Listen à article
Les institutions de services financiers reconnaissent le potentiel de l’IA générative (GenAI) pour optimiser leurs opérations, rehausser l’expérience client et stimuler l’innovation. Cet article explore l’impact de GenAI sur le secteur des services financiers, en examinant les tendances d’adoption, les cas d’utilisation clés, les défis et les avantages associés à l’utilisation de l’IA dans cette industrie.
À retenir
- GenAI est actuellement une approche axée sur l’optimisation dans la finance : la plupart des dirigeants s’attendent à un impact modéré à court terme, privilégiant une adoption progressive et mesurée plutôt que la perturbation
- La valeur initiale se manifeste par des gains de productivité, d’efficacité, de réduction des coûts et une expérience client améliorée, notamment dans la synthèse, les outils de développement et l’automatisation des flux de travail
- Les cas d’utilisation initiaux à haut ROI incluent la fraude/lutte contre le blanchiment d’argent (LBA) et l’assistance en conformité, la génération/conversion de code et les copilotes de centres de contact, qui sont des domaines dotés de contrôles clairs et de mesures observables
- La réussite exige une démarche disciplinée du pilote à la production : solides hypothèses de ROI, confidentialité des données par conception, gestion des risques liés aux modèles et garde-fous de conformité
- Les partenariats et la modernisation de l’infrastructure comptent : les banques qui alignent les couches produit, données, plateforme et gouvernance, et travaillent avec des fournisseurs éprouvés, évoluent plus rapidement et de manière plus sécuritaire
Qu’est-ce que l’IA générative dans les services financiers ?
GenAI fait référence à des modèles, typiquement des grands modèles de langage (LLM), capables de générer et de transformer du contenu, tel que du texte, du code ou des sorties structurées, à partir d’entrées et de contexte.
Dans l’infrastructure d’une banque, GenAI se situe généralement dans la couche « intelligence » entre les canaux ou applications et la couche données/plateforme, à laquelle on accède par des API sécurisées et des cadres d’orchestration comprenant des contrôles de confidentialité, sécurité et risque liés au modèle.
Différence avec l’AM prédictive : l’AM prédictive (apprentissage machine prédictif) estime une valeur ou une classe à partir de caractéristiques, tandis que GenAI compose un nouveau contenu et des raisonnements conditionnés sur des invites et du contexte récupéré.
Quand ne pas utiliser : évitez GenAI pour des décisions entièrement automatisées, à enjeux élevés et déterministes sans supervision humaine, ou lorsque la qualité et l’ancrage des données sont faibles, que la latence est extrêmement serrée ou que les explications doivent être parfaitement conformes aux règles.
Pourquoi l’adoption de GenAI est axée sur l’optimisation dans les services financiers
Selon un sondage du Gartner Financial Services Research Panel, l’industrie des services financiers considère GenAI comme un outil d’optimisation, la majorité (49 %) des cadres supérieurs anticipant un impact modéré de cette technologie. Seul un faible pourcentage (2 %) considère que GenAI aura un impact perturbateur à court terme, ce qui souligne la nécessité d’une approche graduelle.
Les institutions de services financiers comprennent qu’elles doivent « marcher avant de courir » et adopter l’innovation de façon prudente. Cette approche mesurée aide à atténuer les risques et à assurer une intégration sans heurts de GenAI dans leurs opérations.
En 2023, le sondage AI Survey: CIOs and Technology Leaders View de Gartner a rapporté que 75 % des entreprises de services financiers ont constaté des gains de productivité et d’efficacité, 60 % une amélioration de l’expérience client et 54 % une réduction des coûts grâce à l’adoption de l’IA.
Grâce à la puissance de l’IA, les institutions financières peuvent automatiser des tâches manuelles chronophages, simplifier les processus et libérer des ressources pour se concentrer sur des activités plus complexes et à valeur ajoutée, comme plus de temps avec les clients.
De plus, les informations générées par l’IA permettent de personnaliser l’expérience client, en offrant des recommandations sur mesure et en fournissant de l’information pertinente en temps réel. Cette expérience enrichie renforce la fidélité de la clientèle et contribue ultimement à la croissance des affaires.
Commentant la formidable opportunité à venir, Srinivasan Seshadri, chef de la croissance, Services financiers chez HCLTech, a déclaré : « L’IA a le potentiel de transformer les services financiers. Pour cela, les institutions financières doivent se transformer dans toutes les couches de leurs capacités. Les organisations qui reconnaissent la valeur de l’IA et de la technologie adoptent un modèle d’exploitation axé produit qui combine talent, culture et modes de travail pour synchroniser toutes les couches. Ces institutions donnent priorité à un développement produit guidé par le parcours client et réunissent les gens pour livrer des solutions que les clients apprécient pour une croissance durable. »
Cas d’utilisation de l’IA générative dans les services financiers
Prévention de la fraude, LBA et conformité
Les institutions de services financiers explorent une variété de cas d’utilisation de GenAI. L’un des domaines importants est la prévention de la fraude, où 13 % des institutions utilisent déjà des outils d’IA.
Selon le sondage 2023 sur l’expérience client et la confiance de Gartner, une « meilleure sécurité » était la principale raison pour laquelle les clients bancaires de détail changeaient d’institution, devant les « meilleurs taux d’intérêt », qui occupaient la deuxième place.
Les entreprises peuvent tirer avantage de GenAI pour déceler et prévenir de façon proactive les activités frauduleuses. Il est important de noter que la lutte contre le blanchiment d’argent (LBA) et la conformité réglementaire sont des considérations centrales, nécessitant des solutions sur mesure et des approches nuancées.
Génération et conversion de code
Un autre cas d’utilisation courant de GenAI dans le secteur financier est la génération et conversion de code. En automatisant les processus de programmation, les institutions peuvent gagner du temps, réduire les erreurs et améliorer l’efficacité de leurs opérations logicielles. Cela permet le déploiement plus rapide des applications et rehausse le cycle de développement global.
Copilotes de centres de contact et assistants virtuels
L’assistance aux centres de contact est également explorée. Grâce à des robots conversationnels et assistants virtuels alimentés par l’IA, les institutions visent à offrir un soutien efficace et personnalisé aux clients, à réduire les délais d’attente et à accroître la satisfaction, éléments importants pour faire progresser l’expérience totale en finance. Cependant, les services financiers font face à des défis uniques dans ce domaine, car le respect de la réglementation et la sécurité des clients sont essentiels.
Exemples réels d’utilisation de GenAI dans la banque et les paiements
Plusieurs institutions financières ont réussi à intégrer GenAI dans leurs opérations, fournissant de précieux enseignements sur son potentiel.
Par exemple, J.P. Morgan utilise GenAI pour analyser les modèles dans les courriels afin de détecter les fraudes, ce qui permet d’identifier et de prévenir efficacement les activités frauduleuses. Stripe, une plateforme de paiement majeure, utilise GenAI afin de mieux comprendre les modèles d’utilisation de ses clients et fournir un soutien personnalisé, tout en luttant contre les transactions frauduleuses.
Ally Bank profite de GenAI pour transcrire et résumer les appels de service à la clientèle, ce qui accroît l’efficacité et accélère la résolution des problèmes. Klarna, une plateforme de commerce électronique populaire, a intégré un module complémentaire ChatGPT dans son système pour enrichir l’expérience client en offrant des conseils d’achat sur mesure et des recommandations de produits.
Par ailleurs, Erste Bank adopte une approche distinctive en utilisant GenAI pour créer un compagnon personnalisé de services financiers afin d’aider les clients à améliorer leur santé financière. Ce cas d’utilisation dépasse les opérations internes et vise à fournir aux clients des ressources d’apprentissage personnalisées pour prendre des décisions financières éclairées. Le compagnon GenAI propose divers formats, tels que la vidéo et l’audio, pour répondre aux préférences individuelles et styles d’apprentissage.
Comment passer du pilote à la production avec GenAI (ROI, risque, conformité)
La transition des projets pilotes vers la production à grande échelle avec GenAI présente des défis pour les institutions financières. Un défi majeur consiste à offrir une vision claire du rendement du capital investi (ROI) lié à l’implantation de l’IA. Les projets pilotes peuvent exiger des résultats modestes, mais l’intégration à plus grande échelle nécessite de démontrer des avantages tangibles, comme une hausse des revenus, une efficacité accrue et une atténuation efficace des risques. Les risques juridiques et de conformité entrent aussi en ligne de compte, car les institutions doivent s’assurer que les technologies d’IA respectent les cadres réglementaires, ce qui met en lumière l’importance croissante du risque GenAI en finance.
Définir à quoi ressemble la réussite dans l’implantation de GenAI est un élément crucial. Des recherches sont en cours pour fournir des mesures et des cadres de référence complets permettant aux institutions de mesurer l’impact de GenAI dans leurs activités. En s’appuyant sur ces mesures, les institutions financières pourront mieux comprendre la valeur générée par GenAI et prendre des décisions éclairées pour les implantations futures.
Guide en 5 étapes du pilote à la production
Évaluer et sélectionner l’opportunité
- Responsable(s) : chef d’entreprise, gestionnaire de produit
- Critères de sortie : cas d’utilisation cible priorisé avec valeur quantifiée, user stories claires et mesures de succès définies
Préparer les données, l’accès et les contrôles
- Responsable(s) : ingénierie des données, sécurité, confidentialité/risque
- Critères de sortie : conception d’accès aux données approuvée, plan de récupération/ancrage, évaluation du risque du modèle commencée et environnement de test avec journalisation d’audit activée
Construire le pilote et valider hors ligne
- Responsable(s) : ingénierie ML, ingénierie applicative, UX
- Critères de sortie : prototype fonctionnel doté d’une conception d’invite/garde-fou, de filtres de sécurité et d’une évaluation hors ligne respectant les seuils minimaux
Conduire un essai utilisateur contrôlé
- Responsable(s) : produit, opérations, conformité/légal
- Critères de sortie : déploiement limité avec implication humaine, suivi des KPI; vérification des biais/consentement/conformité réussie; commentaires clients/agents recueillis; décision go/no-go avec guide d’expansion
Mettre en production, gouverner et exploiter
- Responsable(s) : plateforme/SRE, gestion des risques liés au modèle, FinOps
- Critères de sortie : SLO de production et autoscaling en place, budgets/cadres d’alertes de coûts établis, guides pour incidents et retour en arrière prêts, calendrier de réévaluation périodique convenu et artefacts de gouvernance (cartes de modèle, DPIA, RRPs) approuvés
Perspectives : GenAI va-t-il bouleverser l’avenir des services financiers ?
À l’avenir, on prévoit que GenAI deviendra plus présent dans les services financiers, de nombreuses entreprises naviguant déjà dans les nouveaux horizons de l’IA en finance pour explorer des possibilités inédites. Les fournisseurs de ce secteur s’attendent à une adoption croissante, plusieurs institutions misant sur l’IA pour améliorer l’expérience client et employé, et optimiser leurs opérations. Toutefois, il reste à voir si cette technologie bouleversera vraiment l’industrie et entraînera les institutions financières vers une transformation véritable de leur modèle d’affaires.
La mise en œuvre de GenAI exige l’expertise et le soutien de fournisseurs spécialisés en GenAI. Ces derniers, comme HCLTech, jouent un rôle crucial pour permettre aux institutions de rester à l’affût des dernières avancées et d’explorer efficacement les nouveaux cas d’utilisation. Travailler avec ces fournisseurs aide à simplifier l’adoption de l’IA et à demeurer à la fine pointe dans le paysage en rapide évolution de GenAI.
GenAI recèle un immense potentiel pour transformer l’industrie des services financiers. En l’adoptant, les firmes peuvent non seulement optimiser leurs opérations et améliorer l’expérience client, mais aussi créer de nouvelles propositions de valeur et de nouveaux flux de revenus, accélérant ainsi l’innovation en IA en finance.
Une approche mesurée de l’adoption de GenAI permet aux institutions de surmonter les défis, d’atténuer les risques et de libérer tout le potentiel de l’IA dans la finance. Alors que l’industrie poursuit sa phase d’exploration, la collaboration avec des fournisseurs spécialisés sera cruciale pour devancer la concurrence et offrir une expérience client exceptionnelle.
FAQ
GenAI : perturbation ou simple optimisation dans la finance ?
Surtout de l’optimisation à court terme, mais une perturbation pourrait suivre à mesure que les contrôles, les données et les modèles d’exploitation mûrissent.
Quels sont les principaux cas d’utilisation de GenAI en finance ?
Assistance à la fraude/LBA, génération/conversion de code, copilotes de service à la clientèle, automatisation de documents/processus et récupération de connaissances pour équipes de première ligne/personnel.
Comment les banques peuvent-elles mesurer le ROI des projets GenAI ?
Définir une base de comparaison, choisir 2 ou 3 indicateurs de performance principaux par cas d’utilisation et suivre la valeur nette après les coûts de modèle/infrastructures.
Quel rôle joue la protection des données dans GenAI ?
Un rôle central. Les organisations devraient concevoir selon le principe du moindre privilège et de la minimisation des données, conserver les données sensibles sur site/en réseau privé virtuel, journaliser les accès et appliquer les politiques de consentement/rétention.
Comment la conformité influence-t-elle l’adoption de GenAI ?
Elle fixe les règles du jeu : gestion des risques liés aux modèles, explicabilité au besoin, tenue de dossiers, équité et règles de marketing/communications régissent la portée et le déploiement.
Quelles sont les principales applications de GenAI en finance ?
Copilotes pour clients et employés, traitement intelligent de documents, personnalisation des analyses, productivité des développeurs et augmentation des processus de risques/conformité.
Quels sont les scénarios courants d’agents d’IA en finance ?
Agents orientés tâches pour la mise à jour KYC, la gestion des litiges, les procédures opérationnelles, l’assemblage de contenu marketing et le soutien aux développeurs, avec étapes d’approbation humaine intégrées.
Comment l’IA est-elle utilisée dans le service à la clientèle bancaire ?
Comme soutien à l’agent et conversation libre-service, résume les échanges, suggère la prochaine action optimale et rédige des réponses conformes, tout en assurant le transfert fluide vers les humains.
À quoi sert l’IA marketing dans les services financiers ?
Segmentation des audiences, génération de contenu conforme, personnalisation des parcours et tests/optimisation sur plusieurs canaux avec solides validations et garde-fous pour la marque.
