques qui bénéficient de la transformation numérique, celui de la finance est l’un des plus gourmands en Intelligence Artificielle (IA) et bénéficie de deux remarquables atouts : il possède et génère une quantité exponentielle de données, et ses acteurs sont dotés de larges ressources économiques. Rien d’étonnant, donc, à ce que l’IA et la Finance soient faites pour s’entendre. Les grandes banques françaises l’ont bien compris, et allouent aux technologies de l’information un budget pour déployer des systèmes d’intelligence artificielle à en faire pâlir les autres entreprises du CAC40.
Une pluralité d’intelligences artificielles
Au regard des moyens déployés, plusieurs questions se posent : quels sont les champs d’applications réels de l’IA en finance ? Quelle est la limite entre un système expert et une IA ? Et surtout, ces graines d’IA permettront-elles aux organisations financières de récolter les fruits de leurs — coûteux — investissements ? Dans tous les secteurs, l’IA engendre de nombreuses projections parfois déconnectées de la réalité de la technologie.
Pour comprendre les enjeux de l’IA en finance, il est important de dissiper l’illusion selon laquelle il y aurait une seule intelligence artificielle. Il existe en réalité une pluralité de technologies d’intelligence artificielle, qui effectuent des tâches différentes et sont commercialisées par des entreprises aux intérêts souvent concurrents. Pour le moment, l’IA singulière n’existe tout simplement pas et, en finance, on identifie quatre champs d’applications d’IA principalement actifs : la gestion de portefeuille, le trading algorithmique, la détection de fraude et la souscription de crédits et d’assurances. Par « principalement actifs », il faut entendre que ce sont des champs d’applications mûrs et déjà massivement déployés sur les marchés. À titre d’exemple, le bureau de trading new-yorkais Goldman Sachs est passé de 600 traders à 200 ingénieurs en l’espace de 15 ans, ces derniers s’occupant de faire fonctionner des robots de trading algorithmique.
Trois principaux domaines d’utilisation
Avec ces quatre champs d’applications principaux, il en existe de nombreux autres qui sont inclus dans les 3 grands domaines de l’industrie bancaire que l’IA a profondément transformés :
Le premier, celui du service client, a connu une petite révolution avec l’arrivée du conversationnel digital, qui a intégré des chatbots capables d’échanger immédiatement avec les clients, certains même dotés de systèmes de Natural Language Processing (NLP), pour répondre dans la langue maternelle de l’interlocuteur. Les relations avec les clients ont aussi bénéficié de l’analyse prédictive qui améliore la pertinence des recommandations commerciales grâce à une meilleure analyse des données.
Avec le service client, le deuxième grand domaine à avoir bénéficié des technologies d’IA est celui de la cybersécurité, vital au secteur financier dont la bonne santé repose sur la confiance des épargnants. L’intégration de l’IA a permis une refonte complète des Security Operations Centers, qui intègrent désormais la technologie de Machine Learning pour mieux prévenir les attaques.
Enfin, l’IA a amélioré la connaissance des marchés en accélérant le travail de veille médiatique et d’analyse des tendances, grâce à une analyse sémantique approfondie de flux d’informations hétérogènes (sites d’actualités, analyses, rapports, livres blancs).
Distinguer les Fintechs des plateformes ouvertes
Il ne faut néanmoins pas perdre de vue que les acteurs sont nombreux sur ces marchés et que la qualité des technologies disponibles reste variable. Il est également important de faire la distinction entre les technologies verticales, les fameuses Fintechs, qui viennent répondre aux besoins spécifiques d’un métier et les technologies horizontales, répondant aux approches « plateformes », qui offrent des fonctionnalités plus transverses, au service de ce qu’on appelle la Digital Workplace.
Différentes, ces deux approches doivent être combinées pour maximiser l’efficacité des organisations, que ce soit dans les démarches commerciales avec leurs clients et partenaires ou en interne pour fluidifier les interactions entre collaborateurs. Là, le secteur de la finance ne fait pas figure d’exception : toutes les entreprises qui ont compris le bénéfice qu’elles pouvaient tirer de ces plateformes globales et intégrées se sont dotées d’une Digital Workplace performante ; et de par le fait qu’elles gèrent des flux beaucoup très importants et mondiaux, les organisations financières bénéficient tout particulièrement du gain de temps qu’elles procurent.
Dans le secteur ultra compétitif de la Finance, s’équiper des meilleurs outils technologiques est fondamental pour répondre aux attentes des clients et ne pas se laisser distancer par la concurrence. Connaître et choisir ces technologies ne s’improvise pas, c’est le rôle des Digital Transformation Practice (les Chief Digital Officer, Chief Data Officer, Chief Information Officer ou Head of Innovation) qui se sont imposés depuis plusieurs années comme des acteurs incontournables de la transformation numérique des organisations financières.