L'évolution rapide de l’intelligence artificielle (IA) et de sa sous-catégorie, l’IA générative (GenIA), créent un monde de nouvelles opportunités dans le secteur bancaire. Celles-ci ont été discutées lors du plus récent Forum Données et IA pour la Banque de HCLTech à Londres.  

« Récemment, il y a eu une grande attention portée sur les données et l’IA, et l’IA générative en particulier, dans le secteur bancaire. Au cours des dernières années, nous avons fait des progrès significatifs dans la mise en place de centres d’innovation en IA et FinTech, y compris un à Londres, pour aider à faire avancer l’innovation en IA dans tout le secteur bancaire », a déclaré Santosh Kumar, premier vice-président et chef du secteur bancaire britannique chez HCLTech, en accueillant les participants et en soulignant l’impact profond de l’IA sur la satisfaction de la clientèle et l’efficacité opérationnelle dans le secteur des services financiers.

Lors de l’événement, Kumar s’est joint à une discussion informelle avec Paul Weller, ancien chef des nouvelles propositions pour la clientèle et l’IA conversationnelle chez NatWest, et ils ont exploré l’évolution des chatbots orientés vers la clientèle, l’importance de la qualité et de la gouvernance des données, les défis réglementaires et une nouvelle ère pour la prévention de la fraude.

Cora : Un parcours de la conversation à la génération

Cora, le chatbot conversationnel de NatWest, a subi une transformation majeure depuis son lancement en 2018 en tant que robot questions-réponses. Il a été initialement développé avec IBM Watson et, en juillet 2024, il a intégré des composantes WatsonX d’IA générative.

Partageant des perspectives sur le parcours de Cora, Weller a déclaré : « Certains clients hésitaient au début à utiliser les robots, surtout certains groupes démographiques qui préfèrent parler à des humains. Toutefois, avec le temps, l’engagement a augmenté et certains groupes préfèrent désormais s’adresser à notre solution automatisée. L’an dernier, Cora a géré environ 16 millions de conversations via notre application mobile, notre site Web et nos intégrations au centre d’appels. »

Il a ajouté : « Si nous devions retirer Cora, nous aurions besoin d’un nombre considérable d’agents humains supplémentaires pour gérer ces interactions. C’est une économie majeure pour l’organisation et un avantage pour les clients, car cela leur permet d’accéder plus rapidement et facilement à des réponses. »

Un avantage inattendu mis en avant par Weller est apparu lors des processus de deuil. NatWest a constaté que la majorité des clients préfèrent interagir avec un robot plutôt que de parler à un spécialiste du deuil. De même, les clients neurodivergents trouvent que les réponses succinctes de Cora et son interface intuitive sont plus accessibles.

L’introduction de la GenIA a encore optimisé les interactions avec les clients. L’IA peut désormais répondre à des questions complexes — comme expliquer les termes hypothécaires tout en fournissant des liens vers le contenu pertinent — de façon efficace. Les clients peuvent choisir d’utiliser la GenIA, et un nombre impressionnant font ce choix, avec de très hauts taux de satisfaction.

Qualité et gouvernance des données : La colonne vertébrale du succès de l’IA

Mettre en œuvre l’IA dans le secteur bancaire n’est pas sans défis. La qualité des données est primordiale. 

Pour les banques qui détiennent des décennies de données clients, il est essentiel de maintenir des ensembles de données exacts, cohérents et exploitables. Des données contradictoires — telles que des politiques RH désuètes ou des dossiers clients incohérents — peuvent engendrer des résultats d’IA non fiables. Pour pallier cela, un investissement important dans les cadres de gouvernance des données est requis. Les banques doivent s’assurer que leurs données sont à jour, exactes et utilisées de façon éthique.

« Si l’information que vous alimentez dans le LLM ou SLM derrière vos robots est erronée, l’information qui en ressortira sera erronée », a confirmé Weller.

Il a également souligné l’importance de pratiques organisationnelles éthiques claires. « L’IA n’a pas d’éthique. Elle adopte celle de l’organisation qu’elle sert. »

Cela souligne la nécessité d’une supervision rigoureuse afin que l’IA soit en adéquation avec les valeurs centrées sur le client d’une banque tout en atténuant les risques comme les biais et la désinformation.

Composer avec les obstacles réglementaires

La réglementation ajoute une couche de complexité. Le secteur financier est hautement réglementé, avec de nouvelles lignes directrices spécifiques à l’IA qui émergent à l’échelle mondiale. L’Union européenne, par exemple, a introduit des règlements détaillés sur l’IA, qui influenceront probablement les politiques au Royaume-Uni.

Pour relever les défis réglementaires, les banques devraient commencer par des cas d’utilisation à faible risque comme les questions fréquentes de la clientèle et ensuite, progressivement, instaurer la confiance auprès des régulateurs et des clients. S’engager tôt auprès des autorités, surtout pour des domaines à fort impact comme le conseil financier, est crucial.

Prévention de la fraude : lutter contre les menaces émergentes

Le potentiel de l’IA va au-delà des solutions destinées à la clientèle. L’une des applications internes les plus cruciales est la détection de la fraude. 

Kumar a partagé un exemple clé du rôle de l’IA dans l’amélioration de la surveillance des transactions pour la détection de la fraude.

« L’une des grandes banques d’investissement avec laquelle nous collaborons a adopté la GenIA pour la surveillance des transactions. Elle traite des milliers d’alertes et de données issues de courriels ou de discussions, les priorise et génère des résumés pour les analystes. Cela a réduit la charge manuelle et accru l’efficacité de 60 %. » Ces cas d’usage soulignent l’importance de la GenIA pour traiter un grand volume de données en vue de signaler les activités à haut risque et appuyer la détection de la fraude.

De plus, Kumar a abordé un autre cas d’usage : « Les clients et les pays ont chacun leurs propres méthodes de documentation, certains ayant encore recours à des méthodes manuelles comme le fax. Nous explorons comment utiliser l’IA pour lire et résumer ces documents pour les équipes des opérations afin d’accroître l’efficacité. Dans ce cas, nous utilisons Document AI de Google Cloud, et nous avons déjà constaté une hausse de l’efficacité de 30 %. »

Weller a ajouté que l’IA donne aux organisations la possibilité de concentrer leurs ressources sur les véritables points sensibles, notamment en matière de détection de la fraude.

« Cela leur permet de savoir aujourd’hui ce qui devrait les empêcher de dormir cette nuit. Avant, ils constataient quelque chose qui s’était produit un mois plus tôt et ne s’en inquiétaient que maintenant. L’IA et les outils augmentés aident vraiment les équipes à maîtriser ce qu’elles doivent faire, en réduisant le temps de réaction et en améliorant leur réponse. »

Cependant, il convient de noter que les fraudeurs et cybercriminels utilisent de plus en plus l’IA pour élaborer des stratagèmes hyperréalistes, comme des vidéos truquées (« deepfakes ») générées par IA.

Stimuler la satisfaction de la clientèle et l’efficacité opérationnelle

L’adoption de l’IA, en particulier la GenIA, par l’industrie bancaire marque une nouvelle ère d’innovation. Des solutions comme Cora montrent comment l’IA peut améliorer les interactions avec les clients, réaliser des économies et répondre de façon rapide à des problématiques délicates et complexes. Toutefois, le succès repose sur la qualité des données, une gouvernance solide et une collaboration avec les autorités de réglementation.

Pour l’avenir, il sera primordial d’intégrer judicieusement l’IA dans les processus. Il ne s’agit pas seulement d’économies; il s’agit d’efficacité, de meilleures prises de décisions et d’autonomiser les équipes en leur donnant les bons outils pour relever les défis importants. L’adoption de l’IA et de la GenIA continuera de créer de la valeur, permettant aux banques de mieux servir la clientèle tout en atteignant l’excellence opérationnelle.