AI for Finance Summit by Artefact - 17 septembre 2024 - Paris

Principaux enseignements du discours d'ouverture de Joffrey Martinez, associé et responsable mondial des services financiers à l'adresse Artefact.

La transformation rapide de la finance par l'IA

Il y a seize ans, les investissements dans les institutions financières traditionnelles semblaient être une valeur sûre. Cependant, l'essor rapide de l'IA a prouvé que la technologie peut surpasser même les banques les plus établies. Ces dernières années, l'IA a considérablement modifié le paysage financier, qu'il s'agisse d'améliorer la détection des fraudes grâce à l'apprentissage automatique ou de rendre le trading algorithmique plus efficace. Le bond le plus notable a eu lieu ces deux dernières années avec l'IA générative (GenAI), qui permet désormais aux technologies de faire preuve d'empathie dans les interactions avec les clients - une étape auparavant inimaginable.

Le défi de la mise à l'échelle de l'IA

Malgré la percée des capacités d'IA et la baisse des coûts, seulement 10 % des entreprises financières parviennent à développer leurs initiatives en matière d'IA. La plupart des applications se limitent à l'intégration d'outils tels que ChatGPT ou Copilot dans les processus existants, ce qui entraîne des difficultés pour mesurer le retour sur investissement, la réduction des coûts ou l'augmentation de la satisfaction des clients. La question qui se pose est donc la suivante : quels sont les obstacles qui empêchent l'utilisation réussie de l'IA et comment les surmonter ?

TIME : Un cadre pour la réussite de l'IA

Pour relever les défis de l'IA, la solution réside dans l'acronyme TIME (Transformation, Integration, Measurement, and Empowerment).

T comme transformation

Pour obtenir des résultats tangibles, il faut se concentrer sur une transformation complète de l'entreprise, alignée sur la stratégie et les priorités du groupe. La transformation doit se faire de bout en bout et ne pas se contenter d'ajouter de la technologie aux processus existants. Par exemple, l'optimisation du coût du service peut impliquer de travailler sur les processus de back-office, tandis que la transformation axée sur les revenus peut cibler les modèles de distribution et les canaux de distribution des clients. L'essentiel est de déterminer où se trouve la valeur et de s'engager pleinement.

I comme intégration

Les systèmes existants dans les services financiers créent souvent des silos, ce qui rend l'accès à data et le contrôle de la qualité complexes. Les opérations dans le nuage et sur site sont rarement totalement intégrées. L'accent doit être mis au-delà de l'infrastructure pour s'assurer que les modèles sont pleinement intégrés à la base data et aux processus métier. L'utilisation de "LLMOps" - un concept proche de DevOps mais adapté aux grands modèles de langage - est cruciale pour intégrer efficacement l'IA dans l'écosystème existant.

M comme mesure

Le paradigme est passé de la formation de modèles à la mesure de leur impact et de leur dérive. Le développement de modèles se banalise, mais le suivi de leurs performances en matière de détection des fraudes, d'allocation de capital et d'interactions avec les clients est primordial. Un cadre de mesure solide implique d'observer les problèmes, de les quantifier et de les comprendre, et de superviser l'impact du modèle sur l'activité, afin d'assurer une amélioration continue.

E comme empowerment

La véritable valeur de l'IA réside dans les personnes. Le succès du déploiement de l'IA est lié à l'autonomisation et à la formation des travailleurs de première ligne. De réels gains de productivité ne peuvent être réalisés que lorsque le personnel est activement impliqué, formé et prêt à adopter les outils d'IA. Il est donc essentiel de s'assurer que les personnes les plus proches des opérations sont impliquées et comprennent les avantages de l'IA pour leur rôle.

Équilibrer la vitesse et le temps

L'IA a besoin de temps pour transformer des environnements et des processus profondément réglementés. Cependant, l'appel à l'action est d'agir rapidement pour obtenir un avantage concurrentiel. Comme dans toute course, la vitesse est importante, mais il faut aussi s'assurer que chaque étape de la transformation est solide. La conclusion est claire : il faut donner du temps aux initiatives en matière d'IA, mais agir rapidement pour garder une longueur d'avance dans ce paysage en évolution rapide.

Votre contenu va ici