La presse, spécialisée comme grand public, évoque à longueur d’articles la transformation numérique de la banque de détail. Bien que moins médiatisée et plus tardive, la révolution en cours concerne également les activités BtoB – BFI, banque privée, métiers titres, gestion d'actifs – des grands établissements financiers. Ces dernières années, les banques d’investissement enchaînent les projets de Big Data et d’intelligence artificielle (IA).
Les changements du front office
En front office, il s’agit pour l’essentiel d’améliorer la connaissance client et d’anticiper les comportements du marché. Les nouvelles plates-formes de data intelligence permettent d’analyser en temps réel les tendances des marchés afin d’optimiser les stratégies de trading tout en diminuant l’exposition aux risques. Cette analyse prédictive est rendue possible par la puissance de calcul et les capacités de stockage infinies du cloud. Cette digitalisation ne signifie pas pour autant la fin des traders, des gestionnaires de patrimoine et des courtiers. Ils ne seront pas tous remplacés par des robots conseillers (robo-advisors). Certains métiers nécessiteront toujours la compétence humaine, comme le « Debt capital advisory ». D’autres, en revanche, verront une intrusion plus importante de la robotique, comme les métiers du change.
Les middle et back offices également concernés
Du côté du middle office, les outils du Big Data et de l’IA participent à la gestion des risques métiers et à l’automatisation des process internes. De puissants algorithmes contribuent à la lutte contre le blanchiment d’argent et les cas de fraude (Anti Money Laundering – AML), facilitent la détection des erreurs humaines et améliorent la cybersécurité, par l’écoute en continu et plus profonde de signaux plus nombreux. De même, les algorithmes permettent des améliorations continues de la fiabilité du modèle de surveillance des transactions potentiellement risquées. Ce qui permet aux banques d’étendre leur capacité de détection des fraudes, tout en restant dans un cadre de coûts acceptable.
Pour les métiers du back office, l’IA constitue un formidable levier pour automatiser « intelligemment » des tâches manuelles, répétitives et chronophages et réduire ainsi les coûts d’exploitation. Les référentiels de bonnes pratiques comme le Lean Management ou Six Sigma avaient déjà permis d’optimiser les processus ; l’IA permet d’aller plus loin. Elle poursuit et amplifie le mouvement initié il y a quelques années avec le phénomène de Robotic Process Automation (RPA). Enfin, le Big Data et l’IA aident les banques à se mettre en conformité. La granularité fine dans l’analyse de la donnée permet d’améliorer la qualité et la vitesse de génération des reportings réglementaires. Ces nouvelles technologies ont contribué à relever le défi de MiFID II (Markets in Financial Instruments Directive) et pourront aider les banques dans leur process de mise en conformité avec d’autres réglementations comme FRTB (Fundamental Review of the Trading Book) qui entrera en vigueur le 1er janvier 2020.
L’IA en tête des priorités d’investissement
Ces projets innovants sont appelés à se multiplier. Selon une étude du cabinet de conseil PWC, l’IA (30 %) est placée en tête des priorités d’investissement du secteur des services financiers pour 2018 en ce qui concerne les technologies émergentes, devant la gestion des identités et la biométrie (20 %) et la blockchain (19 %). L’apport de ces nouvelles technologies arrive à point nommé pour les banques de financement et d’investissement. Il constitue un bol d’oxygène alors que ces dernières sont soumises, depuis quelques années, à la baisse de leurs marges dans un contexte économique tendu, ce qui a conduit certaines à réduire leurs effectifs.
Au-delà de l’avantage concurrentiel ou des gains de productivité qu’ils procurent, le Big Data et l’IA permettent aux banques commerciales et d’investissement de mieux couvrir certains segments de leur clientèle. À titre d’exemple, l’analyse fine de grands volumes de données permet aux banques d’affaires de mieux répondre aux besoins (trade finance, change, financement…) des PME et ETI, alors qu’elles étaient jusqu’à présent très focalisées sur les grands clients corporate.
Un autre facteur incitatif est le partage des données. De nouveaux fournisseurs de données externes – comme CustomerMatrix – ou des acteurs traditionnels – comme Bloomberg et Markit – proposent aujourd’hui des données qui permettent d’améliorer la connaissance du client et de mieux gérer les risques associés (KYC). Les banques pourraient, de leur côté, avoir tendance à mutualiser leur patrimoine informationnel, dans le but de diminuer le coût d’acquisition de traitement des données et d’améliorer le processus de traitement et la qualité des outputs. Grâce à l’IA et au Big Data, les process de traitement et de distribution de données vont se transformer de plus en plus en services externes ou partagés.
Banques et FinTechs : je t’aime moi non plus !
Bien sûr, ces mouvements s’exercent aussi sous la pression des FinTechs. Ces start-up spécialisées se positionnent comme concurrentes des BFI ou comme prestataires de services. Elles ont poussé les banques d’investissement à réfléchir à leur métier et à accélérer l’adoption des nouvelles technologies. Cela a pu aussi les inciter à créer des structures dédiées à l’innovation avec la nomination d’un Chief Data Officer ou d’un Chief Digital Officer. À ce stade, la concurrence de ces FinTechs ne constitue pas un danger économique. Si elles affichent de fortes croissances, leur niveau de revenus reste négligeable par rapport à ceux des acteurs du secteur financier. En revanche, les FinTechs ont pour elles leur capacité d’innovation et leur agilité.
Banques et FinTechs ont toutes les raisons de se rapprocher. Les premières se servent des secondes pour faire souffler un vent d’innovation en interne et enrichir leur offre. Les banques accélèrent l’acquisition de compétences innovantes et de solutions prêtes à être déployées. Les FinTechs souhaitent également se rapprocher des banques, être incubées, voire rachetées par elles. Ce rapprochement leur permet d’acquérir des moyens supplémentaires d’investissement, de déployer leur solution à grande échelle et de bénéficier de la maîtrise du temps long et de la connaissance client des banques.
Beaucoup de FinTechs sont d’ailleurs montées par des traders reconvertis, ou d’anciens cadres de banques d’investissement. Ils connaissent les forces et les faiblesses de leur ancien employeur et ont leurs portes d’entrée. Et il est plus facile de monter un nouveau modèle à partir d’une page blanche que depuis une institution qui a cent ou cent cinquante ans d’existence.
Jean-baskets au siège des grandes banques
Ces jeunes pousses servent de poil à gratter aux acteurs historiques du monde bancaire. Elles les obligent à aller plus vite. Avec succès. On voit chez les banques une vraie volonté d’appropriation des technologies en interne, par la montée en compétences de leurs collaborateurs et l’arrivée de profils atypiques. Au siège de ces établissements, on croise aujourd’hui de jeunes diplômé(e)s en data science en jeans et baskets, que l’on envisagerait plutôt travailler dans une start-up. Pour attirer ces talents particulièrement courtisés que sont les Data Scientists et autres expert(e)s en machine learning, les banques ont amélioré leur marque employeur et changé leur image. Hackathons, concours de code, meet-up… elles multiplient les formats de recrutement innovants. Tous ces signaux sont positifs. Cela rappelle que la révolution numérique est avant tout une histoire de ressources humaines et que la transformation des modèles passe par l’arrivée de nouveaux profils et l’introduction de méthodes de travail plus agiles.
Le client est le grand gagnant
In fine, les banques s’adapteront et rachèteront des structures et des compétences. Elles ouvriront davantage leurs plates-formes et leurs SI pour mieux maîtriser leurs coûts, mais aussi faire naître l’innovation avec, peut-être, l’émergence de nouveaux acteurs dans les métiers bancaires. On peut imaginer des agences de rating spécialisées qui proposeront des analyses du risque client en matière de KYC, AML, ou de client screening, de façon plus pertinente, ce qui permettra aux banques de disposer de ce type de services avec un coût inférieur à ce qu’elles peuvent développer en interne (grâce à l’effet volume) et d'améliorer ainsi leur propre rating interne. Tout cela uniformisera et apportera davantage de transparence dans l’appréciation client.
Baisse des coûts, recentrage sur le client, transparence, création d’« utilities » internes ou externes, accélération des cycles de production… Autant d’éléments qui font penser à une forme de révolution industrielle des banques, à l’image de ce qui s’est passé dans le secteur automobile ces dernières décennies.
Au final, le client est le grand gagnant de cette « coopétition » entre banques et FinTechs. En se replaçant au centre des enjeux, il voit le rapport de force s’équilibrer à son profit et peut renforcer son niveau d’exigences. Ce mouvement que l’on observe depuis quelques années dans la banque de détail s’opère à l’identique dans le BtoB. À la différence près que les banques d’affaires ne sont pas attaquées par les géants du web. Du moins, pas encore…
