À propos d’intelligence artificielle, tout le monde parle de l’or blanc des données. Cela vous semble-t-il excessif ?
L’intelligence artificielle (IA) ne peut pas se résumer qu’à la donnée, parce que l’IA, c’est avant tout des sciences cognitives. Elle touche des domaines comme le langage, comme l’empathie, comme le raisonnement, comme la voix. Alors oui, dans l’IA, il y a des données, mais il y a aussi des sciences cognitives qu’il faut bien appréhender dans leur globalité pour comprendre ce qui se passe, y compris dans le domaine bancaire.
Le deuxième réflexe, pour beaucoup de gens, c’est de parler de modèle algorithmique, ou alors de la tarte à la crème : le Data Scientist. Or la notion d’IA, c’est avant tout une notion d’apprentissage. Ce qui veut dire que nous sommes pour la première fois dans notre histoire face à des systèmes apprenants. Le Data Scientist ne peut pas être l’alpha et l’oméga de l’intelligence artificielle. Il faut aussi avoir des compétences très pluridisciplinaires pour s’assurer que tout le processus d’apprentissage des modèles soit bien fait pour aboutir à la performance recherchée, quel que soit le cas d’application. Enfin, l’IA ne peut pas être résumée à un objet technologique, c’est un sujet éminemment humain. Le principal défi que nous avons aujourd’hui dans le domaine bancaire au travers de l’intelligence artificielle est : comment arriver à changer, à augmenter le travail d’un collaborateur ou une collaboratrice, quel que soit son métier, au sein de la banque ?
Dans quels domaines bancaires l’IA peut-elle s’appliquer ?
Il y a trois grands domaines d’application de l’intelligence artificielle au sein du domaine bancaire.
Le premier concerne la relation client, c’est-à-dire tout ce qui touche à l’interaction avec le client, quel qu’il soit, particulier ou entreprise. Nous sommes en train d’injecter dans cette relation client des capacités que nous n’avions pas jusqu’à maintenant, avec la compréhension et l’utilisation du langage naturel, mais également l’extraction et l’identification des sentiments, pour détecter des tendances, des modes. Ce qui change complètement la manière dont toute la mécanique du CRM (Customer Relationship Management, en français gestion de la relation client) est conçue depuis quinze ans. Comment mettre en place de nouveaux canaux de relation (avec les chatbots, par exemple) et en tirer avantage au travers d’informations récoltées de différentes manières, connectées et restituées au bon moment et au bon endroit.
Le deuxième domaine est celui que j’appelle du « collaborateur augmenté », c’est-à-dire tous les cas d’application qui concernent la mise à disposition de solutions cognitives pour les collaborateurs des banques, comme les analyseurs de mail, qui permettent de collecter les e-mails entrants des clients et de préparer automatiquement des réponses que le chargé de clientèle décide ou pas d’envoyer afin de l’aider à traiter des flux entrants énormes. De même, nous avons mis en place au Crédit Mutuel ce qu’on appelle un « assistant virtuel » C’est en fait une solution cognitive qui permet aux chargés de clientèle de poser à tout moment une question en langage naturel et d’obtenir une réponse en temps réel par rapport à un point très technique qui se pose sur l’épargne, l’assurance ou les crédits.
Enfin, le troisième domaine est celui des processus apprenants. Au départ, les banques ont abordé l’IA comme un sujet important, mais périphérique. Nous sommes en train de basculer sur une compréhension du sujet qui place l’IA au cœur du business. Comment son utilisation va-t-elle changer le processus lié au crédit, au risque ou à l’entrée en relation client par exemple. Comment transformer les processus métier avec l’utilisation de l’IA ?
Du coup, comment faire évoluer le système d’information bancaire pour s’adapter à l’intelligence artificielle ?
À partir du moment où il y a une refonte des processus métier, il y a également refonte du système d’information. L’un des facteurs clés de succès de l’IA, c’est la qualité de l’intégration du lien avec le système d’information. Parce que s’il n’y a pas d’intégration, il n’y a pas de réseau, pas de hiérarchie et donc pas de valeur.
Désormais, il y a une déclinaison de l’IA sur l’ensemble des couches informatiques de l’entreprise. Par exemple, pour le CRM, il y a la couche analytique, la couche donnée, la couche processus et donc l’orchestration des processus métiers autour et la logique du multicanal. L’IA va se décliner sur l’ensemble de ces domaines. Elle va infuser petit à petit, un peu comme un sachet de thé. Il ne faut pas oublier la dimension organisationnelle pour accompagner les équipes. Certains de nos grands clients comme le Crédit Mutuel ont mis en place il y a maintenant quatre ou cinq ans, ce qu’on appelle une « cognitive factory », dont le rôle est d’industrialiser l’IA au sein du groupe en accompagnant les collaborateurs et collaboratrices dans leurs usages.
IBM ne se contente plus d’insérer l’IA dans les systèmes d’information, mais également dans ses mainframes. Qu’en est-il ?
L’intégration de l’IA au cœur du mainframe est un marqueur de ce qu’on est en train de réaliser. C’est la première fois que nous sommes capables, d’un point de vue technologique, d’intégrer une puce d’IA au sein de nos grands systèmes. Et qu’est-ce qui est commun à toutes les banques, sinon le mainframe ? Désormais, l’IA y est embarquée en mode native, ce qui veut dire que, par exemple, dans des applications, comme la gestion de la fraude à la carte bancaire, qui sont opérées sur les mainframes, elle va pouvoir enfin l’être en temps réel, comme jamais il n’a été possible de le faire.
En règle générale, où en sont les banques françaises dans leur utilisation de l’intelligence artificielle ?
Il y a trois niveaux de maturité. L’ensemble des établissements financiers ont déployé des solutions d’IA au moins en front office et pour la relation client. C’est le premier niveau et il a été atteint globalement sur toute l’industrie financière au sens large du terme.
En France, le niveau deux, qui consiste à dire « maintenant j’intègre l’IA en “mode core business”, au cœur de mon système d’information », n’est pas encore atteint. Pour le coup, les disparités restent très importantes dans le niveau de maturité des banques les unes par rapport aux autres. Très peu ont déjà réellement intégré l’IA au sein de leurs processus métiers et de leur informatique.
Le corollaire de ce niveau deux, c’est le niveau trois, qui est la mise à l’échelle de l’IA au sein de grands groupes bancaires et là encore, il y a de très grandes disparités. Très peu d’acteurs ont également mis aujourd’hui en place des modèles opérationnels dont l’objectif est la mise à l’échelle et l’inclusion massive de l’IA au sein de leur activité. Il y a toujours des myriades de cas d’applications menés un peu en silo, chacun de son côté, et la bascule vers une vue holistique industrielle n’est pas encore réalisée, à l’exception de certains acteurs, dont le Crédit Mutuel. En revanche, tous y arriveront, j’en suis certain.
