IBM, Crédit Agricole et BNP Paribas à l'événement « AI for Finance » organisé par Artefact L'IA générative, un nouveau levier pour la performance opérationnelle

La table ronde a débuté par une mise en contexte visant à aborder le rôle de l'IA dans l'amélioration de l'efficacité opérationnelle, la création de valeur et la mesure de l'impact. L'objectif était d'examiner les stratégies, les facteurs de réussite et les défis liés à la mise en œuvre de l'IA, en mettant particulièrement l'accent sur des cas d'utilisation concrets et leurs résultats mesurables. Parmi les intervenants figuraient des dirigeants de BNP Paribas, d'IBM et d'autres entreprises des secteurs financier et technologique, qui ont chacun partagé leurs points de vue.

Su Yang a souligné que l'IA occupe une place centrale dans la stratégie commerciale de la banque. Pour évaluer l'impact de l'IA, la banque utilise trois types d'indicateurs : financiers (économies réalisées, retour sur investissement), perceptuels (satisfaction des utilisateurs, Net Promoter Score) et d'utilisation (par exemple, la fréquence d'utilisation des outils d'IA). L'implication de toutes les parties prenantes concernées, y compris les responsables métier et les professionnels de l'informatique, dans le suivi de ces indicateurs garantit une compréhension approfondie des effets de l'IA sur l'organisation.

Une autre perspective a mis en évidence l'importance de la concentration des efforts et de l'engagement de la direction. La banque a donné la priorité à plus de 30 cas d'utilisation de l'IA, chacun étant supervisé par un membre du comité de direction. Cela permet de garantir que la création de valeur s'aligne sur les objectifs commerciaux, qu'il s'agisse d'opérations en contact avec la clientèle, d'améliorations de l'efficacité ou de croissance du chiffre d'affaires. La direction joue un rôle crucial pour maintenir la dynamique et mesurer le succès.

Bien qu'il s'agisse d'un géant de la technologie, IBM utilise également l'IA en interne pour gagner en efficacité, en cohérence avec ses offres externes en matière d'IA. L'entreprise adopte une approche structurée pour améliorer ses processus, en commençant par une analyse comparative et la constitution d'équipes interfonctionnelles afin de rationaliser les flux de travail. Par exemple, son système d'assistance client basé sur l'IA traite désormais 70 % des demandes de manière autonome, tandis que son système d'IA dédié aux achats a permis d'économiser 26 000 heures par an en offrant un accès plus rapide aux informations essentielles.

BNP Paribas a présenté un cas d'utilisation marquant dans le domaine de la détection des fraudes, un secteur où l'IA a donné des résultats significatifs. L'IA aide à faire face à la complexité des tactiques de fraude en constante évolution, en proposant des solutions qui s'adaptent rapidement et améliorent l'efficacité opérationnelle. Au-delà de la prévention de la fraude, l'IA générative devrait encore renforcer l'efficacité en aidant les développeurs et en améliorant la personnalisation de l'expérience client dans le secteur bancaire.

Parmi les principaux défis liés à l'adoption de l'IA, il convient de veiller dès le départ à une bonne collaboration entre les équipes commerciales, informatiques et data . Il est essentiel de disposer d'indicateurs pertinents pour hiérarchiser les projets et mesurer leur impact, tandis qu'un investissement suffisant et une vision ambitieuse sont indispensables pour garantir le succès. Le perfectionnement des compétences des employés et l'accent mis sur l'adoption par les utilisateurs sont également essentiels pour que les projets d'IA apportent une réelle valeur ajoutée et évitent les obstacles à la mise en œuvre.

La discussion s'est achevée par une réflexion sur les implications plus larges de l'IA, notamment en matière de développement durable, de confiance, d'inclusion et de souveraineté européenne. La réduction de l'empreinte environnementale de l'IA, le respect des principes éthiques, la promotion de la diversité et l'adhésion aux valeurs européennes ont été présentés comme des éléments essentiels à un déploiement responsable de l'IA. L'engagement d'IBM en faveur de l'utilisation de modèles plus compacts et plus économes en énergie illustre la manière dont les entreprises technologiques s'attaquent à ces enjeux.