L’intelligence artificielle (IA) générative est devenue incontournable pour les institutions financières. Bien que son adoption suscite des inquiétudes et ne soit pas sans défis, elle permet d’automatiser certaines tâches administratives offrant d’importants gains d’efficacité, ont souligné des experts lors du 11e Forum Fintech Canada tenu à Montréal en septembre.
Antoine Amend, directeur technique principal pour les services financiers à Databricks, une plateforme qui aide les entreprises à construire, mettre à l’échelle et gouverner les données, souligne que l’IA générative change la façon dont les utilisateurs interagissent avec les technologies financières. Grâce à l’IA, les employés gagnent en efficacité et en temps, ce qui leur permet de se concentrer davantage sur des tâches stratégiques plutôt que sur des processus administratifs.
« L’IA se démocratise. Les utilisateurs peuvent désormais comprendre et intégrer ces technologies dans leur quotidien, sans avoir à solliciter constamment des technologues », affirme-t-il.
Les institutions financières trouvent ainsi de multiples applications à l’IA. Kevin Levitt, responsable mondial du développement du secteur financier à Nvidia, indique que l’IA est souvent utilisée en premier pour améliorer les interactions des services à la clientèle des institutions financières en réduisant le nombre d’appels.
Le rôle des employés dans les agences bancaires et les centres d’appels demeure donc des plus pertinents. « Les clients veulent toujours parler à un être humain pour certaines questions complexes. L’IA ne remplace pas cette relation, elle l’enrichit », dit Yannick Lallement, chef de l’intelligence artificielle à la Banque Scotia.
C’est le cas dans son institution, qui utilise l’IA pour gérer des interactions basiques avec les clients grâce à des outils comme les chatbots, et résumer les conversations pour les agents humains, qui peuvent ensuite reprendre la discussion en temps réel, illustre-t-il.
Auparavant, l’agent au service à la clientèle de la Banque Scotia avait accès à une simple transcription de l’échange entre le chatbot et le client, poursuit Yannick Lallement. L’IA générative fournit désormais en quelques secondes un résumé de l’échange et produit un sommaire structuré qui permet à l’agent de prendre ensuite le relai.
L’IA générative sert également à améliorer certains processus liés à la conformité réglementaire, au traitement des plaintes et à la lutte contre la fraude. « La fraude est un domaine dans lequel l’IA peut faire une énorme différence, et c’est un excellent point de départ pour les institutions », mentionne Kevin Levitt.
« L’IA permet de résumer de longs documents et d’extraire des informations pertinentes pour cerner les risques opérationnels ou détecter des fraudes », illustre Parinaz Sobhani, associée directrice et cheffe de l’intelligence artificielle chez Sagard.
L’IA générative est ainsi utilisée pour analyser des incidents financiers en parcourant des bases de données complexes, et pour repérer des risques en se basant sur des descriptions textuelles détaillées. Cela renforce la capacité des institutions financières à prévenir les crimes financiers, comme le blanchiment d’argent, en offrant un contexte plus riche que les recherches ponctuelles traditionnelles.
Les défis de l’adoption
Cependant, cette technologie suscite également diverses inquiétudes. Les « hallucinations » ou les erreurs générées par les modèles d’IA peuvent être problématiques, surtout si elles ne sont pas détectées rapidement. Pour contrer ces risques, les experts insistent sur la nécessité d’une supervision humaine constante et d’une formation adéquate des employés. « Il faut comprendre ce que l’IA peut et ne peut pas faire, et former les employés à déterminer ces limites », souligne Yannick Lallement.
Pour maximiser les résultats de l’IA, l’intégrité des données est cruciale, signale Kevin Levitt. Il recommande de débuter par une gestion rigoureuse des données, en s’assurant de leur fiabilité et de leur disponibilité.
Le scepticisme envers des « modèles boîtes noires » est également un frein à l’adoption massive de l’IA dans le secteur financier. Ces modèles, en raison de leur opacité, soulèvent des questions sur la transparence et l’équité des décisions prises par l’IA. De plus, les impacts environnementaux de l’IA, notamment en termes de durabilité et d’empreinte carbone, sont une autre source de préoccupations.
Malgré ces réserves, l’introduction de ChatGPT en 2022 a provoqué un véritable bouleversement dans le secteur financier. Les fintechs, comme Arteria AI, ont rapidement été inondées de demandes de la part d’institutions financières. Shelby Austin, co-fondatrice et cheffe de la direction de cette fintech établie à Toronto, a rapporté qu’« il y avait tellement de buzz autour de l’IA que les banques ne savaient pas comment gérer leurs systèmes hérités ».
En effet, la majorité des institutions financières s’appuient encore sur des systèmes informatiques anciens, souvent peu compatibles avec les technologies modernes comme l’IA générative, capable de générer du texte, des images, des vidéos ou d’autres médias en réponse à des requêtes. Pour pouvoir exploiter tout le potentiel de l’IA générative, les institutions financières doivent donc adapter ces systèmes ou en développer de nouveaux.
Il s’agit de processus qui requièrent des investissements massifs, et le rendement du capital investi n’est pas toujours immédiat, prévient Dave Henderson, président des Solutions intelligentes et de l’innovation à CGI. Au sein de l’entreprise montréalaise, l’activité de consultation informatique auprès des entreprises pour les aider à adapter leurs systèmes à l’IA générative a pris une ampleur inégalée depuis quelques années.
Cependant, malgré la complexité des systèmes existants, l’IA a déjà permis d’améliorer la communication avec les clients. Selon Shelby Austin, l’IA a notamment permis d’accélérer les échanges avec les clients d’au moins 50 %. Ce gain tangible a aidé à justifier les investissements.
Une adoption progressive de l’IA
Pour s’adapter à cette nouvelle réalité technologique, les institutions financières optent souvent pour une approche progressive. Plutôt que de transformer l’ensemble de leurs systèmes en une seule fois, elles procèdent par étapes.
La Banque Scotia privilégie l’utilisation de l’IA pour améliorer la productivité interne avant de déployer des applications destinées aux clients. Elle utilise l’IA pour certaines tâches comme l’analyse de documents complexes, ou pour faciliter la gestion des audits, l’évaluation des risques et la conformité.
Selon Yannick Lallement, « plus on monte en complexité, plus cela devient coûteux à mettre en place ». L’approche par petits pas adoptée par la banque lui permet de gérer l’évolution rapide de l’IA tout en minimisant les risques.
Pour réussir l’adoption de l’IA générative, les entreprises doivent déterminer les domaines où cette technologie peut vraiment changer la donne, sans pour autant ignorer l’importance des compétences humaines. Il s’agit de trouver le carrefour idéal entre technologie et interaction humaine, comme l’ont noté plusieurs experts.
L’adaptation des systèmes hérités à l’IA représente un défi considérable, mais les progrès réalisés démontrent que cette transformation est possible. Dans cette course, les institutions financières recherchent l’équilibre entre l’investissement nécessaire et les gains tangibles en matière de productivité, de gestion des risques et de satisfaction client. Les fintechs, grâce à leur agilité et leur expertise, jouent un rôle clé dans cette transformation.