Les règles de l'industrie financière sont en train d'être réécrites grâce à l'IA et à l'IA générative. Dans leur conversation pour The Bridge, Artefact's Joffrey Martinez, Managing Partner et chef de file mondial pour les services financiers, et Alexis Baufine-Ducrocq, Partner & Lead Financial Services, discutent de la course à la redéfinition des performances financières grâce à l'IA.

Joffrey Martinez supervise les programmes de transformation de data et de l'IA pour les grandes banques, les assureurs et les institutions financières du monde entier. Avant de rejoindre Artefact, il a travaillé dans le private equity et le conseil, notamment chez BearingPoint et IBM Consulting France. Il est titulaire d'un master de Kedge Business School et de la certification Black Belt Lean Six Sigma, Executive Education de l'École Polytechnique.

Alexis Baufine-Ducrocq aide les banques et les assureurs de premier plan à déployer des solutions d'IA et de GenAI. Il a plus de 14 ans d'expérience dans le conseil à travers l'Europe et l'Asie et a précédemment occupé des fonctions dans la stratégie et la technologie. Alexis a étudié l'ingénierie et les télécommunications à CentraleSupélec et est diplômé de l'ESCP Europe.

L'intelligence artificielle fait depuis longtemps partie du monde de la finance, mais la l'accélération de l'IA générative et de l'analytique avancée redéfinit désormais la façon dont les institutions pensent la performance, la productivité et la création de valeur.. Dans les secteurs de la banque, de l'assurance et de la gestion d'actifs, l'IA devient non seulement un outil d'efficacité opérationnelle, mais aussi un moteur de transformation stratégique.

Aujourd'hui, la compétitivité dans le secteur financier ne se mesure pas seulement en fonction des marges ou de l'exposition au risque, mais aussi en fonction de l'efficacité avec laquelle les institutions peuvent saisir et utiliser leurs data. La course est lancée pour prendre des décisions plus rapides, offrir de meilleures expériences aux clients et des opérations plus résilientes, le tout reposant sur l'orchestration intelligente de l'information.

Rapidité, précision et qualité sont devenues indissociables. Dans un environnement où une banque peut approuver un prêt en quelques heures plutôt qu'en quelques jours ou un assureur peut rembourser une demande d'indemnisation en quelques minutes, les attentes des clients ont définitivement changé. Le leadership dans la finance appartiendra à ceux qui sauront allier agilité et confiance : une combinaison rendue possible par l'IA.

Deux voies vers la maturité de l'IA

Si toutes les institutions financières sont engagées dans la transformation de l'IA, le niveau de maturité varie considérablement d'un secteur à l'autre. La banque de détail et l'assurance ont été parmi les premières à industrialiser l'IA, en grande partie parce que leurs modèles économiques dépendent de l'échelle : des millions de clients, des milliards de points data et une pression constante sur les marges. Ces conditions font que le retour sur investissement de l'IA est à la fois mesurable et immédiat.

Les banques de détail utilisent désormais l'apprentissage automatique pour préqualifier les demandeurs de prêt, personnaliser les offres et détecter les anomalies dans les transactions avec les clients. Les assureurs utilisent des techniques similaires pour Prévoir les renouvellements de polices, détecter les fraudes et optimiser la souscription.. Dans ces deux secteurs, l'IA contribue directement à la rentabilité en réduisant les coûts d'exploitation et en augmentant le potentiel de vente croisée.

En revanche, la banque d'investissement, la banque privée et la gestion d'actifs sont entrées dans l'ère de l'IA par le biais de domaines spécialisés : le négoce quantitatif, la modélisation des risques et la détection des fraudes. Ces utilisations étaient profondes mais étroites, confinées à des experts tels que les quants et les actuaires. Ce qui change aujourd'hui, c'est la diffusion de l'IA dans toute la chaîne de valeur. Les relations avec les clients, l'octroi de crédit et la gestion des risques sont désormais imprégnés d'IA. modèles prédictifs et raisonnement automatisé. Ce qui se passait autrefois dans des centres d'excellence isolés est en train de s'intégrer dans la prise de décision quotidienne.

Comme le dit Joffrey, “Tous les acteurs se sont lancés dans la course à l'IA, car l'exploitation de ce potentiel représente un véritable défi concurrentiel.” La diffusion de l'IA marque le passage de l'expérimentation à l'intégration, de projets isolés à une capacité industrielle à la base de la compétitivité.

Construction du data foundations

Parmi les sous-secteurs financiers, l'assurance offre peut-être l'image la plus claire de la profondeur avec laquelle data définit la transformation. Les actuaires, les premiers scientifiques du secteur, ont toujours utilisé la modélisation statistique pour évaluer les risques. Cette culture de la quantification confère aux assureurs un avantage naturel dans la modernisation de leur infrastructure.

Ces dernières années, l'accent a été mis sur la création de écosystèmes data de bout en bout. Les assureurs de santé, de biens et de risques divers mettent en place des plateformes capables d'ingérer en temps réel les data des clients, les data des sinistres, les data des comportements et les sources externes. Le résultat est un une base unifiée pour la prédiction et la personnalisation.

La plupart des assureurs opèrent désormais sur des architectures hybrides, multi-cloud. Les ensembles de data très sensibles, tels que les dossiers médicaux, restent sur site, tandis que les data moins critiques migrent vers des cloud publics pour des raisons d'évolutivité et d'analyse avancée. De plus en plus, un une troisième couche, les cloud souveraines, émerge pour concilier l'innovation et les exigences réglementaires. Cette approche progressive permet aux entreprises de trouver un équilibre entre la conformité, l'agilité et le coût.

La montée en puissance du data governance robuste est tout aussi significative. La propriété de data se rapproche des fonctions commerciales, donnant aux souscripteurs, aux gestionnaires de sinistres et aux spécialistes du marketing la responsabilité directe de la qualité et de l'utilisation de data. Une gouvernance solide transforme le data d'un actif technique en un actif opérationnel : propre, contextualisé et utilisable pour l'IA. Avec une gouvernance forte, L'IA passe des outils d'experts à des systèmes en libre-service qui accélèrent l'impact sur l'entreprise.

Les plateformes Data clients (CDP) sont en train de devenir un élément central de cette stratégie. En reliant les informations entre les différents points de contact, les CDP permettent aux assureurs de détecter les signes précoces d'attrition, d'adapter les offres et de répondre de manière dynamique au comportement des clients. Dans un secteur connu pour son taux d'attrition élevé, où, comme le dit Alexis, “Le jeu consiste à remplir la baignoire plus vite qu'elle ne se vide.”, L'intégration du data est désormais synonyme de fidélisation de la clientèle.

Avec de telles fondations en place, l'IA peut passer d'initiatives pilotées par des experts à des applications en libre-service accessibles à chaque unité opérationnelle. Le Data devient ainsi le pont entre le potentiel technologique et l'impact commercial..

Contrastes mondiaux dans l'adoption de l'IA

Lorsque l'on compare la maturité de l'IA à l'échelle mondiale, des schémas clairs se dégagent. Les États-Unis sont largement en tête, avec plus d'un tiers des recettes mondiales de l'IA dans les services financiers. Des institutions américaines telles que JPMorgan ont intégré l'IA dans presque tous les processus, de la négociation et de la gestion du crédit au conseil à la clientèle, démontrant ainsi ce qu'est une intégration complète à l'échelle.

L'Asie suit de près, portée par l'extraordinaire capacité d'innovation de la Chine. Ping An, par exemple, est passé du statut d'assureur à celui d'entreprise technologique diversifiée, déposant des milliers de brevets d'IA et industrialisant des centaines de cas d'utilisation dans les domaines de la santé, des prêts et de la gestion de patrimoine.

L'Europe se situe au même niveau que l'Asie en ce qui concerne l'ampleur de ses initiatives, mais elle se distingue par le fait que l'Europe est un acteur majeur de l'économie mondiale. l'accent mis sur l'éthique et la réglementation. Des banques comme UBS, BNP Paribas et Santander investissent massivement dans des cadres d'IA responsable tout en déployant des modèles avancés dans la prévention de la fraude et le service à la clientèle.

D'autres régions progressent rapidement de manière distincte. L'Amérique latine, sous l'impulsion des banques brésiliennes Itaú et Nubank, utilise l'IA pour lutter contre la fraude et gérer les écosystèmes bancaires exclusivement numériques. Le Moyen-Orient bénéficie de stratégies d'investissement dans l'IA pilotées par l'État qui accélèrent l'innovation dans tous les secteurs, tandis que les institutions africaines utilisent l'IA pour étendre l'inclusion financière aux populations mal desservies.

Malgré ces différences, un facteur constant unit les candidats : la reconnaissance de l'IA en tant qu'infrastructure stratégique. Les nations et les institutions qui traitent l'IA non pas comme un levier de coût mais comme une plateforme de croissance avancent plus rapidement, avec plus d'assurance et de cohérence.

Trois vecteurs de création de valeur

Dans l'ensemble du secteur financier, l'IA crée de la valeur grâce à trois leviers interconnectés : optimisation des coûts, croissance du chiffre d'affaires, et protection contre les risques.

L'optimisation des coûts reste la plus visible. L'automatisation réduit le “coût du service” en rationalisant le traitement des documents, la souscription et le service à la clientèle. Dans la banque de détail, l'analyse de crédit pilotée par l'IA a permis de raccourcir les délais d'approbation des prêts de plusieurs jours, réduisant ainsi les frais généraux tout en améliorant la satisfaction des clients. Dans le secteur de l'assurance, l'automatisation de bout en bout permet désormais de traiter en quelques minutes jusqu'à 30 % des demandes d'indemnisation en matière de biens et de santé. La reconnaissance optique de caractères et les modèles génératifs lisent les factures, vérifient la couverture et déclenchent des paiements instantanés : un exemple tangible d'efficacité se traduisant en expérience.

Ces mêmes systèmes renforcent la contribution humaine. En traitant automatiquement les cas de routine, l'IA permet aux experts de se concentrer sur les situations complexes ou sensibles où le jugement et l'empathie sont les plus importants. En ce sens, l'automatisation devient un moyen de ré-humaniser le travail plutôt que de l'éliminer.

La croissance des revenus représente la prochaine frontière. L'analyse prédictive permet aux banques et aux assureurs d'anticiper les besoins des clients - un nouvel emploi, l'achat d'une maison, un changement de vie - et de proposer des produits pertinents au moment opportun. L'IA générative étend cet avantage aux contextes de conseil : dans la banque privée, elle peut condenser des analyses de marché complexes en idées concises et exploitables, réduisant ainsi le délai entre l'expertise et la décision du client.

Ces capacités transforment les modèles de service, qui passent de réactifs à proactifs. Les relations deviennent continues, contextuelles et personnalisées, L'IA est un facteur de différenciation important sur des marchés où les offres de produits sont par ailleurs banalisées. L'IA établit une nouvelle norme pour la relation client : disponible, accessible, personnalisée et réactive à tout moment.

Le troisième vecteur, la protection, est peut-être le plus important pour la confiance. Les modèles d'apprentissage automatique surveillent désormais des millions de transactions en temps réel, détectant les anomalies qui signalent une fraude potentielle ou une activité de blanchiment d'argent. La capacité de l'IA à gérer des data déséquilibrées, où les transactions authentiques sont largement plus nombreuses que les transactions frauduleuses, a révolutionné la détection des risques.

En conformité, L'IA réduit considérablement les faux positifs. Au lieu de faire appel à des armées d'analystes pour examiner manuellement les transactions, l'IA filtre les alertes pour concentrer l'attention humaine sur les activités réellement suspectes, les réduisant dans certains établissements d'un facteur 100 sans perte de précision. Le résultat ? Des coûts réduits, des temps de réponse plus rapides et une plus grande confiance de la part des régulateurs et des clients.

Au-delà du retour sur investissement : le retour culturel

Il est relativement simple de quantifier l'impact de l'IA. Les modèles de fraude permettent d'économiser des dizaines de millions d'euros ; l'automatisation des processus peut permettre des gains d'efficacité de l'ordre de 20 à 30. Mais la valeur la plus profonde réside dans la manière dont l'IA remodèle la façon dont les organisations pensent et travaillent.

En traitant l'IA comme un simple outil d'automatisation, on passe à côté de son potentiel de transformation. Il ne s'agit pas seulement de gagner quelques minutes sur des tâches routinières ; il s'agit de la redéfinition des rôles, des pratiques de gestion et même du concept d'expertise. Dans la compagnie d'assurance de demain, par exemple, les responsables superviseront les agents de l'IA qui traitent la plupart des demandes d'indemnisation standard, consacrant du temps humain aux cas exceptionnels qui nécessitent de l'empathie et du discernement.

Il y a aussi la productivité plus silencieuse des outils de tous les jours, qu'Alexis décrit comme étant productivité diffuse. Les technologies d'assistance telles que Copilot ne permettent de gagner que quelques minutes par utilisateur, mais leur effet cumulatif harmonise la qualité au sein des équipes. Lorsque les employés partagent leurs découvertes et leurs meilleures pratiques, ils accélèrent l'adoption et renforcent la confiance dans les applications d'IA plus complexes.

Ainsi, la préparation culturelle devient à la fois une condition préalable et un produit du succès de l'IA. Les organisations qui encouragent la curiosité et la collaboration obtiennent de bien meilleurs résultats à long terme que celles qui se concentrent uniquement sur les mesures financières immédiates.

Gérer les nouvelles dimensions du risque

Aucun secteur n'est plus expérimenté en matière de gestion des risques que la finance. Pourtant, l'IA introduit de nouvelles formes de risque qui nécessitent des contrôles adaptés, de la confidentialité data et du biais de modèle à la cyber-résilience et à l'explicabilité.

De nombreuses institutions s'attaquent à ces défis par le biais de la “Modèle des ”trois lignes de défense. Une équipe développe l'algorithme, une autre valide son intégrité et une troisième, comprenant souvent des régulateurs, examine ses performances. Cette séparation des tâches garantit la responsabilité et la transparence tout au long du cycle de vie de l'IA.

Il est essentiel que la culture de l'industrie, bien ancrée dans les mentalités, se traduise par une amélioration de la qualité de la vie. la gouvernance fournit une base solide pour une IA responsable. Les banques et les assureurs appliquent déjà des normes rigoureuses en matière de confidentialité et de conformité ; l'extension de ces principes aux systèmes algorithmiques est une progression naturelle. Comme le note Joffrey, “Le plus grand risque est celui de ne rien faire.” L'inaction, dans ce contexte, reviendrait à céder du terrain à des rivaux plus agiles.

La transformation humaine

Le changement le plus profond, cependant, est d'ordre humain. L'histoire montre que chaque vague d'automatisation déplace le centre d'intérêt des professionnels au lieu de l'effacer. Lorsque la calculatrice mécanique est apparue à la fin du XIXe siècle, les employés de bureau n'ont pas été remplacés ; ils sont devenus des analystes. La même logique s'applique aujourd'hui.

L'IA permettra d'automatiser les calculs, la documentation et le suivi. le besoin de surveillance, d'interprétation et d'empathie humaine ne fera que croître. Les professionnels de demain seront des superviseurs d'agents intelligents, des orchestrateurs de processus et des concepteurs de transformation. Leur valeur ne résidera pas dans l'exécution de routine, mais dans la perspicacité et le jugement.

Le défi est le suivant ne pas rendre l'homme obsolète mais le rendre indispensable d'une nouvelle manière.

Vers un écosystème financier plus intelligent

L'IA a déjà remodelé la façon dont les institutions financières gèrent leurs opérations, s'engagent avec leurs clients et contrôlent les risques. La prochaine phase verra des agents d'IA spécialisés opérer de bout en bout aux côtés d'experts humains, intégrant l'intelligence dans chaque processus.

Les institutions qui mèneront cette transformation sont celles capables de combiner l'innovation avec la discipline qui a toujours défini la finance. Elles ne verront pas l'IA comme une simple technologie, mais comme un moyen de renouveler le contrat fondamental du secteur : mieux servir les clients, gérer les risques de manière responsable et créer de la valeur avec intelligence et intégrité.

En bref, l'avenir des services financiers ne se jouera pas sur la question de savoir qui déploie le plus grand nombre de modèles, mais sur celle de savoir qui les utilise pour mettre en place les institutions les plus fiables, les plus adaptables et les plus centrées sur l'être humain.

 

Regardez l'interview originale en français: