Pour la banque commerciale en France de BNP Paribas, l’intelligence artificielle (IA) n’est pas un sujet nouveau. Toutefois, l’accélération des progrès de cette technologie, notamment avec l’arrivée de l’IA générative, l’a placée au cœur de notre stratégie globale. Une stratégie qui vise trois objectifs principaux : améliorer l’expérience de nos clients et collaborateurs, renforcer l’efficacité opérationnelle, et mieux détecter et prévenir les risques majeurs. C’est pourquoi nous avons renforcé, dès 2024, notre programme d’intelligence artificielle.
Les développements de ce programme se sont inscrits dans notre organisation agile à l’échelle où les domaines produits (ou tribus) intègrent ces fonctionnalités dans leur backlog, pour les délivrer avec plus d’efficacité au service des trois métiers de la Banque : le retail, le corporate et la banque privée. Grâce à ce fonctionnement en mode agile, nous avons pu accélérer la livraison de nos nouveaux cas d’usage dans un environnement sécurisé aux standards de la banque.
Deux entités créées pour industrialiser les projets
Afin d’industrialiser ces livraisons, nous avons mis en place un dispositif soutenu par deux entités. D’un côté, notre Centre d’Excellence IA. Il est chargé de piloter la valeur et les risques de l’IA avec une approche produit, d’accompagner l’adoption de l’IA et d’éclairer les domaines sur son potentiel en apportant une expertise sur cette technologie. De l’autre, nous avons créé une IA Factory rattachée à l’IT. Sa mission : développer les socles et les modèles d’IA dans une vision industrielle, en assurer la surveillance, la maintenance et l’optimisation continue. Cette IA Factory s’appuie sur les infrastructures et les plateformes mises à disposition par le groupe BNP Paribas, dans un objectif de mutualisation des ressources et de sécurité des infrastructures. Il va sans dire que la protection des données clients est au cœur de nos préoccupations pour garantir la fiabilité et la sécurité de nos solutions !
Cette nouvelle organisation nous permet de prioriser les cas d’usage remontés par nos différents métiers en fonction de la valeur qu’ils peuvent apporter à la banque et ses clients. C’est ainsi que nous avons pu imaginer, puis développer rapidement de nouveaux assets : Intelligent Document Processing (IDP) ou nos assistants virtuels boostés à l’IA générative. Voici le détail de nos travaux sur ces deux dossiers.
Basique, mais pas si simple : l’extraction de données
Commençons par l’IDP. Nos conseillers bancaires reçoivent chaque année des millions de documents et pièces justificatives de la part de nos clients. Ils doivent les contrôler et les analyser pour en extraire les données nécessaires pour la bonne réalisation de nos 150 parcours clients. Ce travail est fastidieux et répétitif. Voilà pourquoi nous avons recherché la meilleure façon d’utiliser l’intelligence artificielle afin de faciliter cette tâche. Nous avons ainsi construit notre solution d’IDP en combinant plusieurs technologies. Citons la reconnaissance de caractères (OCR), un moteur de règles, une brique IA de modèle de langage (NLP) et... des modèles de détection de fraude.
Sur ce projet, nous avons commencé par travailler sur un parcours clé pour nos clients : l’achat d’un bien immobilier. Nous nous sommes concentrés d’abord sur quatre documents importants parmi la dizaine que compte le parcours. Ainsi, depuis novembre 2024, grâce à ce nouveau module, nous analysons la fiche de paie, l’avis d’imposition, la taxe foncière ou encore la promesse de vente. Sur cette dernière, l’intelligence artificielle va récupérer et contrôler automatiquement des données comme le nom du notaire, l’adresse du bien ou la date de la vente.
Le besoin de repenser les parcours
Pour ce faire, il a fallu apprendre à l’intelligence artificielle, en labellisant des milliers de documents, à retrouver ces données éparpillées dans des documents peu normés, comme la promesse de vente, et à comprendre le contexte qui entoure la donnée, par exemple le nom du notaire, pour pouvoir la reconnaître dans de futurs documents avec un fort taux de précision.
Quand on introduit ce type de technologie dans nos parcours, l’enjeu majeur est de les repenser et de les réinventer à l’aune de ce que l’IA peut apporter comme valeur ajoutée globale. Introduire l’IA en amont du parcours permettra à terme de remplir les informations pour le conseiller de façon fiable en lui faisant gagner du temps, tant pour lui que pour le client.
Après un trimestre, des résultats encourageants
Trois mois après la mise en production, nous sommes très satisfaits des premiers résultats. Le taux de reconnaissance est de 83 % et le niveau des données vérifiées et validées en première lecture s’élève à 61 %. Nous continuons d’améliorer nos modèles, avec pour objectif, d’ici fin 2025, de réduire de douze à six jours le délai moyen de traitement d’un crédit immobilier et jusqu’à trois jours de traitement pour 20 % des offres de prêts les plus simples éditées directement sans passer par notre back office. D’ores et déjà, nous travaillons à appliquer cette technologie et cette méthode sur d’autres cas d’usage, comme la gestion des mandats et des procurations pour notre clientèle entreprise ou encore l’assurance auto/moto.
L’IA utilisée par le projet IDP est considérée comme classique. L’arrivée de l’IA générative, elle, a posé de nombreuses questions et a nécessité de la méthode pour en cerner les enjeux et possibilités. Grâce à notre dispositif d’accélération de l’innovation, nous avons pu mener en quelques mois nos premières explorations sur ce sujet, en le positionnant directement dans notre gouvernance globale de l’IA. Nous avons très vite perçu son potentiel pour assister nos conseillers et nos clients.
Besoin d’une base d’informations fiable
Pour cette raison, nous avons souhaité mettre à disposition de nos clients et de nos conseillers un chatbot destiné à répondre de façon fluide et personnalisée à toutes les questions sur l’univers bancaire. Pour ce faire, nous faisons intervenir la technologie RAG (Retrieval Augmented Generation), qui permet à l’IA générative de répondre à partir de la base documentaire interne de la banque. Celle-ci doit évidemment être la plus complète, précise et fiable possible, car l’IA générative n’arrive pas à faire le tri dans des informations contradictoires ou devenues obsolètes. Nous devons donc mener en parallèle un important chantier pour que le modèle accède à un socle d’informations claires et à jour.
Côté client, nous devons aussi éviter que l’IA générative réponde lorsqu’elle n’a pas la réponse, et prévenir les éventuelles fameuses hallucinations. Afin de réduire ces risques, nous avons travaillé avec Giskard, une start-up spécialisée sur le sujet. Cela nous a permis de lancer le pilote de notre premier chatbot à base d’IA générative auprès d’une centaine de clients testeurs de notre banque en ligne Hello bank !.
Des réponses véritablement personnalisées
L’objectif derrière cet assistant virtuel de nouvelle génération, fondé sur les LLM (modèles de langage) de la start-up française Mistral.ai, est multiple : améliorer la réactivité aux demandes de nos clients, simplifier les parcours utilisateurs et promouvoir le selfcare. L’assistant virtuel vient remplacer une version classique de chatbot qui s’appuyait sur les 600 FAQ proposées par la banque comme réponses pré-enregistrées.
Les premiers résultats sont très encourageants, avec une bonne compréhension de la question et de son intention, une prise en compte efficace du contexte et de l’historique de la discussion. Et surtout des réponses pertinentes et personnalisées en fonction de la situation du client ! Il est intéressant de noter que nos data scientists ont dû acquérir de nouvelles compétences pour construire une architecture fondée sur différentes briques qui utilisent plusieurs modèles de langage afin d’effectuer diverses actions.
L’enjeu actuel est d’optimiser ces différentes briques pour en augmenter les performances. Objectif : passer d’un temps de réponse allant de 15 à 20 secondes aujourd’hui, à 3 à 8 secondes demain. Les infrastructures du Groupe BNP Paribas vont également nous permettre prochainement de diminuer ces temps de réponse grâce à une technologie de streaming. En pratique, la machine commencera à écrire la réponse tout en préparant la suite de celle-ci.
Repenser le rôle des conseillers
L’IA classique et l’IA générative donnent ainsi la possibilité d’améliorer les parcours clients et les process pour nos clients et nos collaborateurs. Avec une conséquence sur le métier de conseiller. Grâce à l’IA, les conseillers peuvent désormais se concentrer sur des tâches à plus forte valeur ajoutée, comme le conseil sur la rénovation énergétique, autour du projet du client dans le parcours crédit immobilier, par exemple. Le temps gagné grâce à l’automatisation des tâches répétitives permet aux conseillers de mieux accompagner leurs clients et de leur offrir un service plus personnalisé. Il ne s’agit pas d’une révolution, mais d’une amélioration accélérée de notre organisation.
À méditer : avec l’IA, l’informatique n’est plus infaillible
Dans un second temps, l’IA servira peut-être d’autres enjeux stratégiques sur le réseau. Elle sera assurément un déclencheur – parmi d’autres – de la manière dont nous faisons notre métier de banquier. Elle ne va pas transformer notre métier fondamentalement dans les prochaines années, mais singulièrement l’enrichir.
Enfin, dernier sujet capital sur lequel nous devons sensibiliser nos équipes : l’intelligence artificielle, même si elle est fiable, peut présenter une marge d’erreur. Pour les collaborateurs, c’est relativement nouveau, car jusqu’à présent, l’informatique semblait infaillible. Avec l’IA, nous devrons toujours vérifier un certain nombre d’informations voire les améliorer. C’est pour cela que nous aurons toujours besoin de l’expertise et du regard avisé de nos équipes : elles devront conserver leur esprit critique en s’enrichissant de l’apport de l’intelligence artificielle.
