L'impact transformateur de GenAI sur les services financiers

Économique

Résumé:

L’IA générative est une technologie puissante qui ouvre une myriade de possibilités pour les entreprises tout en posant des défis. Quel impact aura-t-elle sur les services financiers ?

Le monde est sur une autoroute à grande vitesse pour les nouvelles technologies. La conception, la création, les tests et l’adoption de nouvelles technologies se sont accélérés de manière exponentielle depuis la révolution industrielle. Il ne faut plus des décennies, mais des jours pour que les masses adoptent de nouvelles technologies. La révolution de l’intelligence artificielle générative (GenAI) et du modèle de langage étendu (LLM) propulse encore davantage le monde vers une toute nouvelle réalité.

Quelles sont les implications de cette nouvelle technologie puissante ? Comment réinvente-t-elle l’avenir des services financiers ? Et comment pouvons-nous concilier innovation et responsabilité humaine pour une utilisation éthique de l’IA ? Les intervenants d’une récente table ronde organisée à l’occasion de la Conférence mondiale des institutions officielles de BNP Paribas (GOIC) ont partagé leurs points de vue.

The Transformative Impact of GenAI on Financial Services_1

Quelles sont les implications de GenAI sur les services financiers ? Les intervenants d'une récente table ronde organisée à l'occasion de la conférence BNP Paribas Global Official Institutions Conference (GOIC) ont partagé leurs points de vue.

Générer du contenu avec l'IA

En ouverture de la discussion, Alexei Grinbaum, chercheur senior au CEA-Saclay, a expliqué : « La façon dont les systèmes d’IA génèrent du contenu est asémantique. Les systèmes d’IA générative ne comprennent rien comme les humains et ne travaillent pas avec la dimension du sens humain. Le calcul sert simplement à sélectionner le prochain jeton dans une séquence. La sélection de jetons est le résultat d’un calcul probabiliste, et c’est tout ce que fait GenAI. Ce qui est intéressant, c’est que, bien que GenAI ne calcule que les jetons manquants, il produit en réalité du contenu qui a du sens pour nous et qui semble plein de sens pour l’utilisateur. »

Il a ajouté : « L’IA ne détermine pas si un contenu est vrai ou faux, car la signification humaine ne fait pas partie du processus de calcul. Nous devons ajouter un système de filtres, appelé alignement, pour filtrer ce qui est faux, discriminatoire ou toxique. »

GenAI reste une machine. La qualité de ce qu’elle fournit dépend des indications que nous lui donnons : « Pour parler à cet agent non humain, vous devez apprendre des façons spécifiques de parler. » Nous ne pouvons pas simplement utiliser les façons humaines d’utiliser le langage et supposer que cela donnera le meilleur résultat avec les systèmes d’IA.

L'adoption de GenAI

Après que Carl Benz ait créé le tout premier véhicule à essence en 1886 pendant la révolution industrielle, il a fallu 27 ans avant que son adoption ne se généralise lorsque Henry Ford l'a présenté au grand public en 1913.

En comparaison, lors du lancement de ChatGPT en novembre 2022, il lui a fallu cinq jours pour atteindre 1 million d'utilisateurs. Le record précédent était détenu par Instagram, qui avait mis deux mois à atteindre ce nombre d'utilisateurs, a déclaré Guillaume Bour, responsable de l'entreprise chez Mistral AI, lors du GOIC.

L'adoption de GenAI a été rapide, les applications semblent infinies et la course vers la prochaine frontière a commencé. Rendre la technologie gratuite pour une utilisation en open source accélérera encore davantage la nature transformatrice de GenAI.

Parmi les secteurs, les services financiers sont l’un des plus en pointe en matière d’adoption de l’IA, avec un nombre croissant d’explorations au cours des 18 derniers mois ainsi qu’un passage d’applications centrées sur les employés et non essentielles à l’entreprise, qui étaient pour la plupart des solutions prêtes à l’emploi, à des cas d’utilisation commerciale avec des gains beaucoup plus significatifs en termes d’avantage concurrentiel, a noté Bour. La majorité des cas d’utilisation qu’il a vus ont été des outils qui améliorent les tâches plus administratives, en coulisses, telles que la prise de décision en matière de crédit, la connaissance du client (KYC), les facteurs ESG et les améliorations de la gestion des risques.

Les applications orientées client constituent la prochaine étape de la concurrence, car les entreprises augmentent les capacités d'IA de leurs chatbots de centre de contact orientés client. La start-up suédoise de commerce électronique Klarna , par exemple, affirme avoir un chatbot capable de gérer plus de 2 millions de conversations avec des clients en un mois sans impacter négativement son Net Promoter Score (NPS) qui mesure la satisfaction des clients.

Le point de vue du fournisseur

Être un bon fournisseur nécessite deux ingrédients clés : l'expertise et le capital. Bour estime qu'il y a actuellement quelques milliers de personnes dans le monde qui maîtrisent cette technologie. Côté capital, le développement de modèles GenAI est très gourmand en capital car il nécessite de faire fonctionner de nombreux GPU sans interruption pendant des jours, voire des semaines.

Les modèles puissants et volumineux sont importants pour la recherche, mais ne sont pas toujours financièrement viables lorsqu’ils sont mis en production et mis à l’échelle. « Le retour sur investissement n’est pas évident dans de nombreux cas d’utilisation », a noté Bour. « Afin de soutenir l’échelle des grandes entreprises et institutions du monde entier avec le rapport coût/performance le plus efficace, vous aurez besoin de modèles volumineux et très puissants, qui sont plus chers, mais aussi de modèles de taille moyenne que vous pourrez affiner et spécialiser pour des tâches spécifiques. »

Les modèles plus grands ont une plus grande capacité de raisonnement et sont capables d'effectuer des tâches plus avancées, mais sont également plus lents. L'industrie doit trouver un équilibre entre vitesse et capacité de raisonnement.

Prenant l’exemple de la refactorisation de code hérité, Bour explique : « Si vous souhaitez traduire des millions de lignes de COBOL en Java, ce qui est un défi auquel sont confrontées de nombreuses institutions financières, il faut beaucoup de précision et de performances pour un modèle. Cela peut prendre des jours, voire des semaines, ce qui n’a pas vraiment d’importance. En revanche, si vous créez un chatbot pour vos clients, la latence est extrêmement importante. Il est donc préférable de choisir des modèles plus petits qui ont également un très bon niveau de performances. »

Un autre facteur de différenciation pour Mistral est la flexibilité de l’entreprise à déployer ses modèles dans les centres de données de ses clients au lieu de placer les données dans le cloud, ce qui constitue assurément un argument de vente pour les institutions financières. « Nous pensons que nos clients devraient avoir le choix d’amener le modèle aux données et non l’inverse », a souligné M. Bour.

Le multilinguisme est une autre caractéristique clé : il s'agit de la capacité d'un modèle à comprendre et à communiquer dans une langue spécifique au lieu d'avoir recours à la traduction. Cela permet au modèle de comprendre les sensibilités et les nuances culturelles. « Il ne s'agit pas seulement de vocabulaire ou de grammaire, mais aussi d'aspects culturels et de distiller les spécificités d'une langue et d'une culture », a déclaré Bour.

Le point de vue des utilisateurs

L’Autorité des marchés financiers (AMF) se considère comme un « consommateur d’IA », a déclaré Iris Lucas, responsable de la Data Intelligence à l’AMF. « En effet, à l’AMF, nous nous posons la question de l’utilisation à nos propres fins et plusieurs projets sont en cours, par exemple sur la protection des investisseurs, la promotion de la finance durable, la détection des abus de marché ou encore l’efficacité opérationnelle. »

L’AMF a déployé ses premiers outils d’IA en 2019, avec un outil de détection des arnaques baptisé FISH, Financial Investment Scam Hunter. En 2021, l’AMF a lancé un grand programme transverse de données baptisé ICData, avec l’ambition d’étendre l’utilisation des données afin de rendre l’AMF plus « data driven ».

En matière de finance durable, l’AMF utilise l’IA pour extraire les objectifs de durabilité des politiques de gestion des fonds. L’IA est également un outil précieux que l’AMF utilise pour le clustering dans la détection des abus de marché tandis que des techniques d’apprentissage supervisé sont explorées pour identifier des types spécifiques de manipulation de marché. En matière d’efficacité opérationnelle, l’AMF étudie l’utilisation de l’IA pour la génération automatique de comptes-rendus de réunions, le soutien aux experts et une assistance accrue à la supervision, afin de réduire les tâches manuelles sans valeur ajoutée. « Notre point de vue est que le LLM ne remplacera pas nos collègues ou nos experts, mais il peut étendre leurs capacités », a noté Lucas.

Concernant l’usage de l’IA dans les institutions financières, Léa Deleris, Responsable de la Recherche en Intelligence Artificielle Risques chez BNP Paribas, explique : « Mon équipe développe des cas d’usage de l’IA pour contribuer à l’efficience et à l’efficacité de la gestion des risques. Nous travaillons également sur la stratégie de la fonction et contribuons au niveau du Groupe à toute la communauté autour de l’IA, notamment autour d’une IA responsable, éthique, sécurisée, robuste, sans biais, soucieuse de l’empreinte carbone et explicable. »

Elle a ajouté : « Nous avons plus de 50 cas d'utilisation en production qui traitent des cas d'utilisation de risque et de conformité, principalement en matière d'identification et de détection. »

Deleris estime que l’impact de GenAI se situe principalement au niveau de la documentation et des contrôles. Les grandes institutions mondiales comme BNP Paribas ont des contrôles dans des zones géographiques et des juridictions très diverses. « Au niveau du groupe BNP Paribas, nous voulons nous assurer de répondre aux spécificités locales tout en veillant à conserver une cohérence globale. Disposer d’un outil capable de lire, de résumer et de trouver les défis nous aidera à être encore plus efficaces », a-t-elle noté.

Responsable de la recherche en intelligence artificielle sur les risques, BNP Paribas

D’autres domaines dans lesquels l’IA peut apporter une efficacité significative sont la modélisation, les tests de résistance, l’accélération de la documentation et l’alignement sur les procédures et réglementations.

IA responsable

« Au-delà des bénéfices et des défis liés à la mise en œuvre de l’IA, un sujet essentiel pour nous tous est de savoir comment le faire de manière responsable », a déclaré Hugues Even, Chief Data Officer de BNP Paribas, qui a modéré la discussion.

C'est l'objectif de la loi européenne sur l'IA, qui « vise à créer un cadre juridique unifié pour les systèmes et applications d'IA dans toute l'Union européenne (UE) », a expliqué Deleris, ajoutant : « L'objectif de la loi sur l'IA est de garantir que les systèmes d'IA soient développés et déployés de manière sûre, éthique et digne de confiance. »

La loi sur l’IA classe les systèmes d’IA en fonction de leur niveau de risque et introduit des obligations et des exigences spécifiques pour chaque catégorie. Les systèmes d’IA à haut risque seront soumis à des obligations de conformité strictes, notamment des évaluations de conformité, une gouvernance des données et des exigences de transparence.

Mme Deleris a averti que la loi sur l’IA ne visait qu’à protéger une catégorie de risques affectant les droits fondamentaux des citoyens. Les institutions sont confrontées à des risques supplémentaires tels que les cyber-risques, mais aussi les pertes opérationnelles ou de réputation dues à une utilisation inappropriée de l’IA. « La gestion des risques liés aux modèles n’est pas une nouveauté dans les institutions financières et consiste précisément à garantir qu’un modèle (IA ou non) est adapté à son objectif et utilisé à bon escient. Nous disposons donc déjà de cadres et devons surtout favoriser une culture de gestion de ces risques », a-t-elle ajouté.

« Si l’AMF n’encadre pas actuellement les modèles d’IA développés par les acteurs de marché dans le cadre de la loi IA, cette démarche pourrait évoluer à l’avenir au gré des évolutions réglementaires. En attendant, nous travaillons activement avec les acteurs de marché pour comprendre comment l’IA est utilisée et si elle impacte leurs processus de conformité ou de gestion des risques », a souligné Mme Lucas. Elle a ajouté que « le principal enjeu reste de trouver un équilibre entre l’exploitation des opportunités offertes par l’IA et la gestion des risques qu’elle comporte. C’est au cœur de l’ambition de l’AMF : soutenir l’innovation tout en assurant le bon fonctionnement des marchés ».

Grinbaum, du CEA-Saclay, abonde dans le même sens : « La loi sur l’IA ne se résume pas à des procédures bureaucratiques supplémentaires et à des certificats obligatoires supplémentaires. Elle contient également des dispositions très intéressantes – et même un nouveau principe éthique – et des appels importants à davantage de recherche. »

« L'évolution rapide de la technologie de l'IA générative offre des opportunités aux premiers utilisateurs sur leurs marchés, ainsi que le potentiel et les cas d'utilisation déjà mis en œuvre dans des domaines tels que la modélisation, la détection, l'investigation et le reporting. Cela nécessite également des contrôles et des considérations éthiques, ainsi que le potentiel de réglementation, y compris la loi historique de l'UE sur l'IA », a conclu Even.

Source : Bank of America

Pour rester informé de tous les événements économiques d'aujourd'hui, veuillez consulter notre Calendrier économique

Avertissements sur les risques et avertissements en matière d'investissement

Vous comprenez et reconnaissez que le trading avec des stratégies comporte un degré élevé de risque. Suivre des stratégies ou des méthodologies d’investissement entraîne un risque de perte. Le contenu du site est fourni par nos contributeurs et analystes à titre informatif uniquement. Vous êtes seul responsable de déterminer si des actifs de négociation, des titres, une stratégie ou tout autre produit vous conviennent en fonction de vos objectifs d'investissement et de votre situation financière.

Divulgation des risques

Le risque de perte dans la négociation d'instruments financiers tels que les actions, les devises, les matières premières, les contrats à terme, les obligations, les ETF et les crypto-monnaies peut être substantiel. Vous pouvez subir une perte totale des fonds que vous déposez auprès de votre courtier. Par conséquent, vous devez examiner attentivement si ce type de négociation vous convient, compte tenu de votre situation et de vos ressources financières.

Aucune décision d'investissement ne doit être prise sans avoir procédé soi-même à une vérification préalable approfondie ou sans avoir consulté ses conseillers financiers. Le contenu de notre site peut ne pas vous convenir car nous ne connaissons pas votre situation financière et vos besoins en matière d'investissement. Nos informations financières peuvent avoir un temps de latence ou contenir des inexactitudes, de sorte que vous devez être entièrement responsable de vos décisions en matière de négociation et d'investissement. La société ne sera pas responsable de vos pertes en capital.

Sans l'autorisation du site web, vous n'êtes pas autorisé à copier les graphiques, les textes ou les marques du site web. Les droits de propriété intellectuelle sur le contenu ou les données incorporées dans ce site web appartiennent à ses fournisseurs et marchands d'échange.

recherches récentes

Principales recherches

Citations

Analyse

Utilisateur

24/7

Calendrier économique

Education

Données