L’intelligence artificielle générative (GenAI) est bien adaptée à de nombreuses tâches bancaires, dans la mesure où elle améliore l’efficience de processus tels que la détection des fraudes, l’évaluation des risques et l’analyse de crédit. Lors de tests pilotes, des analystes bancaires ou des assureurs utilisant le research assistant de Moody’s ont ainsi pu réduire jusqu’à 80 % le temps consacré à la collecte de données et jusqu’à 50 % le temps nécessaire à l’analyse. Ce research assistant utilise la GenAI, qui génère des informations à partir des recherches, données et analyses de Moody’s. Le research assistant est le premier outil de recherche alimenté par la GenAI disponible commercialement pour les acteurs des marchés financiers. L’un de ses principaux avantages est sa facilité d’utilisation. Une interface utilisateur de type « chat » permet d’interroger le contenu et de synthétiser rapidement de grandes quantités d’informations pour évaluer les possibilités de prêt ou d’investissement, suivre les évolutions, comparer les entités et améliorer les processus d’analyse.
Des analyses de crédit accélérées
Les analyses qui prenaient des heures peuvent désormais être effectuées en quelques minutes, libérant davantage de temps pour la prise de décisions stratégiques. Par exemple, un analyste bancaire consulte en moyenne 20 à 30 rapports de notation de crédit chaque semaine. Il (ou elle) recherche régulièrement les mêmes informations dans chaque rapport – facteurs de notation, perspectives sectorielles et autres informations pertinentes. Avec le research assistant, ces recherches hebdomadaires peuvent être entièrement automatisées, économisant jusqu’à quatre cinquièmes du temps précédemment consacré à la collecte de données. En outre, le research assistant facilite le processus de réflexion des analystes qui peuvent obtenir des informations précises et exactes en réponse à chacune de leurs questions.
Les modèles de GenAI faciliteront de plus en plus l’identification de points aberrants et de tendances anormales dans les rapports financiers, ainsi que la détection d’éventuelles erreurs. Cela va considérablement augmenter la capacité d’analyse des données sur les entreprises, qui proviennent de nombreuses sources telles que les logiciels de comptabilité, les déclarations fiscales, les agences d’évaluation du crédit, ou autres bases de données de référence pour l’information financière et extra-financière.
Historiquement, les organisations ont étudié et géré les risques en silos, répartis en fonction du domaine de risque ou de l’expertise requise. L’équipe chargée de la chaîne d’approvisionnement gérait les risques d’approvisionnement. Le bureau du directeur de l’information gérait les cyber-risques. Et ainsi de suite. Mais dans notre monde de plus en plus interconnecté, des risques qui étaient auparavant indépendants se combinent désormais pour créer potentiellement de nouveaux événements inattendus. Nous sommes entrés dans l’ère du « risque exponentiel », dont la complexité doit être appréhendée par des analyses beaucoup plus poussées.
La GenAI permet aux utilisateurs de creuser plus profondément, d’avoir une vue d’ensemble ou de découvrir de nouvelles pistes pour naviguer le monde du risque exponentiel. En reliant les points entre de vastes quantités de données, elle fournit des informations qui seraient presque impossibles à obtenir sans cette technologie, et permettent d’évaluer les risques à partir de l’ensemble des données, sans se contenter d’une analyse superficielle.
Les premiers utilisateurs de l’IA ont identifié un certain nombre d’avantages clés :
– gains d’efficacité grâce à l’automatisation de tâches et contrôles répétitifs ;
– identification plus rapide des risques permettant de prendre de meilleures décisions ;
– amélioration de la détection des fraudes, notamment des fraudes par usurpation d’identité, et de la détection des menaces en matière de cybersécurité ;
– diminution des erreurs et des irrégularités, ce qui réduit la charge de travail et l’entretien des infrastructures ;
– amélioration de la manière dont les données sont collectées, organisées et analysées, ce qui permet d’obtenir des informations plus approfondies et étendues.
Ils ont indiqué que research assistant les a aidés pour leurs recherches, notamment pour découvrir des informations nouvelles et difficiles d’accès. Cela leur a permis d’exercer leur esprit critique, d’identifier des opportunités ou de prendre une décision avec plus de confiance.
Précision et confiance
Il est vital pour les banques et autres organisations financières de garantir l’exactitude des données fournies par leurs solutions GenAI. L’une des difficultés de certains systèmes GenAI est qu’ils peuvent « halluciner » c’est-à-dire fournir des réponses contenant des informations fausses ou trompeuses. Le research assistant évite ce problème en générant des réponses fondées uniquement sur le vaste ensemble de recherches, de données et d’analyses de Moody’s, et en fournissant des citations claires qui dirigent les utilisateurs vers des sources fiables.
Le research assistant a été conçu en utilisant la génération optimisée par récupération de données (en anglais, « Retrieval-Augmented Generation » ou « RAG »), elle-même contextualisée à partir de Moodys.com pour garantir la précision de ses réponses. Le mécanisme de recherche a été affiné pour mieux comprendre les questions de l’utilisateur. Celui-ci peut être sûr que les requêtes et demandes liées à la recherche, aux données et aux analyses, sont exactes, fiables, correctement contextualisées et citées.
Quelles sont les questions typiques auxquelles ce type de solution peut répondre ? Les utilisateurs peuvent demander au research assistant de dresser la liste des dix dernières actions de notation dans le secteur bancaire. Ils peuvent également s’enquérir des cinq principales tendances dans le domaine de l’immobilier commercial, ou des principaux facteurs de notation d’une société donnée... ou encore demander une note de crédit complète sur une entreprise, comprenant la description de la société, les principaux concurrents, les facteurs de notation, les perspectives du secteur et les indicateurs clés. Ils recevront presque instantanément toutes les informations et les citations.
En accélérant ces tâches, le research assistant est conçu pour aider les utilisateurs à consacrer plus de temps à ce que les humains font le mieux : la réflexion critique, l’identification d’opportunités et la prise de décision. Cette solution et d’autres encore alimentées par la GenAI augmenteront et amélioreront la prise de décision humaine, sans la remplacer.
Les avantages de la GenAI sont évidents ; face à des risques devenus exponentiels, les premières organisations à la déployer avec succès sont susceptibles d’acquérir un avantage concurrentiel. En s’adaptant plus efficacement au changement, elles peuvent développer des services innovants, tout en améliorant la gestion des risques et en garantissant la conformité.
Les gains pour les organisations qui franchissent le pas et déploient cette technologie à bon escient pourraient être substantiels. Selon une étude de McKinsey publiée en décembre 2023, la GenAI stimulera la productivité des banques, et pourrait accroître les produits nets bancaires de 200 à 340 milliards de dollars et les bénéfices d’exploitation de 9 % à 15 %.
