8 façons d’utiliser l’IA dans la banque

Un texte de Christian Engel, responsable des experts bancaires SAS en Allemagne. Diplômé en mathématiques et en recherches opérationnelles, il est à la tête d’une équipe d’analystes qui calculent la contribution de valeur des logiciels d’analytique, optimisent les plateformes d’analytique pour les entreprises et mènent des projets d’innovation liés aux nouvelles technologies logicielles.

Si une banque contacte un éditeur de logiciels et veut savoir comment elle pourrait utiliser l’intelligence artificielle (IA), cela signifie deux choses. Premièrement, que la banque se penche sur la question de l’intelligence artificielle et, deuxièmement, qu’elle ne connaît pas beaucoup le sujet. Les banques veulent de l’IA et disposent du budget nécessaire. Mais elles ne savent pas nécessairement ce qu’elle veulent réellement faire. C’est la grande question que se pose actuellement le secteur bancaire : « nous savons que l’IA peut nous aider, mais comment? ». Je pense que la réponse peut être plus simple que ne le réalisent les banques. La meilleure façon de trouver des réponses est d’examiner comment d’autres industries tirent profit de l’IA et de transposer certaines de leurs idées. Quand on regarde attentivement, il y a beaucoup de possibilités passionnantes à l’horizon. Cela peut sembler très optimiste, mais le meilleur moyen de trouver est de commencer à chercher. Nous avons constaté avec l’utilisation de la big data que les secteurs pouvaient bénéficier de leurs expérience respectives, et c’est la même chose avec l’IA. Je pense qu’il y a huit réponses principales à la question de « comment les banques peuvent utiliser l’IA ».

 

1.     Les transferts d’argent à l’international

Les méthodes d’analyse de texte peuvent alerter sur des cas critiques ou douteux à partir de fragments de texte imbriqués dans les logs de transactions. L’IA peut être utilisée pour identifier des patterns (tendances) et des anomalies. Les procédures d’analyse des virements doivent être intelligentes, c’est-à-dire auto-apprenantes, afin que le système puisse apprendre à séparer les mauvais signaux des bons.

 

2.     Le blanchiment d’argent

Les banques craignent les amendes qu’elles devraient payer si des transactions autorisées se révélaient être criminelles. Les enquêteurs sont donc toujours sur la brèche pour examiner individuellement les transactions suspectes. Cependant, l’IA peut être utilisée pour réduire le nombre de faux positifs via des procédures d’optimisation de la lutte contre le blanchiment d’argent. Avec le Gradient Boosting (une méthode utilisée pour les algorithmes d’IA), il est possible de réduire les coûts d’environ 20% assez rapidement.

 

3.     Les remontées d’information des centres d’appels

Il est désormais possible de convertir les paroles en texte et de s’en servir pour nourrir un algorithme d’auto-apprentissage. A terme, il pourrait se substituer à l’intuition d’un agent de centre d’appel et suggérer de bien meilleures solutions aux clients. Les agents et les clients peuvent ne pas avoir une bonne relation au téléphone. Cela peut coûter très cher à la banque car les superviseurs et les consultants doivent se déplacer pour gérer ce processus qui n’est pas facile à optimiser.

 

4.     L’opinion d’un expert

Les prêts aux entreprises sont décidés sur la base d’opinions d’experts. Celles-ci sont très complexes et aboutissent finalement à une décision prise par une seule personne, même si elles s’appuient sur des pages et des pages de rapports détaillés fournis par des tiers. La décision peut être oui ou non, et peut aussi s’avérer juste ou erronée. Tout dépend de si les bonnes informations ont été rassemblées dans le rapport, mais également du poids que chaque décideur accorde à chaque élément d’information. L’intelligence artificielle peut aider en identifiant des modèles qui fourniront des informations utiles pour appuyer une décision pertinente sur le long terme.

 

5.     Enrichir la connaissance du conseiller

Bien entendu, les consultants connaissent le mieux leurs clients, par leurs conversations personnellement et leurs différents contacts. Ils peuvent toutefois ne pas tout savoir à leur sujet, en particulier si le client est plus actif dans une zone géographique différente. Cependant, il existe des méthodes de reconnaissance de texte qui peuvent fournir des informations provenant de divers médias et d’autres sources en ligne, offrant ainsi un tableau de bord personnel particulièrement stratégique pour les consultants. L’intelligence artificielle est utile car, encore une fois, tirer des enseignements de l’expérience permet d’améliorer la pertinence du tableau de bord.

 

6.     L’attribution des prêts

Plus vous disposez d’informations sur un demandeur de prêt, plus vous pouvez avoir confiance dans le fait que le prêt sera remboursé. De manière classique, les banques examinent l’historique du client et ses informations de crédit. Mais ces sources d’information sont-elles vraiment suffisantes? Et si la géolocalisation pouvait également utiliser les informations de résidence pour obtenir plus de clarté? Et si les procédures d’IA pouvaient déterminer où vivent ou travaillent les clients les plus fiables? Cela ne remplacerait pas les procédures existantes, mais pourrait certainement les améliorer.

 

7.     La banque en ligne

Nous pouvons utiliser l’IA pour automatiser les interactions régulières entre la banque et ses clients. Cela peut signifier, par exemple, que les clients n’aient plus besoin d’initier des virements réguliers. Des précautions seraient nécessaires, mais la procédure d’IA pourrait facilement prendre le relais dans des cas bien définis.

 

8.     Le trading

Les traders peuvent parfois effectuer 300 transactions par jour. Avec l’intelligence artificielle le trader pourrait avoir à ses côtés un robot capable de suggérer des actions 10 minutes à l’avance pour améliorer les décisions. Pour y parvenir, le robot utilise des algorithmes d’intelligence artificielle, qui reproduisent mathématiquement l’intuition humaine.

 

En toute honnêteté, seuls les exemples un à six sont véritablement réalistes. Les exemples sept et huit restent encore du domaine de l’imagination. Ils pourraient cependant ne pas toujours rester chimériques. Après tout, chaque innovation commence par une idée fantastique qui, au premier abord, semble impossible. Ces idées sont en réalité issues de développements des ministères de l’Armée et de la Défense, pionniers du courrier électronique et du GPS – et nous savons tous à quel point ces technologies sont devenues des succès. Je parie que l’armée travaille déjà sur les technologies de demain. Il serait logique de s’inspirer de la façon dont ils envisagent de mettre en œuvre l’IA.

 

Pour en savoir plus, téléchargez le livre blanc « Combating financial crime ».