Quelle place pour l’intelligence artificielle dans les services financiers ?
Article d’Alain Clot publié dans le Magazine des Professions Financières et de l’Economie.
L’Intelligence Artificielle (IA) dans les services financiers tient de l’Arlésienne : on en parle beaucoup, on n’en voit guère… Cela est vrai aussi bien dans la finance dite traditionnelle que dans les start-ups.
Selon les cas, on l’évoque généreusement pour donner une image avant-gardiste à son modèle d’affaires ou au contraire on la tait pour masquer le remplacement des conseillers par des modules technologiques pour certaines opérations.
Si l’on en décèle peu ou pas la trace, c’est pour deux raisons distinctes :
La première c’est que cela ne se voit généralement pas. L’IA est le plus souvent intégrée au traitement, améliorant fortement son efficacité ou prenant en charge certaines briques techniques.
La seconde raison est que l’intégration de l’IA au cœur des modèles financiers n’en est qu’à ses débuts. De fait, on assiste à certains abus de langage en la matière.
Sont un peu hâtivement assimilées à de l’intelligence artificielle différentes technologies qui, pour être authentiquement innovantes, ne relèvent pas proprement de l’IA. Il en est ainsi des chantiers de robotisation qui fleurissent au sein de la banque et de l’assurance (presque la moitié des établissements en ont lancés). Si ceux- ci mobilisent généralement bien les technologies de la donnée et des algorithmes complexes, on ne peut pour autant parler d’intelligence artificielle.
Ces développements ne mobilisent en effet que peu ou pas les caractéristiques de l’IA : sciences cognitives appliquées à des données de masse, algorithmes de corrélation de bases de données non structurées ; moins encore l’IA de deuxième génération, à savoir la capacité des systèmes à apprendre et s’améliorer au fur et à mesure de leurs interactions avec leurs utilisateurs (« Machine Learning ») et la gestion de situations complexes à partir d’architectures de type neuronal. Seul un petit nombre d’établissements ont lancé des chantiers de Learning significatifs.
En clair, on a surtout vu des développements visant à faire mieux, plus vite et moins cher que l’homme. Pas vraiment encore ce qu’il ne sait pas faire…
Les objectifs principaux sont les gains de productivité, l’amélioration des interactions avec le client, y compris l’exécution automatique d’instructions simples et la lutte contre la fraude. Ont été notamment mobilisées les interfaces en langage naturel (voix, écrit, plus rarement image), les applications sémantiques (réponse automatique aux mails entrants par exemple), les robots conversationnels (« chatbots »), les technologies d’identification (biométrie).
Les objectifs recherchés ont été dans l’ensemble atteints (gains de productivité notamment), au prix parfois d’ajustements itératifs comme dans le cas des mails entrants.
Cette première phase franchie, les entreprises du secteur abordent résolument la deuxième.
Il est vrai que le potentiel de l’IA est immense dans le secteur financier. Il l’est bien sûr dans tous les compartiments des services, mais résonne particulièrement dans la banque et l’assurance, confrontées à une triple problématique stratégique :
Tout d’abord, face à la montée de la concurrence des nouveaux entrants, la nécessité d’abaisser fortement les coûts, aussi bien d’exploitation (point mort) que commerciaux (acquisition de nouveaux clients). Ce dernier aspect est fondamental. L’économie numérique s’appuie en effet sur sa capacité à toucher les clients à un coût très faible, en tout état de cause fortement inférieur à celui des réseaux de distribution physiques. Une banque traditionnelle acquiert son client à un coût de plusieurs centaines d’euros (marketing, réseau, cadeau d’accueil, etc.), alors que les start-ups le font pour quelques dizaines d’euros.
Le deuxième défi stratégique est d’optimiser la gestion des risques, fondamentalement au cœur du métier des banques et des assureurs. Ceux-ci sont confrontés à la montée des incertitudes, des fraudes et de la cybercriminalité. Le sujet est tout autant l’identification des risques, leur gestion et le coût du risque lui même.
Enfin et surtout, le secteur doit améliorer l’expérience client et développer de nouveaux services, notamment en matière de conseil, qui sera « la mère de toutes les batailles » dans les années à venir.
L’IA sera un contributeur très efficace aux trois chantiers :
- en matière de coûts, via la robotisation intelligente et le ciblage commercial. L’expérience montre que le recours à l’IA contribue également très significativement à la génération de revenus.
-
en matière de risques, grâce au croisement, via des algorithmes puissants, de bases de données (internes et externes) et l’analyse des « signaux faibles (données publiques et réseaux sociaux). Les capacités prédictives de l’IA sont clés dans ce domaine.
-
en matière d’expérience client, en optimisant les échanges avec les réseaux, en permettant des diagnostics précis, l’individualisation du service, la relation en réseau (communauté de clients, forums, etc.), la relation 24/24.
Et bien sûr en exploitant le potentiel considérable de l’IA en matière de conseil : diagnostic des besoins du client, prise en charge évolutive de ses demandes, préconisations, alertes, reporting, etc.
Le meilleur est encore à venir, tant le potentiel de l’IA est fort en finance et son introduction embryonnaire. La mise à l’échelle (« IA at Scale ») sera un vrai défi.
Les entreprises du secteur en tireront le parti maximum si elles s’appuient sur trois convictions essentielles :
- Il convient de gérer finement le « et » et le « ou », l’humain et la machine ou l’humain ou la machine, ou plus précisément l’humain augmenté ; il est hautement probable que, s’agissant par exemple du conseil patrimonial, la meilleure solution est l’hybridation, à savoir un conseiller fortement soutenu par l’IA. A tout le moins la possibilité, à tout moment d’accéder à un être humain.
- La compétence en IA est une ressource extrêmement rare. Une étude récente faisait état de 28 000 experts dans le monde seulement (détenteurs d’un doctorat en sciences), avec une vraie légitimité française ; l’attirer requiert de construire son attractivité, et donc sa vision. Au passage, rappelons que la France compte le plus grand nombre de laboratoires de recherche en AI en Europe (82 devant l’Allemagne 43) et se classe deuxième en matière de start-ups dédiées à ce sujet (308 derrière la GB avec 774)(1).
- L’IA n’est pas « un outil de plus », une technologie additionnelle. Elle est désormais au cœur du modèle et une opportunité de le repenser en profondeur. Contribuant en même temps aux trois chantiers stratégiques (productivité, risque, expérience client), elle se combine aux deux autres blocs de la technologie numérique, Blockchain et internet des objets. Il en résulte une problématique complexe de gestion du changement et, il faut bien le dire, des appréhensions que suscite cette révolution.
Il est nécessaire de se repenser comme un acteur de la technologie et de la donnée.
A cet égard, la coopération entre acteurs traditionnels et start-ups est essentielle, ne serait-ce que pour se préparer à l’offensive des GAFA-BATX.
Le sujet est donc moins technologique que stratégique et même culturel. Il n’en est que plus exaltant !
(1) Source France Digitale & Roland Berger
