Dans une société en rapide évolution numérique, l’adoption des algorithmes d’Intelligence artificielle (IA) dans la banque du futur devient incontournable. En effet, le monde de la finance, toujours aussi avide d’utilisation de données clients qu’il a accumulées depuis 500 ans, est un terrain de jeu particulièrement propice à l’usage de ces nouvelles technologies. Du front- au back-office, en passant par la relation client, l’analyse des risques et l’optimisation de portefeuille, sans oublier les techniques de détection de fraude, l’IA se répand un peu partout dans tous les métiers bancaires. Existe-t-il pour autant des limites ou des risques avérés ? Quels impacts dans le domaine bancaire et financier ?
Les banques, en quête perpétuelle de nouveaux cas d’usage, constituent un terreau naturellement favorable au déploiement de ceux basés sur l’IA. D’une part, elles peuvent s’appuyer sur les progrès technologiques en matière d’outils informatiques, capables aujourd’hui de traiter automatiquement et en temps réel les volumes infinis de données (big data) dont regorgent les acteurs bancaires. D’autre part, les modèles algorithmiques, capables de détecter les besoins clients et de générer tendances et prédictions, sont particulièrement prisés des services marketing et relation client. Ainsi, grâce aux algorithmes, le conseil bancaire « sur mesure » est devenu réalité. Assisté par l’IA, le banquier retrouve une posture d’expert bancaire chevronné, à l’écoute de ses clients, en capacité de mieux répondre à leurs besoins uniques et de leur fournir un service simple, efficace, ciblé et de haute qualité.
Des recommandations
plus ambitieuses
La performance commerciale du « conseiller augmenté » est d’autant plus optimisée que l’IA et l’automatisation des processus prennent en charge les activités à faible valeur ajoutée. Outre le traditionnel agent conversationnel (chatbot ou voicebot), largement répandu dans la banque de détail et facilitant les réponses, par écrit ou par messages vocaux, aux questions simples des clients, l’utilisation d’une analyse sémantique de courrier électronique, couplée à une solution de robotisation des processus, répond également à la gestion croissante des e-mails des clients. L’analyseur sémantique, basé sur le Natural Language Processing (NLP), va détecter les demandes urgentes et mettre en évidence les informations essentielles dans le contenu de chaque e-mail, laissant au moteur RPA (Robotic Process Automation – Automatisation robotisée des processus) le soin de préremplir une réponse personnalisée.
Ainsi, le conseiller bancaire peut élargir son périmètre d’activité à des recommandations financières de plus en plus ambitieuses. À l’aide d’un robo-advisor, se fondant sur les questionnaires clients et les historiques de transactions, le conseiller peut suggérer une gestion de portefeuille et des décisions d’investissement répondant aux profils de ses clients. Gestion sous mandat, OPCVM, PEA/CET pour les profils cherchant du rendement, contrats d’assurance vie pour les profils plus traditionnels ou encore, pour les plus prudents, produits d’épargne... autant de solutions, nettement plus attractives pour les clients et plus rémunératrices pour la banque de détail.
L’IA se décline également facilement dans l’automatisation des tâches de contrôles conformité clients, inséparables de la prestation de conseil financier. Remontée d’alertes en matière de lutte contre la fraude documentaire lors des contrôles KYC (Know Your Customer) d’onboarding client (analyse de photos et de pièces d’identité), lutte contre le blanchiment et le financement du terrorisme (interrogation automatique en temps réel des bases de données recensant les personnes politiquement exposées ou pays sous embargo) ou encore détection rapide de délits d’initiés antérieurs lors de la phase de collecte de données, autant d’usages concrets de l’IA pour tranquilliser l’activité du conseiller bancaire au quotidien.
La délicate question des données
Si l’IA est devenue incontournable dans les banques, pour autant, et comme toute révolution technologique, un temps d’adaptation, de résistance aussi parfois, est nécessaire à la bonne utilisation de cette innovation disruptive.
Les investissements des banques, avec une progression de 18 % à 25 % des projets IA en Proof of Concept (PoC) au sein des banques de détail, semblent aller dans le sens d’un déploiement lent mais certain, qui justifie que l’on s’interroge dès à présent sur les écueils que laisse présager l’IA.
Tout d’abord, l’IA peut constituer un risque de sécurité informatique car elle peut être utilisée par les hackers recherchant un mot de passe client à partir des archives de mots de passe précédents. Elle peut même répliquer les messages d’un chatbot pour inciter un client à y répondre et ainsi récupérer des informations confidentielles.
Par ailleurs, reposant sur la sélection et la manipulation de données, les programmes d’IA sont très risqués dès lors que les Data Scientists croisent et combinent plusieurs données à caractère personnel. En effet, une donnée géographique telle qu’une adresse postale ou un département de résidence jugé moins aisé peut être discriminant dans le cadre d’un scoring client pour l’octroi d’un crédit. De même, certains modèles, fondés principalement sur l’historique des transactions, pénalisent par définition les populations les plus jeunes. Enfin, en plus des stéréotypes et inévitables biais propres à l’humain dans le traitement de données à caractère personnel, la tentation est grande pour le conseiller de s’ingérer dans la vie privée d’un client et de scruter les libellés de ses transactions bancaires et virements reçus ou émis.
Quant à la perception des clients, ces derniers assimilent certes de plus en plus les innovations IA mises en pratique par les banques. Néanmoins, gagner leur adhésion constitue encore un défi. Une enquête IFOP-FBF (Fédération bancaire française, actionnaire de Revue Banque) de 2022 montre en effet que 38 % seulement des Français font confiance à l’utilisation de robots pour traiter leurs questions, alors que ce service est connu par 69 % d’entre eux.
Comme on a pu le voir, les activités reposant sur l’IA nécessitent un cadre particulier qui peut être à l’initiative des acteurs financjiers tout comme il peut être impulsé par les autorités de tutelle.
Une gouvernance ad hoc
On peut citer pêle-mêle les efforts conjoints en 2020 de la Financial Conduct Authority (FCA), l’instance de supervision des établissements financiers au Royaume-Uni, et de la Bank of England, qui ont été pionnières pour tracer les premiers contours d’une gouvernance IA.
En France, l’Autorité de contrôle prudentiel et de résolution (ACPR) a mené une réflexion exploratoire formalisée en 2020 autour de deux axes : explicabilité et gouvernance des algorithmes d’IA. Puis ce fut au tour de la Commission européenne, en avril 2021, avec un premier projet de réglementation, basée sur les principes d’éthique et de non-discrimination, ainsi qu’une potentielle catégorisation des outils algorithmiques en quatre types de risque (inacceptable, élevé, limité, minimal). Encore à l’étude pour le moment, cette réglementation européenne nous indique d’ores et déjà que l’algorithme du credit scoring d’un client oscille pour le moment entre risque élevé (obligation de conformité à différentes futures directives) et risque limité (incitation à faire preuve de transparence).
Toutes ces réglementations en gestation visent finalement à encourager les initiatives de traitement adéquat des données (conformité réglementaire et considérations éthiques) et de traçabilité des processus (audit régulier de la performance des modèles et anticipation permanente des risques de dérive). Néanmoins, un flou subsiste encore sur la responsabilité en cas d’irrégularités non couvertes par l’IA. Est-ce le chargé de compte qui sera sanctionné, ou le dispositif d’IA intégrant une modalité d’auto-apprentissage ?
Il appartient donc bien aux banques elles-mêmes de prendre les devants concernant les usages de l’IA. Mise en place de chartes éthiques, gouvernance pour diffuser les bonnes pratiques, prise en compte des réglementations, ou encore simplification du recueil des consentements (Opt-in, cookies, directive sur les services de paiement, règlement général sur la protection des données) avec mise en place d’un espace dédié dans l’application mobile, les projets ne manquent pas pour les acteurs bancaires. Ces derniers doivent donc faire face à des bouleversements profonds concernant l’organisation et les habitudes. De solides projets de transformation s’imposent sans quoi tout manquement professionnel relatif à l’IA se paiera très cher à l’avenir.
