Le secteur financier et les banques en particulier sont confrontés à de multiples défis technologiques qui compliquent la tâche des équipes chargées des opérations. Pour lever ces freins avec succès, l’intégration de l’IA dans les opérations - ce que l’on appelle l’AIOps - peut être une solution. Explications.
Le secteur financier a toujours été une industrie complexe. Chaque jour, les institutions bancaires doivent interagir avec un réseau complexe d’acteurs : leurs clients, leurs filiales, leurs partenaires, les banques centrales ou les autorités de régulation. Pour sortir du lot, les business models des banques doivent s’adapter à de multiples facteurs externes tels que les économies d'échelle, l’impact de la mondialisation, mais aussi la nécessité de bien gérer et diversifier les risques... Plus encore, les établissements bancaires doivent désormais rivaliser avec les fintechs, bien plus agiles et mieux financées, afin de fidéliser leurs clients.
Toutefois, la transformation numérique reste le défi le plus complexe pour ce secteur. En effet, les banques doivent à la fois maintenir leurs systèmes legacy et opérer la transition vers une infrastructure cloud hybride.
Or, de nombreuses applications essentielles sont encore hébergées sur des mainframes, dans les datacenters des entreprises. Ces équipements vieillissants traitent encore la majorité des transactions par carte de crédit et gèrent une grande partie des workflows technologiques liés aux opérations bancaires.
Dans le même temps, les banques se tournent de plus en plus vers des technologies cloud-native mises à disposition par un large éventail de fournisseurs. C’est le cas notamment pour huit banques sur dix qui adoptent une stratégie multi-cloud en utilisant des technologies serverless. Accenture estime par ailleurs que le volume des workflows bancaires gérés dans le cloud devrait doubler entre 2021 et la fin de cette année.
Avec le développement de nouvelles applications, le volume de données que les banques doivent traiter augmente à une vitesse considérable. Et face à des systèmes informatiques d’une incroyable complexité, les équipes informatiques ne sont plus en capacité de les piloter correctement en utilisant des technologies de monitoring ponctuelles. A mesure que ces systèmes se développent, identifier la source d’une panne devient de plus en plus difficile et chronophage. Par ailleurs, les performances de ces systèmes ne cessent de se dégrader, tandis que la surface d’attaque ne fait qu’augmenter.
Dans ce contexte, il devient de plus en plus compliqué pour les banques de répondre aux besoins de leurs clients, notamment au regard de la concurrence des fintechs qui développent des offres plus agiles et efficaces.
Pour gérer cette grande complexité, les institutions bancaires de premier plan se tournent vers des solutions intégrant l’intelligence artificielle : l’AIOps. En d’autres termes, l’AIOps s’appuie sur les données d'observabilité issues des opérations et leur applique des modèles de machine learning.
Bien qu'il s'agisse d'un concept relativement récent, l'AIOps intéresse de plus en plus les grandes institutions financières. Ainsi, le marché mondial des solutions d'AIOps devrait croître de près de 38 % par an jusqu'en 2030. Les banques qui mettront en œuvre le plus rapidement possible des solutions d’AIOps bénéficieront d'un avantage concurrentiel considérable par rapport à d’autres acteurs.
Optimiser la gestion des systèmes d’information grâce à l'IA
L'observabilité est clé pour une bonne gestion des systèmes d'information des banques. Près de neuf responsables informatiques sur dix considèrent l’observabilité comme essentielle pour garantir les performances du système d’information, selon une étude récente menée par Forrester pour Elastic. Plus de la moitié d'entre eux prévoient par ailleurs d'augmenter leurs investissements dans des solutions d'observabilité, en particulier celles qui intègrent l'IA.
Concrètement, une solution d'observabilité basée sur l'AIOps peut surveiller et analyser des volumes massifs de données issues de logs, d’indicateurs de performance, et d'événements. Une telle solution peut également détecter les anomalies, mettre en évidence les sources de potentiels problèmes, catégoriser et corréler les données de performance, prévoir les tendances, et alerter les équipes informatiques lorsqu'un problème nécessite une attention particulière. Cela permet aux équipes techniques d'identifier les problèmes et d'y remédier en quelques minutes ou quelques heures, au lieu de plusieurs jours. Dans certains cas, un environnement AIOps peut résoudre automatiquement des problèmes connus, avec une intervention humaine minimale.
Plus encore, l'AIOps permet aux équipes informatiques de se concentrer sur les informations les plus pertinentes, libérant ainsi du temps de travail pour les équipes qui peuvent se concentrer sur des tâches plus stratégiques. Ainsi, les équipes peuvent gérer plus efficacement les ressources, identifier de manière proactive les points de blocage et ainsi optimiser les performances des systèmes d’information... Grâce à l'AIOps, les équipes informatiques peuvent résoudre les problèmes liés aux applications et aux infrastructures, avant qu'ils ne causent des pannes, améliorant ainsi l’expérience client.
Mais pour que la mise en œuvre de l'AIOps soit réussie, les responsables informatiques doivent procéder à certains ajustements techniques et organisationnels. Tout d'abord, les équipes doivent préparer et enrichir leurs données, et s'assurer que les données soient fiables et de bonne qualité. Ce n’est qu’ensuite que les équipes pourront intégrer des solutions d'observabilité basées sur l'AIOps sur l'ensemble de la pile technologique avec une visibilité complète sur les applications et infrastructures, qu’elles soient on-premise ou dans lecloud.
Enfin, les équipes doivent adopter une approche stratégique de l'AIOps basée sur des objectifs clairs et qui puissent être adaptés en fonction de l’évolution des systèmes d’information..
Par exemple, l'un de ces objectifs pourrait consister à réduire les temps d'arrêt ou améliorer l'efficacité opérationnelle. Les cas d’usage classiques peuvent inclure l'automatisation des tâches informatiques de routine ou l'optimisation des performances du système. Une bonne façon de commencer consiste à adopter l’AIOps pour une seule unité opérationnelle ou une application en particulier afin d'identifier ses problèmes, de les résoudre et de recueillir des données sur les performances. Un préalable avant d'étendre l’adoption de ces solutions à l'ensemble de l'organisation.
De meilleures prises de décisions pour des clients satisfaits
Les institutions financières qui adoptent des solutions basées sur l’approche AIOps bénéficient d'un avantage supplémentaire puisqu’elles ont la possibilité d'adopter ce type d'approche analytique pour d'autres types de données, et pas seulement celles qui concernent l’IT. Outre l'anticipation et la prévention des défaillances techniques, les solutions AIOps peuvent également être utilisées pour anticiper les pics d'activité ou prédire la probabilité de panne des applications utilisées par leurs clients, ce qui les rend plus fiables et plus sûres.
Avant d'en arriver là, les banques doivent mettre en place des processus pour optimiser le volume et le type des données à traiter, ainsi que leur stockage... Elles doivent également prendre des mesures pour mieux tirer parti de leurs données, tout en minimisant les risques.
Plusieurs grandes banques françaises ont déjà commencé à relever ces défis en créant des pôles d'excellence au sein de leurs différentes entités, en sélectionnant les meilleures plateformes pour la gestion de leurs données et en formant leurs équipes à leur utilisation.
BPCE-IT a ainsi créé il y a deux ans mois le pôle d’excellence AIOps nommé Théia, sur la base de la plateforme Elastic. Un des objectifs principaux lors de la mise en œuvre de la plateforme était de réduire le délai d’intégration de nouvelles données, tout en améliorant la qualité globale des données envoyées à la plateforme.
Ainsi, BPCE-IT a pu mettre en place un modèle permettant de détecter plus rapidement les anomalies. En rendant les utilisateurs plus autonomes dans la gestion de leurs données, l'équipe Data for Ops a pu consacrer plus de temps à des aspects à plus forte valeur ajoutée tels que l'apprentissage automatique et l’industrialisation de la plateforme.
Avoir un partenaire technologique clé pour accompagner les institutions financières dans ces projets AIOps est plus que jamais indispensable. Ainsi, Antoine Chevalier, responsable du Data for Ops de BPCE-IT s’exprimait dernièrement sur le sujet :
« Nous avons pleinement confiance dans les performances de THEIA, grâce à l'infrastructure Elastic qui se montre fiable et robuste. Les mises à jour sont constantes et avec ses fonctionnalités de pointe, Elastic constitue l'épine dorsale d'un écosystème qui nous permet de garder une longueur d'avance sur les défis numériques. »
À l'ère de la transformation numérique, les clients des institutions bancaires s'attendent à ce que leurs applications soient disponibles et fiables 24 heures sur 24, 7 jours sur 7. S’ils sont confrontés à des pannes ou à des ralentissements, ils sont plus susceptibles de se tourner vers la concurrence. Les AIOps offrent aux institutions financières un moyen d'atténuer les risques liés à la complexité de leurs opérations, tout en fournissant une qualité de service irréprochable à leurs clients.
