Le machine learning se développe dans les paiements

Déjà utilisé pour contrôler les transactions réalisées par carte de crédit, le machine learning devrait faire l’objet de nouvelles applications dans le domaine des paiements.  D’après un récent rapport de McKinsey, la technologie pourrait notamment servir à prévoir les défauts de remboursement de crédit ou à développer des assistants virtuels dédiés au service client.

Chez les prestataires de services de paiement, le machine learning n’est plus une nouveauté ; ce type d’algorithmes étant utilisé pour autoriser en quasi temps réel les transactions réalisées par carte de crédit. Particulièrement pertinents en présence de larges volumes de données dynamiques, les algorithmes d’apprentissage automatique s’ajustent en fonction des variations détectées et savent identifier des anomalies et les isoler… autant d’atouts précieux lorsqu’il s’agit de valider des paiements. Grâce à un logiciel de détection des fraudes, quelques millisecondes suffisent par exemple à Paypal pour soumettre une transaction par carte de crédit à quelques centaines de tests de détection.

 

Du machine learning dans le service client

 

D’après l’institut McKinsey, les applications de machine learning dédiées aux paiements ne devraient pas se limiter au seul contrôle des transactions. Des algorithmes pourraient notamment permettre de mieux segmenter clients et prospects par profils, pour améliorer les ventes. De même, ils pourraient être employés pour réduire l’attrition, en identifiant les clients à risque sur la base du croisement de données comportementales et démographiques. Enfin, la technologie pourrait également être utilisée dans le domaine du recouvrement et de la restructuration des dettes, via la constitution de modèles dynamiques permettant de segmenter et localiser les mauvais payeurs.

 

Enfin, si McKinsey table dans les années à venir sur une automatisation progressive de nombreux aspects du service clients, les capacités cognitives du machine learning apportent dans ce domaine une réelle valeur ajoutée. Aussi, l’adoption de ces technologies devrait notamment se traduire par une réduction des coûts de service, une amélioration de l’expérience digitale, une réduction des risques et une élimination des temps d’attente. Assistants virtuels, robots, moteurs cognitifs… des applications existent déjà et nul doute que d’autres devraient rapidement voir le jour !

 

Lire l’article (en anglais)

 

En complément :

Le machine learning pour lutter contre le blanchiment d’argent,

Où en sont les chatbots ?