Politique cookies

En poursuivant votre navigation sur notre site internet, vous acceptez que des cookies soient placés sur votre terminal. Ces cookies sont utilisés pour sécuriser votre connexion, faciliter votre navigation et permettre l’élaboration de statistiques.  Pour obtenir plus d’information sur les cookies et vous y opposer, vous pouvez consulter notre politique cookies.

Articles (5/15)
L'évolution de l'Intelligence Artificielle
L'évolution de l'Intelligence Artificielle
Retour

L'évolution de l'Intelligence Artificielle

26/04/2018

L'explosion du Big Data a catalysé l'arrivée de l'Intelligence Artificielle

« L'Intelligence Artificielle (IA) n'est pas nouvelle et son potentiel a toujours suscité un vif intérêt. Toutefois, pendant longtemps cela relevait plus du fantasme que de la réalité » affirme Axel Pierron, co-fondateur et directeur général du cabinet de conseil Opimas. De nombreuses organisations sont accablées par des systèmes anciens et manuels, coûteux et peu maniable, qui se sont construits au fil des ans, des acquisitions et du développement interne. Ces systèmes ont de plus en plus mal supporté les incessants flux de données, des données classiques structurées en interne aux sources externes non structurées (réseaux sociaux, emails, bases de données gouvernementales…).

L'IA peut offrir un moyen rentable de gérer et de tirer profit de vastes flux de données et a le potentiel pour révolutionner la dynamique entreprise-client. Néanmoins, malgré une multitude d'avantages, il est nécessaire de régir les entrées (les données) pour que les technologies d'IA ne deviennent un « éléphant blanc » coûteux dont les bénéfices ne se réalisent pas.

Dans le domaine des services titres en particulier, l'évolution du Big Data est en partie dictée par la règlementation. Depuis la crise financière, une multitude de nouvelles règlementations ont été mises en place, allant de la loi Dodd-Frank à, plus récemment, MiFID II. Les entreprises du buy-side, tout comme celles du sell-side, ont dû réexaminer leurs structures organisationnelles et chercher des moyens novateurs de compiler leurs données, jusqu'alors cloisonnées et disparates, afin de se conformer à de nombreuses exigences en matières de rapports, de manière efficace et économique.

« La règlementation agit définitivement comme catalyseur principal de l'IA dans les services financiers ; l'intention de réduire les coûts et d'améliorer le rendement sur fonds propres est un autre facteur », dit Monica Summerville, analyste senior en conseil chez TABB Group.

Aujourd'hui, l’intérêt de l'IA « revient à savoir si un ordinateur peut remplacer un humain qui effectue des tâches répétitives et manuelles », explique Matt Hodgson, CEO de Mosaic Smart Data. « Prenez les traitements des transactions et des réconciliations. La valeur de l'IA sera la capacité de rapprocher des opérations avec plus d'exactitude et de combler les lacunes. Cependant, elle peut aussi extraire des idées, identifier des changements dans les flux et les schémas comportementaux, et être utilisée davantage comme outil de diagnostic afin d'identifier les problèmes dans des domaines particuliers et de chercher comment les résoudre. »

L'IA sera aussi capable de repérer un problème avant qu'il ne se produise, prenant ainsi des décisions automatiques qui auraient auparavant été faites par un humain. Ceci peut permettre à une entreprise d'avoir un système capable d'apprendre des erreurs du passé. Il serait possible par exemple de prendre six mois de données relatives à des négociations, avec des problèmes connus et identifiables, et les utiliser pour apprendre à l'IA à repérer des problèmes potentiels, au lieu d'essayer de définir des règles et des processus pour chaque scénario possible.

Courir avant de marcher

Les bénéfices de l'IA peuvent sembler fascinants mais il faut rester prudent. La technologie de l'IA comprend des étapes qui doivent être correctement sélectionnées : elle ne nous mènera à la destination voulue que si elle est appliquée aux bons ensembles de données.

La plupart des entreprises doivent d'abord travailler à la suppression des silos et à la normalisation de leurs données avant de pouvoir y appliquer avec succès le maching learning et les outils d'IA d'une manière qui leur permettra d'extraire des renseignements significatifs et de gagner un avantage compétitif.

Cette vision est partagée par Philippe Ruault, responsable de la transformation digitale chez BNP Paribas, qui souligne l'importance d’identifier les cas d'utilisation et les données nécessaires, ainsi que d'avoir un cadre robuste de gouvernance avant de faire le grand saut dans l'IA.

Il ne sert à rien de disposer des technologies les plus innovantes pour résoudre les problèmes et améliorer l’expérience client si la qualité des données est mauvaise et inégale.

Le rôle du client

Comme le fait remarquer Philippe Ruault, il est capital de valoriser l'expérience client. Le rôle joué par le client dans la promotion de l'IA ne devrait pas être écarté.

Les clients sont devenus plus exigeants. Ils ont pris l'habitude d'obtenir des réponses instantanées et prédictives de la part de géants d'Internet comme Google, Amazon et Facebook, qui ont toujours été à la pointe de l'utilisation de l'IA auprès de leurs clients. Ces personnes demandent maintenant le même standard de service dans leur vie professionnelle.

Sans surprise, de nombreuses sociétés veulent de plus en plus utiliser l'IA, non seulement pour ajouter de la valeur au traitement de leurs données, mais aussi pour améliorer l'expérience client.

Comme le note Axel Pierron, « il est tout à fait justifié d’utiliser l'IA pour fournir de nouveaux services et une meilleure expérience qualitative aux clients, ainsi que des conseils. Il sera difficile de se démarquer, mais je pense que des entreprises capables de créer de nouveaux produits comme des références opérationnelles ou de fournir des conseils sur les stratégies de distribution pourront prendre l'avantage. »

« Au niveau du produit, c'est de cette façon que nous pouvons construire un modèle de Big Data plus robuste, capable de décloisonner et d'utiliser l'IA et le maching learning pour ajouter de la valeur et des perspectives. Cependant, la différence ne se fera pas seulement en se concentrant sur le produit, mais aussi sur le client » admet Paud O'Keeffe, responsable de l'expérience client digitale chez BNP Paribas Securities Services. « Les services financiers en tant qu'industrie ont beaucoup à faire pour rattraper leur retard, ajoute-t-il. Cependant, ils peuvent faire des choix pour répondre à des attentes de plus en plus exigeantes, et pas uniquement sur les points règlementaires, afin d'amoindrir la lourdeur des principales exigences légales. Nous avons besoin de voir les choses de façon innovante, de nous demander comment mieux collaborer avec les clients. Il n'est plus simplement question de leur transmettre des documents mais de co-créer, de travailler ensemble pour trouver les meilleures solutions à leurs besoins. Ceci nécessite une nouvelle façon de penser et une modification des structures professionnelles et organisationnelles, et chez BNP Paribas, c'est ce que nous avons fait. »

Avec les bons contrôles et la bonne stratégie, le rêve de l'IA peut devenir une réalité, et une multitude de bénéfices pourront être réalisés, à la fois pour les entreprises et pour les clients.

Suivez-nous