La prochaine étape de l'IA dans le domaine financier : de l'efficacité personnelle à la transformation d'entreprise.

La prochaine étape de l'IA dans le secteur financier : de l'efficacité individuelle à la transformation de l'entreprise

Les outils d'intelligence artificielle aident les professionnels de la finance à effectuer plus rapidement des recherches, des analyses, des présentations et des travaux pour les clients. Mais selon Kevin Buehler, directeur de l'innovation chez Rogo et ancien associé principal chez McKinsey, le véritable enjeu réside dans la manière dont les entreprises utilisent ces gains de temps — pour couvrir davantage de clients, analyser plus de marchés, consacrer plus de temps à des tâches nécessitant du jugement, ou simplement pour que l'IA devienne un outil d'amélioration de la productivité individuelle dispersé dans l'organisation ?

Contexte sectoriel

Le secteur des services financiers a longtemps été un adoptant précoce de l'innovation technologique, mais la pénétration de l'IA passe de la périphérie au cœur des activités. De la génération automatisée de rapports aux conseils d'investissement intelligents, l'IA s'intègre progressivement dans les opérations quotidiennes. Cependant, la plupart des institutions en sont encore à un « stade précoce » et n'ont pas encore réalisé une refonte de bout en bout des processus. Buehler souligne que les applications actuelles de l'IA se concentrent principalement au niveau des employés juniors, comme la création de PowerPoint, les analyses Excel et la préparation de documents de communication.

Dynamiques actuelles du développement

Buehler décrit l'adoption de l'IA dans la finance comme un processus en trois phases. La première phase est l'utilisation par les employés juniors : analystes, associés et vice-présidents accélèrent leur travail quotidien grâce à l'IA. La deuxième phase est l'adoption par la haute direction : les directeurs généraux commencent à utiliser fréquemment l'IA et apprennent à gérer des équipes assistées par l'IA. La troisième phase est la reconception complète des flux de travail de bout en bout. La plupart des entreprises n'ont pas encore atteint cette dernière étape.

Buehler mentionne en particulier que des flux de travail financiers complexes tels que l'intégration des clients, les fusions et acquisitions et les prêts pourraient être réinventés par l'IA. Il insiste : « Comment utiliser l'IA pour véritablement modifier ces processus est la question de pointe actuelle. »

Impact sur le système financier

• Efficacité des paiements : l'IA peut optimiser la surveillance des transactions, la détection des fraudes et les processus de règlement, améliorant ainsi la vitesse et la sécurité des systèmes de paiement.
• Inclusion financière : en réduisant les coûts de service, l'IA permet aux institutions financières de toucher davantage de clients de longue traîne, élargissant la couverture des services financiers.
• Concurrence bancaire : les banques qui adoptent l'IA tôt pourraient obtenir des avantages en termes de coûts et d'expérience client, accentuant la différenciation du secteur.
• Coûts de conformité : l'IA peut automatiser les examens de conformité tels que la lutte contre le blanchiment d'argent et le KYC, réduisant les coûts de vérification manuelle, mais elle doit répondre aux exigences de transparence algorithmique des régulateurs.
• Gestion des risques : l'IA améliore les modèles prédictifs pour une évaluation plus précise du risque de crédit et de la volatilité du marché, mais l'interprétabilité des modèles reste un défi.

Défis rencontrés- Confidentialité des données : Les systèmes d'IA nécessitent d'importants volumes de données pour leur formation. Acquérir et utiliser les données clients dans le respect de la conformité est un enjeu clé. - Cybersécurité : L'introduction de l'IA élargit la surface d'attaque, nécessitant de se prémunir contre de nouveaux risques tels que l'empoisonnement de modèles et les attaques adversariales. - Intégration technique : Intégrer l'IA dans des systèmes existants exige des investissements massifs et une refonte de l'architecture. - Incertitude réglementaire : Les régulateurs élaborent encore les règles d'application de l'IA dans le secteur financier, exposant les entreprises à des risques de conformité. - Gestion des talents et du changement : Buehler souligne que les entreprises doivent renforcer les compétences de leurs employés actuels plutôt que de compter uniquement sur de nouvelles recrues, faute de quoi les données deviendront leur « talon d'Achille ».