Sommet « AI for Finance » organisé par Artefact 17 septembre 2024 - Paris

Principaux enseignements tirés de l'échange entre Pierre Ruhlmann, directeur des opérations de la banque de détail en France chez BNP Paribas, et Joffrey Martinez, responsable mondial des services financiers chez Artefact.

La structure IA de BNP Paribas : créer de la valeur grâce aux « tribus » et à l'expertise

Pierre Ruhlmann a expliqué comment la banque organise ses initiatives en matière d'IA autour de la valeur. Le programme repose sur trois piliers : des équipes chargées de gérer les parcours clients, une « AI Factory » destinée à déployer les solutions à grande échelle, et un centre d'expertise chargé d'évaluer la valeur commerciale et de promouvoir la culture de l'IA. Ce cadre organisationnel a été mis en place au cours des quatre dernières années, marquant ainsi la fin de la première phase.

Mesurer la valeur au-delà des rendements financiers

Pierre a souligné que BNP Paribas évalue la valeur selon plusieurs critères, et pas uniquement en termes de rendement financier. Si les économies de coûts et l'efficacité sont essentielles, la banque accorde également la priorité à la satisfaction client et à l'engagement des collaborateurs. Elle utilise le Net Promoter Score (NPS) pour évaluer l'impact des fonctionnalités d'IA sur l'expérience client. L'engagement des collaborateurs revêt une importance tout aussi grande, car il permet de s'assurer que le personnel perçoit les avantages de l'IA, ce qui s'inscrit dans la double orientation de la banque, axée à la fois sur les clients et sur les collaborateurs.

Déploiement à grande échelle et industrialisation de l'IA

Pierre a présenté des exemples illustrant comment la banque déploie ses solutions d'IA à grande échelle, notamment dans le domaine de l'apprentissage automatique pour la notation et le traitement intelligent des documents. Bien que BNP Paribas ait réalisé d'importants investissements dans ces domaines, ses projets d'IA générative en sont encore à un stade moins avancé. Deux produits minimums viables (MVP), « Gary » et « Genius Bar », sont en cours de développement et visent respectivement la gestion interne des connaissances et l'amélioration du service client. Ces deux projets doivent encore être optimisés avant de pouvoir être pleinement industrialisés.

Gary AI pour la gestion interne des connaissances

Le système Gary a été conçu pour aider les employés dans le cadre des contrôles de produits et des procédures. Bien que 90 % du personnel ait adopté le système, des difficultés de mise en œuvre sont apparues, telles que des incohérences dans la base de connaissances entre les différentes procédures. Il est essentiel de remédier à ces incohérences avant de pouvoir étendre davantage la solution. Gary représente une étape cruciale vers l'amélioration des processus internes grâce à l'IA.

Remplacer les chatbots obsolètes

Genius Bar, le deuxième MVP clé, vise à améliorer le service client en remplaçant les chatbots obsolètes par une solution d'IA générative. Avec plus d'un million d'interactions prévues au cours des deux prochaines années, la mise à l'échelle industrielle de cette solution nécessite une approche prudente. Les exercices de « red teaming » ont joué un rôle essentiel dans l'identification des problèmes de sécurité et de fiabilité, qui ont été corrigés afin de garantir une mise à l'échelle fluide du système.

Le défi de l'adoption de l'IA

Pierre a mis l'accent sur l'adoption de l'IA, en prenant Microsoft Copilot comme exemple. Un essai mené auprès de 20 employés a montré que, malgré un intérêt initial, la moitié d'entre eux avait cessé d'utiliser l'outil. Cela a donné lieu à la mise en place d'un programme de promotion et de formations ciblées. La banque déploie désormais Copilot avec prudence afin de garantir un bon retour sur investissement.

Développer un esprit critique vis-à-vis de l'IA et apaiser les craintes liées à l'emploi

Parmi les défis liés à l'adoption de l'IA figure également la nécessité de développer un esprit critique chez les employés afin de garantir une interprétation correcte des résultats fournis par l'IA. Compte tenu de la nature réglementée du secteur bancaire, les employés doivent faire preuve de prudence lorsqu'ils s'appuient uniquement sur des solutions générées par l'IA. Pierre a également abordé la crainte que l'IA ne supprime des emplois, en rassurant les employés sur le fait que l'IA viendra compléter, et non remplacer, leur travail. Il a mis en avant l'utilisation des tests A/B pour comparer la valeur des tâches effectuées avec et sans l'IA, ce qui contribue à renforcer la confiance et la compréhension du potentiel de l'IA au sein de l'organisation.