Les institutions financières françaises se sont montrées prudentes quant à leurs investissements dans l’IA en 2023 – comment rattraper leur retard en 2024 ?
À l’échelle mondiale, 2023 a été définie par l’intelligence artificielle (IA) générative. Même si la technologie est loin d’être nouvelle, elle s’est ouverte au grand public à une échelle sans précédent grâce à l’essor de ChatGPT, le premier modèle d’IA générative naturelle disponible pour la consommation de masse et permettant aux utilisateurs de saisir leurs requêtes en langage naturel. Les employés manquant de compétences techniques pourraient enfin utiliser les outils d’IA pour une variété d’applications jusqu’alors inexplorées.
En France, les entreprises n’ont pas autant accueilli l’IA générative que dans d’autres pays. Selon une étude récente, les institutions financières françaises se sont montrées prudentes quant à leurs investissements dans l’IA en 2023, avec seulement 28 % des décideurs interrogés déclarant avoir déjà adopté l’IA au cours des 12 derniers mois, soit une baisse de six points par rapport à 2022. L’IA générative est similaire, ce qui signifie que les banques pourraient passer à côté des avantages qu’elles considèrent comme les plus importants, comme l’amélioration du service client et la gestion des risques. Pour rattraper leur retard, les banques françaises doivent réfléchir aux applications pertinentes de l’IA générative, à leur stratégie de risque et aux opportunités présentées par cette nouvelle technologie.
Déployer l’IA générative : défis et considérations
Selon une étude McKinsey de décembre dernier, l’adoption de l’IA générative dans tous les secteurs d’activité à l’échelle mondiale pourrait générer entre 2 600 milliards et 4 400 milliards de dollars par an. Et c’est le secteur bancaire qui y gagnera le plus, avec une augmentation potentielle des revenus de 200 à 340 milliards de dollars par an grâce à l’amélioration de la productivité offerte par l’IA générative.
Malgré ces atouts importants, le secteur financier en France reste limité. Soumise à des exigences réglementaires strictes et traitant d’importantes quantités de données personnelles sensibles, la mise en œuvre de toute nouvelle technologie comporte des défis pour les banques. De même, l’IA générative suscite des inquiétudes légitimes, notamment en matière de confidentialité et de sécurité des données. Il est donc possible que les banques françaises soient en attente de précisions réglementaires, ou qu’elles soient en phase d’expérimentation et ne soient pas encore prêtes à passer à un déploiement à grande échelle. Le calendrier est la réserve de chaque établissement, et sera dicté par le contexte interne qui favorisera ou limitera le recours à l’IA générative.
Le développement d’applications sectorielles
Au sein des organisations financières, l’IA générative a trois missions principales : faciliter les tâches répétitives quotidiennes, faciliter l’écriture de code pour les développeurs et affiner l’expérience client. En tant que tel, le potentiel de la technologie pour simplifier le travail des employés et ainsi leur permettre de se concentrer sur les priorités stratégiques est important.
Le principal cas d’utilisation de l’IA générative pour les services financiers est la collecte et le traitement de données pour prendre des décisions d’investissement ou de prêt ESG. Grâce aux grands modèles linguistiques (LLM) qui alimentent les modèles d’IA génératifs, les banques peuvent facilement extraire, analyser et interpréter les grandes quantités de données non structurées qu’elles possèdent, même si elles sont stockées dans des systèmes cloisonnés. Plutôt que d’analyser manuellement ces données, elles sont gérées manuellement pour fournir plus rapidement des décisions de prêt aux clients, améliorant ainsi leur expérience. L’IA générative peut également être utilisée pour rassembler des données ESG spécifiques aux banques à des fins de reporting, ce qui est particulièrement important depuis l’entrée en vigueur de la directive sur le reporting durable (CSRD) de l’UE, qui oblige toutes les grandes entreprises et PME cotées à publier des informations sur l’environnement. impact de leurs activités.
Favoriser l’adoption au sein de l’entreprise
Les décideurs se trouvent dans une situation où ils doivent plaider avec force en faveur de la mise en œuvre de l’IA générative et s’assurer qu’ils comprennent et communiquent efficacement les avantages, les risques et les cas d’utilisation. La collaboration avec des partenaires technologiques de premier plan peut s’avérer pertinente dans ce processus, d’autant plus qu’ils peuvent proposer des solutions qui s’intègrent parfaitement aux produits et services existants de la banque. De même, à mesure que les employés commencent à utiliser l’IA générative dans leur travail quotidien, ils doivent bénéficier d’une formation et d’un soutien pour les aider à perfectionner leurs compétences et à utiliser la technologie en toute sécurité.
Il est maintenant temps d’expérimenter l’IA générative ; à mesure qu’il se développe, son potentiel augmentera de manière contingente. En 2024 et au-delà, elle sera au cœur de la digitalisation de la finance, permettant aux banques de perfectionner les processus existants et d’ouvrir de nouvelles possibilités. Les discussions réglementaires en cours peuvent avoir un impact sur le déploiement, les organisations doivent donc s’assurer qu’elles restent à jour et préparées à tout nouveau développement. L’adoption de l’IA doit se faire avec précaution et être motivée principalement par le désir de créer de la valeur pour les clients, les employés et les autres parties prenantes à long terme, plutôt que par la recherche de gains à court terme.
