BNP PARIBAS et ARTEFACT à AI for Finance by Artefact - Transformer la banque commerciale avec l'IA

Pierre Ruhlmann a souligné la manière dont la banque structure ses initiatives en matière d'IA autour de la valeur. Le programme repose sur trois piliers : des tribus qui proposent des parcours clients, une usine d'IA pour la mise à l'échelle des solutions, et un centre d'expertise pour l'évaluation de la valeur commerciale et la promotion de la culture de l'IA. Ce cadre organisationnel a été mis en œuvre au cours des quatre dernières années, marquant la fin de la première phase.

Pierre a souligné que BNP Paribas mesure la valeur dans de multiples dimensions, et pas seulement les rendements financiers. Si les économies et l'efficacité sont cruciales, la banque accorde également la priorité à la satisfaction des clients et à l'engagement des employés. La banque utilise le Net Promoter Scores (NPS) pour suivre l'impact des fonctionnalités de l'IA sur l'expérience des clients. L'engagement des employés est tout aussi important, car il permet de s'assurer que le personnel ressent les avantages de l'IA, ce qui s'inscrit dans la double orientation de la banque vers les clients et les employés.

Pierre a donné des exemples de la manière dont la banque fait évoluer ses solutions d'IA, en particulier dans le domaine de l'apprentissage automatique pour le scoring et le traitement intelligent des documents. Bien que BNP Paribas ait réalisé des investissements importants dans ces domaines, elle est moins mature dans les projets d'IA générative. Deux MVP, "Gary" et "Genius Bar", sont en cours de développement et se concentrent sur la gestion des connaissances internes et l'amélioration du service à la clientèle. Ces deux projets doivent encore être optimisés avant d'être pleinement industrialisés.

Le système Gary est conçu pour aider les employés à vérifier les produits et les procédures. Alors que 90 % du personnel a adopté le système, des problèmes de mise en œuvre sont apparus, notamment des incohérences dans la base de connaissances entre les différentes procédures. Il est essentiel de remédier à ces incohérences avant de pouvoir étendre la solution. Gary représente une étape cruciale dans l'amélioration des processus internes grâce à l'IA.

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, l'industrialisation de cette solution nécessite une approche prudente. Les exercices de red-teaming ont été essentiels pour identifier les problèmes de sécurité et de fiabilité, qui ont été corrigés pour assurer une mise à l'échelle en douceur du système.

Pierre a mis l'accent sur l'adoption de l'IA, en prenant l'exemple de Microsoft Copilot. Un essai avec 20 employés a montré que, malgré l'intérêt initial, la moitié d'entre eux ont cessé d'utiliser l'outil. Cela a conduit à la mise en place d'un programme de champions et d'une formation ciblée. La banque développe maintenant Copilot avec prudence afin d'assurer un bon retour sur investissement.

Les défis liés à l'adoption comprennent également la promotion d'un esprit critique parmi les employés afin de s'assurer que les résultats de l'IA sont interprétés correctement. Étant donné la nature réglementée du secteur bancaire, les employés doivent être prudents et ne pas se fier uniquement aux 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 augmentera leur travail et ne le remplacera pas. Il a souligné l'utilisation des tests AB pour comparer la valeur des tâches effectuées avec et sans l'IA, ce qui contribue à promouvoir la confiance et la compréhension du potentiel de l'IA au sein de l'organisation.