DreamQuark, une startup d’intelligence artificielle et de deep learning créée en 2014, est maintenant régulièrement primée pour son innovation. L’an dernier, la startup a mis à disposition des banques et des assurances un de ses produits, baptisé Brain. Brain couvre un large panel d’activités : segmentation client, octroi de crédits, conformité, gestion d’actifs, anti-blanchiment, ciblage produit et caetera. L’impact potentiel de l’utilisation d’une telle technologie en Banque amène à une réflexion sur les différentes stratégies IA pouvant être implémentées dans le secteur.

Impact sur les revenus

Avec la compression des taux d’intérêt faisant pression sur la marge d’intermédiation, composante majeure du revenu dans les banques de détail, l’optimisation des revenus devient un facteur clé de compétitivité pour ces dernières. Dans ce contexte, l’intelligence artificielle peut être utilisée dans le secteur bancaire pour mettre en place une stratégie d’optimisation des profits. Cet impact sur les profits se caractérise par une réduction des coûts et une augmentation des revenus.

Pour une banque d’investissement, l’augmentation des revenus peut être aidée par la mise en place d’applications IA. L’une des grandes forces de l’intelligence artificielle est la prédiction : en absorbant une grande quantité de données, une machine peut être en mesure de prédire des scénarios. Ainsi, via l’analyse des contenus diffusés sur Internet à propos des marchés, valeurs, secteurs, devises et caetera un algorithme peut tenter de prédire l’orientation probable des marchés. Une telle analyse peut aider les opérateurs de marché à optimiser leurs transactions. C’est le cas de Autobahn 2.0, qui conseille les opérateurs de la Deutsche Bank ainsi que les clients inscrits au service sur la meilleure façon d’investir en optimisant son risque. De nombreux algorithmes de trading automatique sont également présents sur les marchés, en particulier sur le marché Américain où ils représentaient en 2013 environ 79% des échanges du NYSE.

Dans les 5 plus grands établissements bancaires Français en termes de chiffre d’affaires, les salaires et traitements représentent une part non négligeable des charges d’exploitation. L’optimisation du temps de travail des employés est donc une problématique importante. Dans ce contexte, plusieurs solutions IA ont vu le jour, proposant d’optimiser le temps que les employés passent à des tâches à faible valeur ajoutée. Ces solutions peuvent être utilisées dans une optique de réduction des coûts. Les applications sont nombreuses : robot pour répondre aux requêtes ServiceDesk, plateforme de relecture de contrats commerciaux, algorithme de marketing, aide à la gestion des emails des conseillers et caetera JPMorgan est un bon exemple d’optimisation de coûts : la banque Américaine a mis en place une plateforme de « contract intelligence » qui économise 360.000 heures de travail par an aux employés, un robot ServiceDesk qui effectue le travail de 140 employés et un algorithme de développement commercial.

Amélioration de l’expérience client

L’arrivée récente des banques en ligne sur le marché et la facilitation de la procédure de changement bancaire ont entraîné une redistribution de la clientèle des banques de détail. La rétention de la clientèle est donc devenue un sujet-clé pour ces dernières. En France, le premier motif de changement de banque est une qualité de service insuffisante, d’après une étude réalisée en 2015 par Bain & Company. Cette qualité de service inclut notamment la rapidité du conseiller, ainsi que la pertinence de son conseil. L’intelligence artificielle offre des solutions qui répondent parfaitement à ces problématiques.

La plupart des chatbots sur le marché reposent sur des solutions d’intelligence artificielle. Ils répondent très bien à la demande de rapidité des clients. Etant donné que les chatbots ne prennent pas de repos et reposent sur des serveurs de calcul allumés en permanence, un client effectuant une demande le week-end ou en dehors des horaires de travail obtiendra quand même une réponse. De plus, les clients peuvent effectuer leurs demandes auprès d’un chatbot n’importe où, du moment que l’endroit soit doté d’un accès internet. A titre d’exemple, Djingo, le conseiller virtuel d’Orange Bank, traite près de 24.000 demandes par semaine en moyenne, avec un taux de compréhension des questions de 85%. Les chatbots sont donc un moyen de répondre au besoin d’instantanéité des clients.

Un autre cas d’usage est la plateforme de coaching financier. L’intelligence artificielle analyse les données bancaires des clients afin de faciliter la gestion personnelle de leurs finances. La Royal Bank of Canada a ainsi mis à disposition de ses clients la plateforme d’IA NOMI, qui leur permet de piloter leurs comptes. Ce pilotage inclut notamment la notification de transactions inhabituelles, l’optimisation de l’épargne en fonction des habitudes des clients, et l’anticipation de mouvements de comptes. Ainsi, le client obtient un meilleur conseil bancaire sans se rendre en agence, et la satisfaction client est optimisée.

Réduction de l’exposition aux risques

Enfin, une troisième stratégie IA peut porter sur la réduction des risques. Les banques sont maintenant confrontées à de plus en plus de risques, qu’ils proviennent du client, des processus internes ou de l’environnement. Ils peuvent engendrer des pertes majeures, et doivent être minimisés.

Un risque émergent au niveau mondial est le risque de cybercriminalité. Lorsqu’une entreprise subit une cyberattaque, les pertes peuvent être colossales, comme pour Saint-Gobain pour qui les pertes ont été estimées à 250 millions d’euros de chiffre d’affaire. L’intelligence artificielle peut permettre une meilleure réaction à ces attaques : sa caractéristique de prédiction peut reconnaître les signaux faibles d’une cyberattaque et essayer de prédire la prochaine, conseillant ainsi les responsables de la sécurité informatique sur la meilleure manière de se défendre. Dans cette optique, Atos a récemment lancé un supercalculateur qui peut notamment être utilisé dans la prédiction des cyberattaques, baptisé Sequana.

Le risque de fraude pèse également sur le secteur bancaire. Une grande partie des données traitées en banque sont confidentielles, et le risque de fuite d’informations par les employés est un sujet que l’IA peut adresser. Grâce à une analyse des comportements des employés sur le réseau, une solution d’intelligence artificielle pourra alors améliorer le traitement des alertes dans le cas où les comportements seraient considérés comme suspects. Les fraudes pouvant également être commises par des clients, les mêmes solutions d’analyse comportementales peuvent être mises en place afin d’optimiser l’identification des mouvements de comptes suspects. L’IA, dans ce cadre, aide la banque à améliorer son processus KYC et la connaissance qu’elle a de ses clients.

 

L’intelligence artificielle peut aider les banques dans le cadre d’une stratégie d’optimisation des revenus, d’amélioration de la connaissance client ou de réduction des risques. Cependant, les solutions mises en place par les banques ne sont pas encore optimales. Cela peut s’expliquer de plusieurs manières. Dans un premier temps, l’utilisation de l’intelligence artificielle à son plein potentiel demande une architecture des systèmes d’information souvent inadaptée à la configuration actuelle de celle des banques. Ensuite, la complexité de cette technologie nécessite le recrutement et la rétention de talents pour mener les projets à bien. Enfin, l’intelligence artificielle n’en est elle-même qu’à ses prémisses. Le cadre réglementaire de telles solutions est donc encore mal défini, et l’investissement dans de grands projets IA ne peut se faire sans la définition de ce cadre. Quels seront les décisions réglementaires en termes de responsabilité des automates ? Comment s’effectuera l’audit de ces derniers ? Enfin, quel sera l’impact des nouvelles réglementations portant sur le traitement des données personnelles ? Les réponses à toutes ces questions doivent être écrites, mais l’impact potentiel de l’intelligence artificielle appliquée au milieu bancaire est considérable.