Le secteur financier n’échappe pas au grand mouvement de transformation qui traverse toutes les entreprises. Confronté à la crise financière de 2008, il a dû en tirer les leçons et faire face dans les années qui ont suivi à l'émergence de nouveaux usages liés aux technologies du numérique. Pour améliorer leur productivité et développer de nouveaux services les banques et les assurances vont devoir s’appuyer encore d’avantage sur l’intelligence artificielle (IA). Selon IDC la banque devrait être le secteur qui aura investi le plus dans l’IA en 2018 suivi par le retail et le manufacturing.
Les banques défiées sur leur terrain. Banques en ligne et applications mobiles ont aiguisé l’appétit de nouveaux acteurs. GAFA et start-up spécialisées (fintech et assurtech) entendent capitaliser sur la technologie pour créer de nouveaux services financiers et empiéter sur le terrain des banques et des assurances. Ce sera à celui qui exploitera au mieux les données considérables détenues par les établissements financiers. Après avoir résisté à l’arrivée des start-up les banques jouent l’ouverture et la complémentarité avec l’open banking que la directive européenne de services de paiement (DSP2) souhaite réglementer. Cette directive prévoit d’ici mi-2019 d’ouvrir l’accès des données bancaires aux fintech par l’intermédiaire d’APIs. Le secteur de la finance est condamné à développer des services plus innovants pour simplifier et améliorer l’expérience utilisateur sinon d’autres acteurs le feront pour lui.
Accroitre la profitabilité avec l’intelligence artificielle. Les banques et les assurances utilisent depuis longtemps des algorithmes pour le trading, la gestion des risques (marché, crédit, réputation), la détection de fraudes et l’analyse de l’attrition de la base clients. Les progrès étaient réels mais les attentes sont toujours plus grandes dans un contexte ou le temps réel impose souvent des décisions automatisées. Depuis 2012, l’intelligence artificielle a pris le cap de systèmes auto-apprenants (machine learning et deep learning). Face à des situations complexes ils sont capables d’établir eux-mêmes les règles à partir d’importantes quantités de données qui contribuent à leur apprentissage. Les algorithmes de machine learning utilisés pour la détection de fraude atteignent des précisions de 70 à 85 % (et supérieur à 90% avec du deep learning) avec des faux positifs acceptables. Une amélioration considérable comparée aux algorithmes analytiques conventionnels dont la plus faible précision s’accompagnait d’un taux de fausses alertes élevé. De son côté le trading a recours à des robots d’intelligence artificielle basés sur une branche du machine learning qu’on appelle apprentissage par renforcement capable de s’adapter plus facilement à des situations nouvelles.
Innover dans l’accompagnement des projets des clients. Ce qui a fait en partie le succès des banques traditionnelles reposait sur la confiance entre la banque et son client. La crise de 2008 et la recherche de rentabilité ont quelque peu écorné l’image des banques. Elles ont le moyen de restaurer et de renforcer la relation client en exploitant, avec l’intelligence artificielle, les données dont elles disposent sur leurs clients. L’intelligence artificielle a étendu le champ des données avec la reconnaissance de texte, de voix et d’images qui viennent rajouter un contexte enrichi à la connaissance du client. La directive DSP2 va permettre de renforcer cette connaissance en autorisant l’agrégation de comptes. Les banques doivent se servir de cette parfaite connaissance pour accompagner leur client sur la totalité de leurs projets avec des propositions innovantes et personnalisées. Avec l’IA elles sont à même de prédire l’évolution de la situation bancaires d’un client, anticiper ses besoins en tenant compte de ses habitudes de consommation, éviter les risques de surendettement et surtout lui proposer des offres et des services personnalisés mieux appropriés et en rapport avec ses projets.
Rénover la relation client. Le conseiller de clientèle consacre de plus en plus de temps à gérer des emails et à traiter des taches administratives au détriment de ses clients. Il est temps d’inverser la tendance en recourant à l’IA. Les algorithmes de machine learning sont à même de faire de l’analyse sémantique de mails et de la reconnaissance vocale dans les centres d’appels avec une précision grandissante. Progressivement on peut demander à l’IA de rédiger un compte rendu de rendez-vous, remplir un dossier et proposer un mail prêt à être envoyé par le conseiller. Certains établissements financiers intègrent déjà des assistants virtuels pour aider leurs conseillers à apporter une valeur ajoutée plus grande à leurs clients. Pour simplifier l’accès aux services et répondre plus efficacement aux questions les banques et les assurances vont se tourner vers des chatbots de nouvelle génération exploitant les capacités de traitement en langage naturel offertes par l’IA pour converser de manière plus fluide et plus simple avec leurs clients.
Le secteur finance a rendez-vous avec l’intelligence artificielle pour inventer la banque de demain et maintenir la proximité avec ses clients. Après avoir imaginé les nouveaux usages restera à définir les infrastructures nécessaires à leur mise en œuvre qui se répartiront dans les centres informatiques, le cloud et dans les équipements de l’utilisateur. Vous pouvez découvrir nos solutions d'infrastructures dédiées au travers de notre livre blanc Transforming financial services with AI technologies.
Retrouvez mes autres posts :
Un jour pour accélérer son projet d’intelligence artificielle
L’intelligence artificielle s’immisce dans toutes les facettes du retail
Miser sur l’intelligence artificielle pour réinventer la relation banque-client
Intelligence artificielle : Le jargon technique doit céder la place aux usages.
Maitriser l’IA pour éviter une nouvelle disruption
Jerome
Artificial Intelligence, Deep Learning, Machine Learning, VDI, computing, datacenter