L’IA dans l’entreprise – De profonds changements en perspective initiés par le monde de la finance

Publié il y a · 7 min de lecture

Est-il temps pour les entreprises d’envisager de recourir à l’intelligence artificielle (IA) ? Il est incontestable que l’IA est « fait le buzz » et qu’elle est rapidement devenue un mot à la mode dans le milieu de la high tech. Mais ce n’est pas une raison pour que les dirigeants ne s’y intéressent pas.

Les dirigeants financiers, surtout s’ils sont au sommet de la hiérarchie, doivent garder un œil sur l’IA. En effet, les attentes pesant sur l’équipe financière de l’entreprise sont plus fortes que jamais : la direction exige d’elle des rapports détaillés accompagnés de données de contexte et ce, en un temps record et à une fréquence accrue. La finance est en passe de devenir le département vers lequel on se tourne pour obtenir des renseignements sur l’entreprise. Et c’est là que l’IA et le Machine Learning peuvent s’avérer utiles, puisqu’ils consistent à créer des algorithmes visant à apprendre et faire des prévisions.

Les algorithmes d’apprentissage présentent un potentiel énorme pour rendre les entreprises plus réactives : intégration de montagnes de données financières, automatisation des tâches de routine, atténuation des risques, prévention des fraudes et génération d’informations exploitables comme aide à la prise de décision.

Gert Sylvest, cofondateur de Tradeshift et directeur général de Tradeshift Frontiers, déclare : « l’IA et ses applications, telles que le Machine Learning, le Deep Learning et l’exploration des données, sont sur le point de révolutionner le contrôle des dépenses. Les professionnels seront bientôt en mesure de prendre des décisions plus stratégiques en matière d’approvisionnement, de budgétisation, d’approbation et dans bien d’autres domaines encore ».
« La visibilité totale sur les dépenses est importante lorsqu’une entreprise change son business model, doit s’adapter à l’évolution de la demande et des opérations, ou se trouve dans l’obligation de découvrir des opportunités cachées d’économies à réaliser en interne. »
Julian Dixon, CEO de Fortytwo Data, est convaincu que toute entreprise axée sur les données mais gérée sans recours à l’IA se verra devancée par ses concurrents dans les cinq années à venir. Selon lui, « l’IA fait le lien entre toutes les informations et permet d’identifier, dans toute entreprise gérant des données, les tendances du secteur et les marges cachées. »
« Vous en apprenez tellement plus sur votre activité : pourquoi vos clients vous quittent ? Comment les retenir ? Quels sont vos points faibles en termes d’efficacité ? »
« L’IA est, de loin, le meilleur moyen d’identifier tout cela et bien plus encore, beaucoup plus rapidement et plus efficacement que les anciens systèmes. Grâce à l’IA, vos coûts diminuent et votre profitabilité augmente. »
En particulier, les services financiers sont un secteur suffisamment mature pour assumer l’effet perturbateur de l’IA, puisqu’ils manipulent de gros volumes de données et de chiffres. Ils ont tout intérêt à franchir le pas de l’IA au vu de la réduction des coûts, des gains attendus en termes de gestion des risques et de l’amélioration de la productivité qui en découlent pour, au final, contribuer à une meilleure profitabilité.

D’autres opportunités sont également à saisir :

  • L’optimisation des processus clients
  • La création d’interactions entre les systèmes
  • Le recours à l’IA pour améliorer la prise de décision
  • Le développement de nouveaux produits et services

Ce sont des aspects majeurs pour les entreprises de tous les secteurs.
Nous avons choisi d’examiner le secteur des services financiers pour bien mettre en évidence les raisons pour lesquelles ce domaine est passionnant pour quiconque s’intéresse à l’IA d’entreprise.

Banque et comptabilité

L’automatisation des processus par la robotique, ou RPA (Robotic Process Automation), est une application de l’IA actuellement répandue en comptabilité. Elle est capable d’éliminer les travaux d’analyse courants et répétitifs jusqu’alors dévolus à des êtres humains, comme le rapprochement et la consolidation, c’est-à-dire des tâches standard basées sur des formules. La RPA est largement utilisée – des entreprises en ont déjà récolté les bénéfices tels que la réduction du temps de traitement des transactions, l’augmentation de la productivité, le redéploiement du personnel vers des rôles plus qualifiés et l’élimination des erreurs manuelles.
Actuellement, elle prend généralement la forme d’une simple automatisation, limitée dans sa capacité à s’adapter et à évoluer comme un humain. Cependant, une tendance émergente consiste à combiner la RPA avec des technologies cognitives telles que le Machine Learning et le langage naturel (NLP, Natural Language Process), qui permettent d’automatiser les tâches de perception nécessitant habituellement une intervention humaine.
L’IA imprime également sa marque dans la gestion des finances personnelles, avec des outils reposant sur la technologie (IA dans le cloud, analyses prédictives de données et messagerie chatbot), conçus pour effectuer le suivi des transactions, voire pour donner des conseils en temps réel. Citons par exemple l’assistant numérique intelligent de Sage, Pegg, un outil de comptabilité qui exploite l’IA pour enregistrer et gérer les transactions commerciales.

Gestion de patrimoine

La finance a déjà connu une croissance rapide du nombre de « robo-advisors », ces plateformes numériques offrant des services de planification financière pilotés par des algorithmes impliquant peu ou pas d’interaction humaine. À l’heure actuelle, ces robots-conseillers collectent des informations provenant des clients et utilisent ces données pour fournir des conseils ou même investir automatiquement.
Les dirigeants du monde de la finance doivent considérer le fait que le potentiel est énorme dans ce domaine : il est ainsi possible de proposer des services d’IA plus avancés qui sont capables d’apprentissage, ce qui leur permet de prodiguer des conseils personnalisés, plus utiles et plus efficaces. Des entreprises telles que Goldman Sachs, UBS et Deutsche Bank ont déjà investi des sommes importantes dans la création de leurs propres moteurs d’IA ou dans la collaboration avec des développeurs tiers.
Barak Kakdas, analyste d’entreprise chez Macquarie Infrastructure and Real Assets, affirme : « À mesure que les gestionnaires d’actifs s’adaptent au monde du Machine Learning, l’efficacité et l’exactitude de leurs prestations s’en trouvent optimisées, avec une potentielle augmentation des revenus à la clé. »
« Même si les résultats ne sont pas fiables à 100 % à la mise en œuvre de la solution, les algorithmes vont s’améliorer au cours de la prochaine décennie avec l’augmentation du nombre d’utilisateurs pour, à terme, surpasser les facultés humaines. »

Détection des fraudes

La cybercriminalité est une source de préoccupation majeure pour les dirigeants d’entreprise. Bien que nous soyons nombreux à considérer l’augmentation du nombre d’appareils connectés et la digitalisation comme une évolution positive, ce progrès s’accompagne d’une hausse considérable des menaces comme la fraude, le piratage et le vol de données. La 19e enquête mondiale annuelle de PwC auprès des CEO révèle que 61 % de l’ensemble des CEO sont préoccupés ou extrêmement préoccupés par les cyber-menaces. Aucune entreprise n’est épargnée.
Pour lutter contre la fraude, bon nombre d’institutions financières envisagent de détecter les anomalies grâce à l’apprentissage machine, avec des techniques telles que la régression logistique, les arbres de décision, les réseaux de neurones et le clustering. Par ce type d’IA, les entreprises peuvent étudier le comportement des clients et le comparer à d’autres indicateurs pour obtenir une vision complète d’une transaction. En dehors du domaine financier, nombreuses sont les entreprises qui disposent d’une composante de commerce électronique. Les avancées en matière de détection des fraudes seraient sans aucun doute un atout pour les clients. PayPal, par exemple, utilise le Machine Learning pour ramener le taux de fraude à 0,32 %, contre 1,32 % en moyenne.
« Nous estimons qu’aux seuls États-Unis, la valeur des refus de paiement équivaut à plus de 13 fois le montant total perdu à cause de véritables fraudes à la carte bancaire. Le recours au Machine Learning dans les outils de scoring est un nouveau moyen de générer une expérience positive pour les consommateurs, tout en minimisant la fraude », souligne Al Pascual, Senior Vice President, directeur de la recherche et responsable de la fraude et de la sécurité chez Javelin Strategy & Research

Assurance

Le grand nombre de déclarations de sinistres, de demandes et de données liées au métier d’assureur fait de l’assurance un environnement idéal pour l’IA. Dans le cadre de l’Internet des objets (IoT), par exemple, des capteurs placés dans les véhicules pourraient fournir des données personnalisées permettant aux conducteurs qui se sont révélés prudents de bénéficier d’une assurance automobile moins chère. Le domaine de la santé offre également des perspectives : des capteurs IoT serviraient ici à mesurer l’état de santé d’un individu, ce qui pourrait diminuer le montant de ses cotisations.
Des compagnies ont déjà automatisé certains aspects du processus de demande d’indemnisation et les applications de l’IA pourraient s’étendre au reporting, à l’audit et à la communication avec les clients. Cette approche pourrait non seulement conduire à une réduction significative du temps de traitement, mais également atténuer les risques de déclarations frauduleuses grâce à l’IA, qui identifie les schémas de données et signale toute activité suspecte.

Le secteur financier, un utilisateur précoce

Le monde de la finance a la réputation d’être peu enclin à prendre des risques mais c’est un secteur qui a toutes les raisons d’adopter les nouvelles technologies dès leur sortie. Par exemple, des défis tels que les exigences de la réglementation peuvent s’avérer coûteux s’ils sont uniquement traités par des personnes. Si vous y ajoutez une dose d’automatisation optimisée par l’IA, vous pouvez considérablement réduire les coûts et, au final, enregistrer un gain de profitabilité.
L’an dernier, FIS, grand fournisseur de technologies bancaires et de paiement, annonçait que les sociétés de services financiers qui faisaient figure de précurseurs dans l’adoption de nouvelles technologies surpassaient leurs pairs. Les sociétés faisant partie des 20 % les mieux notées de l’indice de maturité FIS (qui évalue les entreprises en fonction de leur adoption de l’automatisation, des technologies émergentes et de l’innovation numérique) devançaient leurs concurrents en termes de croissance du chiffre d’affaires et d’augmentation des actifs gérés.

L'Intelligence Artificielle en 2019

Téléchargez gratuitement le livre blanc

Abonnez-vous à la newsletter Sage Advice et recevez, directement dans votre boîte aux lettres, nos tous derniers conseils.