L'IA dans les services financiers

La sophistication croissante de l'intelligence artificielle (IA) est à l'origine de perturbations dans le monde entier et a ouvert la voie à de nouvelles possibilités de création de valeur dans le secteur des services financiers. On estime qu'environ 30 % des bénéfices d'exploitation dans le secteur bancaire seront attribués à l'IA1. Cette approche risque de perturber le marché et de déclencher une nouvelle concurrence.

En réalité, de nombreuses entreprises peinent à s'adapter en raison de la taille et de la complexité de leur environnement technologique dans le secteur des services financiers. Pour prospérer, ces entreprises ont besoin d'une plateforme capable de s'adapter à l'ère des bouleversements constants, ce qui leur permet d'intégrer les innovations qui façonnent l'avenir de l'IA.

Ce guide fait partie d'une série de guides Red Hat à l'usage des dirigeants et s'adresse à ceux qui souhaitent obtenir des exemples concrets de mise en œuvre de l'IA dans les entreprises. Il rassemble des témoignages de clients conçus pour aider à planifier une stratégie d'adoption de l'IA et à réussir dans un contexte d'innovation continue.

• La valeur globale de l'IA pour le secteur bancaire à lui seul s'élève à environ 1 200 milliards de dollars¹.
• L'IA générative pourrait apporter 200 à 340 milliards de dollars de valeur ajoutée.

La véritable puissance d'une technologie innovante ne s'obtient que lorsqu'elle est pleinement intégrée aux interactions et à la création de valeur pour les entreprises, les clients et le personnel. Cette règle prévalait lorsque les transactions électroniques ont révolutionné les marchés financiers et que les services bancaires aux particuliers sont devenus numériques. Ces changements ont généré de nouvelles sources de revenus et réduit considérablement les coûts tout en faisant évoluer le paysage concurrentiel.

L'évolution rapide de l'IA a donné naissance à de puissants modèles de langage et agents d'IA sur le point de transformer à nouveau les services financiers. À terme, cette approche modifiera l'engagement des clients et augmentera l'efficacité de l'exploitation tout en créant de nouvelles pressions commerciales pour les acteurs historiques. Si l'IA est sur le point de favoriser des changements plus fréquents et plus profonds, ce qui nécessitera une plus grande capacité d'adaptation, les entreprises devront d'abord surmonter ces trois obstacles à l'adoption de l'IA.

1. Coût
   Le coût de l'entraînement, de l'optimisation, du déploiement et de l'intégration des modèles limite les produits et les services auxquels l'IA peut être appliquée.
2. Complexité
   Les déficits de compétences, les exigences liées à une infrastructure sur mesure et le manque de données accessibles compliquent l'application de l'IA à grande échelle.
3. Risques
   Lorsque les outils ne sont pas assez aboutis dans le cycle de vie du modèle, les établissements financiers peuvent choisir à quel moment déployer l'IA et de quelle manière.

Réduire les obstacles à l'IA dans l'entreprise

Ces obstacles doivent être éliminés pour permettre au secteur d'adopter plus largement l'IA et aux entreprises d'exploiter tout le potentiel des services financiers.

• Réduction des coûts
  Il est nécessaire d'adopter une plateforme d'IA moderne pour optimiser l'utilisation du matériel, rationaliser la gestion des modèles et réduire les coûts d'intégration de l'IA aux applications. Il devient alors possible d'appliquer l'IA dans des domaines qui ne le permettaient pas encore sur le plan économique.
• Diminution de la complexité
  En combinant le développement de compétences à une plateforme d'IA adaptée, vous pouvez combler les déficits de compétences, rationaliser la gestion de l'infrastructure, améliorer la collaboration et accélérer la distribution.
• Limitation des risques
  La confiance et la sécurité sont essentielles pour que toute technologie révolutionnaire soit largement adoptée par les équipes et les clients. Les contrôles manuels sont difficiles à renforcer et peuvent s'avérer inefficaces. Il est essentiel d'investir dans la qualité, la sécurité et la gouvernance afin de généraliser l'adoption.

Lutte contre la criminalité financière

Les malfaiteurs deviennent de plus en plus capables de dissimuler leur identité et d'échapper à la détection. Les entreprises doivent donc continuellement faire évoluer leurs modèles pour réduire le nombre de faux positifs et détecter plus précisément les transactions problématiques. L'apprentissage fédéré et les données synthétiques deviennent des outils essentiels.

Détection des anomalies transactionnelles dans l'infrastructure des marchés financiers

Le réseau SWIFT compte 11 000 membres qui effectuent des millions de transactions quotidiennes.

En 2022, SWIFT a reconnu la nécessité de mettre en place une architecture hautement évolutive et axée sur la sécurité, qui lui permettrait de s'adapter en permanence et de garder une longueur d'avance sur les acteurs malveillants. 

L'entreprise a créé une plateforme d'IA hautes performances et des modèles d'apprentissage automatique (AA) sur mesure pour effectuer des analyses plus précises et ainsi réduire le nombre de faux positifs à analyser ainsi que le nombre de messages de rejet à traiter. À l'avenir, l'IA pourrait faciliter la correction automatique des erreurs de saisie, optimiser les options d'acheminement des paiements et rationaliser le traitement de nombreuses autres manières.

Transformation de l'intégration client

L'évolution rapide de l'IA est susceptible non seulement de modifier en profondeur la façon dont les entreprises interagissent avec leurs clients, mais aussi de rationaliser les processus sous-jacents. On estime que les agents conversationnels vont devenir de plus en plus puissants et réduire les coûts de service. Pour autant, l'IA aura un effet durable sur plusieurs domaines tels que l'acquisition et l'intégration de clients, ainsi que le conseil.

Simplification de l'intégration des clients professionnels

Avant d'ouvrir un compte professionnel auprès de Banco Galicia en Argentine, les clients devaient se rendre dans une agence pour présenter en personne une série de documents juridiques contenant des informations générales et bancaires. Ces documents étaient ensuite numérisés et analysés par des spécialistes juridiques, des risques et de la conformité. Environ 20 jours étaient nécessaires pour autoriser l'enregistrement d'un nouveau compte ou mettre à jour les informations relatives au compte d'un client existant.

Dans la mesure où la banque analyse désormais des documents en temps quasi réel, les nouveaux clients professionnels peuvent ouvrir un compte et commencer à l'utiliser en quelques minutes seulement, tout en respectant les exigences de la banque relatives aux risques et à la conformité.

De nouvelles possibilités dans le secteur des prêts

Une modélisation plus sophistiquée des risques, l'utilisation d'autres données ainsi que l'analyse comportementale ont déjà entraîné des changements dans le secteur des prêts. De cette façon, il est possible de prévoir plus précisément les paiements et de générer de nouvelles sources de chiffre d'affaires. L'intégration de modèles de langage au processus de souscription a permis de réduire les coûts d'exploitation. L'essor des contrats intelligents et l'intégration de l'IA agentique promettent de rationaliser davantage les prêts dans le domaine des services financiers.

Mise à l'échelle de l'IA dans l'entreprise

En Turquie, la banque DenizBank a créé pour ses équipes de data scientists et d'ingénieurs une plateforme d'IA leader sur le marché, qui pourrait réduire les délais de mise sur le marché et les processus d'IA/AA. La banque a automatisé les pipelines de science des données, fourni des fonctionnalités en libre-service et optimisé la mise à disposition des modèles afin de mettre l'IA à l'échelle plus efficacement dans l'ensemble de l'entreprise.

La banque compte plus de 120 data scientists répartis dans différents domaines et qui innovent notamment dans le marketing, l'octroi de prêts, les cartes de crédit et la gestion des risques. Grâce à cette nouvelle plateforme, DenizBank rationalise le développement, le déploiement et l'intégration de modèles, et s'appuie sur les puissantes communautés Open Source qui façonnent l'avenir de l'IA.

En savoir plus

Amélioration de l'expérience client

Les agents IA sont sur le point de révolutionner l'expérience client dans le secteur bancaire en rendant les services plus intuitifs, intelligents et personnalisés. Qu'il s'agisse de rappels de factures proactifs ou d'optimiser les flux de trésorerie en temps réel, l'IA est capable d'anticiper les besoins des clients et de fournir des informations financières sur mesure qui simplifient la prise de décision et de mesures les concernant.

Grâce à l'analyse de données de séries chronologiques et à l'identification de schémas exploitables, l'IA génère des prédictions plus précises qui permettent aux banques de formuler des propositions sur mesure, détecter les problèmes potentiels avant qu'ils ne surviennent et fournir des conseils financiers proactifs.

Les clients n'ont plus à gérer eux-mêmes leurs finances. À l'aide des informations fournies par les agents, ils peuvent garder une longueur d'avance, gérer leur argent plus facilement et atteindre leurs objectifs financiers en toute confiance. 

Au-delà de l'automatisation, l'IA améliore l'engagement en permettant des interactions plus réactives et personnalisées, que ce soit par le biais d'agents conversationnels, de recommandations intelligentes ou d'expériences bancaires numériques optimisées. Avec la distribution de services sécurisés et hautement personnalisés, l'IA contribue à améliorer la satisfaction et la confiance des clients afin de préparer un avenir dans lequel le secteur bancaire est non seulement efficace, mais également centré sur le client.

Banques

La manière dont une banque fonctionne et interagit avec ses clients et employés va fortement évoluer au cours des cinq prochaines années. L'accélération du rythme d'adoption des nouvelles technologies imposera aux banques de suivre la cadence de ces changements. En interne, de puissants agents et modèles et agents seront capables de réaliser des tâches plus complexes et de commencer à transformer radicalement les méthodes de travail.

• Services : réalisation de tâches plus difficiles par les agents conversationnels. Les agents IA seront davantage intégrés aux canaux bancaires.
• Prêts : optimisation des capacités et de l'efficacité de l'IA pour évaluer et optimiser les offres de produits sur mesure, les tarifs et les risques.
• Paiements : adoption d'une approche de gestion des fonds en temps réel avec des modèles avancés d'optimisation et de rapprochement des transactions.
• Conseils : réalisation de tâches plus sophistiquées par les modèles, comme la collecte d'informations, les synthèses et les recommandations.

Assurances

Partout dans le monde, la hausse des coûts d'exploitation, les nouvelles pressions concurrentielles et la fluctuation des risques climatiques limitent les bénéfices pour les assureurs. L'accès à de nouvelles sources de données et la réduction des coûts de développement de modèles offrent aux compagnies d'assurance de nouvelles possibilités d'adopter l'IA plus largement dans le cadre de leurs activités et de renforcer l'efficacité de l'exploitation.

• Réclamations : accélération des processus d'approbation et de résolution grâce aux modèles pour les documents, les images, les vidéos et les outils de détection.
• Souscription : rationalisation des approbations grâce à une analyse plus précise des données personnelles et professionnelles.
• Politiques : politiques de plus en plus personnalisées, tarification dynamique basée sur des données en temps réel et modélisation des risques plus sophistiquée.
• Services : réalisation de tâches plus difficiles par les agents conversationnels. Les agents seront davantage intégrés aux canaux d'assurance.

Marchés financiers

L'évolution rapide de l'IA aide les entreprises à mieux gérer les risques et à faire face à l'instabilité des marchés financiers. La sophistication croissante des modèles de langage et des agents IA génère de nouvelles possibilités en matière de rééquilibrage des gammes de produits et de prédictions de commandes. En réduisant les coûts et la complexité de l'IA, les entreprises augmentent leur efficacité lorsque les conditions du marché évoluent.

• Trading : utilisation accrue des agents IA tout au long du cycle de vie du trading pour optimiser les stratégies et améliorer l'efficacité.
• Liquidités : simulation des marchés pour réduire l'exposition aux risques, vérifier que les niveaux de liquidités sont suffisants et améliorer la stabilité du marché.
• Gestion de portefeuilles : plus grande sophistication des modèles pour optimiser les portefeuilles en fonction des coûts, des risques, des effets sur l'environnement et d'autres objectifs.
• Informations sur le marché : nouveaux modèles de langage permettant de mieux comprendre l'état du marché à partir de nouvelles sources de données non structurées.

Risques et conformité

Le respect des obligations en matière de conformité et la gestion des risques sont de plus en plus difficiles. Les réglementations en constante évolution, les conditions changeantes du marché et les nouveaux risques pour l'exploitation augmentent les coûts et la complexité. Les avancées en matière d'IA génèrent de nouvelles possibilités afin de mieux gérer les risques et réduire les coûts. Ces améliorations s'appuient sur des modèles de langage et des frameworks agentiques, ainsi qu'une plateforme plus rentable et plus compatible.

• Gestion des risques : informations plus pertinentes sur les risques liés aux portefeuilles, les effets sur la marge et les risques liés aux liquidités grâce à des simulations avec agent.
• Création de rapports réglementaires : rationalisation des rapports grâce à la récupération de documents et à l'extraction d'informations clés.
• Criminalité financière : amélioration de la précision et réduction des faux positifs grâce à des modèles de risque adaptatifs qui apprennent à partir de nouveaux schémas.
• Sécurité des informations : évaluations en temps réel des ressources pour identifier les vulnérabilités, détecter les menaces avec précision et accélérer la correction.

La nouvelle génération de services financiers va avoir un impact profond sur les clients, les partenaires et les équipes. L'évolution rapide de l'IA est susceptible de modifier en profondeur l'engagement des clients et des équipes et d'améliorer l'efficacité de l'exploitation. Toutefois, les défis liés aux coûts, aux risques et à la conformité, ainsi que la préparation parfois insuffisante des entreprises et des technologies, sont des obstacles qu'il faudra surmonter.

Voici quatre domaines qui, selon nous, seront au cœur des discussions dans un avenir proche, alors que les entreprises cherchent à adopter l'IA à grande échelle et à en tirer le meilleur parti.

Définition d'un agent IA

Un agent IA est un logiciel qui utilise l'IA pour effectuer des tâches avec un minimum d'interaction humaine.

Importance

Les agents permettent de réduire considérablement les coûts d'exploitation, créer des sources de valeur et transformer le back-office. Ils sont devenus plus sophistiqués et sont capables d'exécuter des tâches plus complexes grâce à l'apprentissage et au raisonnement par renforcement.

Définition d'un grand modèle de langage

Il s'agit d'un modèle de langage ayant bénéficié d'un réglage fin pour convenir à des cas d'utilisation spécifiques, et conçu pour être plus compact et efficace. 

Importance

Il fournit des niveaux de contrôle, de précision, de vitesse et de fiabilité supérieurs pour des cas d'utilisation spécifiques, comme l'assistance clientèle, le conseil et l'étude de marché. Par ailleurs, il permet de réduire considérablement les coûts d'infrastructure et la consommation d'énergie.

Définition de l'apprentissage fédéré

Il s'agit d'un type d'AA dans lequel plusieurs groupes entraînent un modèle de manière collaborative sans partager de données. 

Importance

L'apprentissage fédéré permet de produire des modèles puissants avec toujours plus de précision sans partager de données, tout en répondant aux exigences en matière de souveraineté des données. Il s'illustre, par exemple, dans le domaine de la criminalité financière, où les banques travaillent ensemble sur un modèle, mais où les données restent confidentielles.

Définition de la sécurité de l'IA

Ce concept permet d'éviter toute conséquence involontaire ou dangereuse de l'IA et de la protéger contre les attaques d'utilisateurs malveillants.

Importance

L'équité, l'explicabilité, la transparence, la précision et la fiabilité sont des critères essentiels pour la sécurité. Les individus, les entreprises et la société doivent être protégés contre les attaques grâce à une gestion efficace des risques.

L'histoire montre qu'il n'est possible de gérer les bouleversements qu'en présence d'un écosystème robuste de technologies adaptées à un but précis. Cette approche permet de réduire les coûts et de rendre les technologies plus accessibles. La révolution numérique n'aurait pas été possible sans l'effet réseau d'Internet. L'Open Source a créé un effet de réseau similaire autour des technologies clés qui favorisent l'innovation dans le cloud, et aujourd'hui l'IA. L'évolution rapide de l'IA est alimentée par les efforts collectifs des communautés et des modèles Open Source, ainsi que par le riche écosystème qui les entoure.

Nous sommes convaincus que pour être réellement novatrice, l'IA doit se baser sur une plateforme rentable, omniprésente et prise en charge par un vaste écosystème. Nous créons des produits au sein de communautés et établissons des partenariats dans le monde entier afin de rendre l'IA plus accessible.

Red Hat AI

La gamme Red Hat® AI fournit une solution de plateforme d'IA cohérente et complète qui permet de réduire le délai de mise sur le marché et de diminuer les coûts d'exploitation ainsi que les risques liés à la distribution des produits d'IA dans l'entreprise. Avec cette solution, il est possible d'utiliser efficacement toutes les infrastructures et de prendre en charge la création de modèles adaptés à l'usage avec vos données, sans complexité ni coût inutiles.

Services de consulting Red Hat pour l'IA

Aux côtés de nos spécialistes de l'IA, identifiez et planifiez vos principaux objectifs métier, puis créez une feuille de route stratégique pour les atteindre avec des actions visant à diminuer les coûts d'exploitation, optimiser l'utilisation des ressources, renforcer l'évolutivité et accélérer l'innovation dans ce domaine. Vous pourrez ainsi acquérir des capacités de base, notamment une plateforme et des compétences spécialisées dans l'IA, tout en générant de la valeur métier.

Écosystème Red Hat AI

Intégrez les outils de votre choix à moindre coût et sans risque. Augmentez la valeur de votre investissement en ajoutant à tout moment de nouvelles capacités. Exécutez vos systèmes sur le matériel de votre choix avec les performances et la fiabilité attendues. Tirez le meilleur parti de l'IA dans votre entreprise en bénéficiant des principaux services de consulting à l'échelle mondiale.

Une opportunité unique

Travaillez aux côtés de spécialistes Red Hat pour créer une feuille de route intelligente qui vous mènera à la réussite. Envisagez d'utiliser les solutions Red Hat AI dans votre environnement et découvrez leurs capacités. Avec l'aide de nos spécialistes de l'IA, vous pouvez définir des objectifs accessibles, mettre en place une plateforme d'IA moderne, développer des compétences transformationnelles, ajuster des cas d'utilisation pilotes et réduire les coûts et la complexité.

Se lancer