Comment l’IA générative révolutionne l’industrie bancaire et financière

Caroline : L’IA générative se révèle être un vecteur d’innovation majeur. Quels sont, selon toi, les cas d’usage les plus marquants ou bénéfiques que tu as constatés dans le secteur financier ?

Christophe : Caroline, l’enthousiasme autour de l’IA générative ouvre un champ de possibilités presque illimité, notamment dans le secteur financier où les innovations fusent. Parmi les applications à forte valeur ajoutée, l’assistance personnalisée aux conseillers bancaires et d’assurance se démarque. Grâce à l’IA générative, ils bénéficient d’une compréhension à 360 degrés de leurs clients, leur permettant de proposer des produits ou services parfaitement adaptés à chaque profil. Cette technologie améliore considérablement l’expérience en ligne, en proposant des produits financiers personnalisés en temps réel, une avancée significative par rapport aux méthodes traditionnelles.

Dans la gestion de portefeuilles, l’IA générative offre aux conseillers des recommandations sur mesure, renforçant ainsi la confiance des clients et incitant à de nouveaux investissements. Elle s’affirme comme un partenaire incontournable de la banque digitale, en rehaussant l’interaction client grâce à des réponses plus rapides, précises et compréhensibles.

La gestion des risques bénéficie également de cette technologie. Grâce à l’IA générative, le scoring en temps réel des prospects devient plus fiable, intégrant des variables comme les fluctuations des taux d’intérêt. Cette approche offre une précision accrue et permet une réaction rapide à des facteurs de risque jusqu’alors inobservés.

La conformité réglementaire est un autre domaine où l’IA générative excelle, simplifiant et automatisant les processus complexes et contribuant à une meilleure gestion des nombreuses réglementations du secteur financier.

Enfin, la détection de la fraude représente un enjeu majeur où l’IA générative excelle en identifiant des schémas complexes inaccessibles à l’expertise humaine, ce qui améliore grandement la sécurité et l’efficacité opérationnelle.

Ces avancées témoignent de l’impact potentiel de l’IA générative sur l’efficience opérationnelle, la réduction des coûts et la satisfaction client. Pourtant, leur intégration réussie dépend d’une stratégie d’adoption claire, nécessitant une acculturation au sein des entreprises et une évolution des modèles opérationnels pour exploiter pleinement ces innovations.

Caroline : Dans le vaste univers de l’industrie financière, où penses-tu que l’IA générative déploiera tout son potentiel ?

Christophe : Cette interrogation s’inscrit directement dans la continuité des applications que nous avons précédemment abordées. Je crois que le premier domaine où l’IA générative va véritablement révolutionner les choses concerne l’assistance aux professionnels du secteur, en redéfinissant complètement l’expérience tant pour les conseillers que pour les clients finaux. Grâce à des réponses instantanées et hautement personnalisées, nous anticipons une augmentation notable des taux de conversion, c’est-à-dire la capacité des clients à adopter de nouveaux produits et services, tout en renforçant leur loyauté envers leur institution bancaire.

Un autre axe majeur est la modernisation applicative. Dans un contexte où l’essentiel du code sous-jacent aux systèmes bancaires centraux repose encore sur des technologies éprouvées mais anciennes, l’IA générative se présente comme un allié précieux. Elle ne propose pas une transformation radicale sur simple pression d’un bouton, mais elle agit plutôt comme un copilote sophistiqué, guidant les développeurs dans la modernisation sélective de leur code vers des langages plus actuels comme Java, tout en garantissant l’interopérabilité et la sécurité essentielles au secteur bancaire.

Au-delà de la modernisation technique, l’IA générative se révèle également être un puissant outil d’assistance pour les collaborateurs de différents départements. Que ce soit pour l’extraction et la synthèse d’informations, la création de nouveaux produits financiers, ou encore l’analyse macroéconomique, cette technologie promet d’améliorer significativement l’efficacité et la précision des tâches réalisées.

En somme, les horizons d’application de l’IA générative dans le secteur financier semblent illimités, affectant presque tous les domaines d’activité. Cependant, pour que cette transformation soit fructueuse, un changement profond dans la culture d’entreprise et une adaptation des modèles opérationnels sont indispensables.

Caroline : Avec l’évolution constante de nos métiers, l’introduction de l’IA générative dans nos pratiques professionnelles va inévitablement changer la nature de certaines tâches. Dans le secteur bancaire et financier, quelles sont les tâches que tu vois évoluer avec l’adoption de cette technologie?

Christophe : Caroline, cette question soulève plusieurs points de vue. L’IA générative suscite un large éventail de réactions, allant de l’enthousiasme à la méfiance. Pour y répondre, prenons l’exemple d’un conseiller bancaire traitant des demandes de crédit. Grâce à l’IA générative, il bénéficiera d’analyses de scoring plus précises et fiables, lui permettant de prendre des décisions éclairées, avec une explicabilité claire pour chaque recommandation. Cela sécurise non seulement le conseiller dans ses choix mais augmente aussi la confiance des clients.

Au quotidien, beaucoup de demandes récurrentes et simples, comme les consultations de solde ou les statuts de virement, peuvent être automatisées par l’IA générative, permettant au conseiller de se concentrer sur des tâches à plus forte valeur ajoutée. Cela améliorera également l’expérience client, qui bénéficiera de réponses plus rapides et personnalisées.

Dans le domaine du marketing, l’IA générative pourra proposer des contenus adaptés aux tendances actuelles et aux besoins spécifiques des clients, en tenant compte de critères détaillés tels que la situation familiale ou les catégories socio-professionnelles.

Pour les développeurs, l’assistance de l’IA générative dans la rédaction ou la conversion de code leur permettra de se focaliser davantage sur l’optimisation de l’architecture applicative et le développement de services en micro-services, enrichissant ainsi leur palette de compétences.

Les traders, quant à eux, verront leur processus de décision renforcé par des données en temps réel, réduisant le risque inhérent à leurs activités et leur permettant de prendre des décisions d’investissement plus éclairées.

En somme, l’IA générative a le potentiel de transformer favorablement une multitude de tâches dans le secteur bancaire et financier, en soutenant les activités humaines et en améliorant l’efficacité et la précision des processus.

Caroline : Alors, face à ces impacts positifs, pouvons-nous dire que l’IA générative ne représente pas une menace pour les emplois dans le secteur bancaire et financier ?

Christophe : Absolument, Caroline. Je ne perçois pas l’IA générative comme une menace, et je pense que c’est également le cas pour le secteur dans son ensemble. Il est crucial d’entreprendre une démarche d’acculturation pour dissiper les appréhensions des collaborateurs en clarifiant ce qu’est véritablement l’IA générative, une notion encore floue pour beaucoup. La compréhension approfondie de cette technologie est essentielle pour en saisir pleinement les enjeux et les avantages.

Caroline : Avec l’évolution rapide de l’IA générative, comment les acteurs du secteur financier peuvent-ils rester à jour et se préparer aux transformations à venir ?

Christophe : C’est un défi majeur pour nos clients bancaires. La question n’est pas tant de savoir s’ils adopteront l’IA générative, mais plutôt comment ils le feront. L’IA classique, incluant le machine learning et le deep learning, fait déjà partie intégrante de leur paysage technologique. L’IA générative représente une avancée significative, susceptible de révolutionner les modèles d’affaires et d’opérations.

Les entreprises ne partent pas de zéro : elles ont déjà intégré progressivement les technologies d’IA classique dans leurs processus depuis une dizaine d’années. Cependant, l’IA générative, de par son potentiel disruptif, exige une approche réfléchie. L’adoption de cette technologie passe par une identification claire des cas d’usage, une évaluation de leur valeur ajoutée et une intégration stratégique dans les projets de transformation en cours.

En termes de mise en œuvre, plusieurs étapes clés se dessinent : l’acculturation pour familiariser tous les acteurs avec l’IA générative, l’idéation pour définir les cas d’usage pertinents, le lancement de projets pilotes pour tester ces applications en conditions réelles, et enfin, la gestion du changement pour adapter le modèle opérationnel de l’entreprise à cette nouvelle donne.

Pour réussir cette transition, les entreprises doivent élaborer un modèle d’adoption solide, ancré dans une architecture de données robuste et une stratégie opérationnelle agile, permettant ainsi de naviguer efficacement dans cette ère nouvelle de l’IA générative.

Caroline : Sopra Steria et IBM ont collaboré pour créer un assistant conversationnel. Penses-tu que l’IA générative puisse rendre cet outil obsolète ?

Christophe : Caroline, tu évoques notre projet commun, Live Intelligence, une excellente initiative. En réalité, l’IA générative ne rendra pas cet assistant désuet ; bien au contraire, elle le renforcera et l’enrichira. Actuellement,  nos équipes travaillent à intégrer les capacités de l’IA générative à cet assistant, basé initialement sur Watson, notre IA traditionnelle. L’objectif est de fournir des réponses plus complètes et nuancées, tirées d’un éventail plus large de données internes à l’entreprise. Cette évolution permettra à l’assistant d’offrir des analyses et des conseils plus précis, avec une meilleure capacité d’interprétation et, si nécessaire, une explicabilité et traçabilité des réponses fournies.  Ces éléments sont cruciaux dans le contexte réglementaire actuel.

Caroline : Quand penses-tu que l’agilité conversationnelle se généralisera à tous les points de contact dans une banque ?

Christophe : C’est une question complexe, et ma réponse doit être nuancée : cela dépendra principalement du plan de mise en œuvre de chaque client et de l’état actuel de leur système informatique, en particulier leur architecture de données. Bien que la technologie d’IA générative soit prête, l’implémentation d’assistants conversationnels avancés dépendra de l’accès et de la gestion des données internes et externes à l’entreprise. Les banques ont déjà entamé leur transition vers le big data, mais le modèle idéal pour l’IA générative serait plutôt un modèle de “lake house” avec une gouvernance et une gestion des métadonnées adaptées. Concernant les délais, une banque équipée d’assistants conversationnels pourrait, avec les bonnes infrastructures, réaliser une interopérabilité des assistants entre ses différentes branches en 6 à 12 mois. Toutefois, il est prudent de considérer que la durée du projet peut varier en fonction de nombreux paramètres.

Caroline : En considérant les avancées positives, l’IA générative représente-t-elle un risque pour les emplois dans le secteur bancaire et financier, ou les collaborateurs doivent-ils s’attendre à un changement radical dans leur environnement de travail, similaire à ce qu’on voit dans certains films de science-fiction ?

Christophe : C’est encore un peu tôt pour tirer des conclusions définitives sur un sujet aussi complexe. L’IA générative suscite un large éventail de réactions, de l’optimisme à l’inquiétude, en fonction des interlocuteurs. Les dirigeants et les leaders d’opinion du secteur voient dans l’IA générative un sujet de grande importance, source d’enthousiasme et de nombreuses discussions. Cependant, elle reste un domaine prospectif, avec de nombreux projets pilotes en cours visant à valider son potentiel et ses applications concrètes.

D’un autre côté, pour les professionnels dont une partie des tâches pourrait être automatisée, comme les développeurs ou les assistants juridiques, il y a une certaine appréhension quant à la perte éventuelle de certaines de leurs responsabilités. C’est pourquoi il est crucial d’entreprendre des efforts d’acculturation pour expliquer les avantages et les impacts de l’IA générative sur leur travail, et de les rassurer sur le fait que cette technologie agira davantage comme un outil complémentaire que comme un remplacement.

Concernant l’interaction humaine avec des systèmes automatisés, le but de l’IA générative est de rendre ces échanges aussi naturels et indiscernables que possible de ceux avec un humain. L’idée est que si la réponse fournie est pertinente, rapide et personnalisée, la question de savoir si c’est un humain ou une machine qui répond devient secondaire.

En conclusion, le véritable enjeu de l’IA générative pour les entreprises n’est pas tant au niveau des emplois individuels, mais plutôt dans la capacité des organisations à s’adapter et à intégrer ces technologies pour rester compétitives. C’est là que réside le véritable risque : une entreprise qui n’évolue pas avec ces nouvelles technologies pourrait se retrouver désavantagée sur le marché, ce qui aurait in fine un impact sur l’emploi au sein de cette entreprise.

Caroline : Dans un secteur aussi critique que la finance et la banque, peut-on vraiment se permettre d’utiliser des outils susceptibles de commettre des erreurs, comme c’est parfois le cas avec l’IA générative ?

Christophe : Caroline, ta question, bien que pertinente, me semble un peu trop vaste. Il est essentiel de rappeler que les fonctions critiques du secteur bancaire, telles que les transactions, la gestion des comptes ou les paiements, ne sont jamais entièrement automatisées ou soumises directement aux décisions d’un système d’IA, qu’il soit traditionnel ou basé sur l’IA générative. Ces tâches restent sous le contrôle strict de professionnels humains.

Prenons l’exemple du scoring de crédit : même si un modèle d’IA générative peut proposer une recommandation, la décision finale revient toujours au conseiller bancaire, qui possède la latitude de valider ou refuser un crédit, en fournissant une explication détaillée au client.

Il est vrai que l’IA peut parfois produire des résultats erronés, ce que l’on nomme des “hallucinations”. Cependant, les données générées par l’IA ne sont jamais intégrées directement dans les systèmes centraux sans passer par une vérification humaine.

Ce sont les cas d’usage spécifiques et leur validation rigoureuse qui garantissent la fiabilité de ces outils. De plus, la gouvernance de l’IA, et plus particulièrement de l’IA générative, joue un rôle crucial dans la mise en place d’une IA responsable, transparente et explicable, limitant ainsi les risques d’erreurs. Chez IBM, nous avons développé la plateforme WatsonX, qui intègre un module dédié à la gouvernance de l’IA, assurant la traçabilité et l’explicabilité des processus d’IA, en conformité avec les réglementations émergentes et pour rassurer les utilisateurs.

Caroline : Dans le domaine bancaire et financier, est-il envisageable de travailler avec des technologies susceptibles d’erreurs, telles que l’IA générative ?

Christophe : Caroline, cette question est très large. Il est crucial de souligner que les fonctions critiques du secteur, telles que les transactions ou la gestion des comptes, ne sont jamais entièrement déléguées à l’IA, qu’elle soit générative ou non. Prenons l’exemple du scoring de crédit : même si un modèle d’IA générative suggère une recommandation, la décision finale appartient toujours au conseiller. Bien que l’IA générative puisse produire des erreurs ou des “hallucinations”, les résultats ne sont jamais intégrés sans une validation humaine approfondie. La gouvernance de l’IA assure l’implémentation responsable, transparente et explicative de ces technologies, minimisant ainsi les erreurs et garantissant la traçabilité des processus.

Caroline : Face aux enjeux environnementaux, est-il raisonnable de développer l’IA générative malgré sa forte consommation de ressources ?

Christophe : C’est une excellente question. Bien que l’entraînement des modèles d’IA générative soit gourmand en ressources, ces technologies permettent également d’optimiser significativement de nombreuses fonctions, réduisant ainsi indirectement leur impact environnemental. Il s’agit de trouver un équilibre entre l’efficacité des modèles et leur consommation énergétique. Actuellement, l’accent est mis sur l’exploration des cas d’usage plutôt que sur l’empreinte carbone de ces technologies, mais l’importance croissante de la durabilité influencera certainement les choix futurs en matière de technologie. Chez IBM, nous proposons une infrastructure cloud native optimisée pour l’IA, avec des capacités de calcul importantes et une gestion automatisée des charges de travail, visant à optimiser l’utilisation des ressources.

Caroline : Quelle est la méthode pour évaluer le coût d’un projet d’IA générative ?

Christophe : C’est une question complexe. L’estimation dépend essentiellement du cas d’usage sélectionné et de son envergure. Prenons l’exemple de l’amélioration d’un assistant conversationnel existant dans une banque de détail, où le projet implique l’intégration de l’IA générative via une solution de plateforme en tant que service. Dans ce cas, le projet pourrait s’étendre sur quelques semaines à un ou deux mois, impliquant quelques profils spécialisés tels que des data engineers ou des data scientists.

Pour un projet plus ambitieux, comme la summarisation d’incidents IT en s’appuyant sur un système de gestion d’incidents existant, la durée pourrait être de trois à six mois pour un grand client bancaire, nécessitant une approche plus complexe en termes d’intégration avec l’infrastructure IT existante.

La complexité et la durée d’un projet d’IA générative dépendent principalement du nombre de points d’intégration avec le système d’information du client, en particulier les sources de données. La collecte et l’intégration des données nécessaires pour nourrir les modèles de l’IA générative sont souvent les principaux défis.

De plus, si l’objectif est de développer une plateforme générative AI multimodale pour répondre à l’ensemble des cas d’usage de l’entreprise, le projet pourrait s’étendre davantage, s’appuyant sur plusieurs modèles fondamentaux.

Il est important de souligner que, tout comme l’IA traditionnelle, l’IA générative s’appuie sur des solutions disponibles en tant que service, offrant un large éventail de modèles prêts à l’emploi. Cela diffère significativement des projets de transformation plus larges, tels que la refonte du système bancaire central ou l’intégration multicanale.

Caroline : Merci, Christophe, pour cette discussion éclairante.

Christophe : Ce fut un plaisir.

Caroline : Bonne journée.

Christophe : À toi également, Caroline.