Intelligence Artificielle : Les nouveaux vêtements de l'Empereur ? Adoption dans les services financiers

Katharine Wooller est Directrice de la Stratégie – Services Financiers, Softcat plc, une entreprise informatique cotée au FTSE.

Découvrez les principales actualités et événements fintech !

Abonnez-vous à la newsletter de FinTech Weekly

Lue par des dirigeants de JP Morgan, Coinbase, Blackrock, Klarna et d’autres

Peu de sujets sont aussi polarisants que l’IA ; les verdicts varient, allant de, dans le meilleur des cas, la prochaine frontière du progrès humain, une solution technologique cherchant des problèmes à résoudre, ou, dans le pire, le potentiel de provoquer la fin de l’humanité.

En tant que Directrice de la Stratégie chez Softcat, qui accompagne 2 500 entreprises de services financiers via des services et infrastructures IT, j’ai une place privilégiée pour observer l’émergence de l’innovation à travers tout le spectre des entreprises FS&I.

Les premiers à adopter massivement l’IA sont les fonds quantitatifs de hedge funds, qui investissent fortement dans l’IA pour améliorer leurs rendements, ainsi que le secteur de l’assurance, qui bénéficie de vastes quantités de données – tous deux peuvent facilement justifier des cas d’usage clairs avec un ROI solide.
 
Les entreprises de services financiers pratiquaient déjà la modélisation mathématique et l’apprentissage automatique bien avant que l’IA ne soit commercialisée sous sa forme actuelle, mais récemment, la performance exceptionnelle de l’infrastructure IA a stimulé une forte adoption par les fonds de trading quantitatifs, ainsi que par les sociétés d’assurance et de gestion de patrimoine, tous cherchant à tirer parti de la masse énorme de données désormais à leur disposition.

De plus, beaucoup de ce qui est vendu comme de l’IA n’est en réalité que la prochaine incarnation de l’automatisation.

Bien que l’intérêt pour l’IA soit immense dans tous les types d’entreprises de services financiers, en raison du potentiel énorme de cette technologie, nous sommes encore au début de son adoption. De plus, les cas d’usage varient énormément : une banque de premier rang déploiera l’IA très différemment d’une société locale à dix agences.

Je constate souvent des appétits différents au sein d’une même organisation, avec les conseils d’administration, les jeunes générations plus digitalisées, et les fonctions opérationnelles/financières souvent plus ouvertes à l’idée, contrairement, par exemple, aux collègues en conformité. Les préoccupations évoquées incluent souvent la nature « boîte noire » de la technologie, des inquiétudes sur l’éthique de l’IA, et le manque de clarté réglementaire.

Cependant, des tendances claires émergent quant à ce qui favorise une adoption précoce et une utilisation intensive. Les entreprises qui réussissent ont une stratégie solide pour adopter l’IA, en créant des centres d’excellence et en s’assurant que leurs données sont dans un état approprié dès le départ ; ces démarches, bien que paraissant modestes, constituent la base de l’innovation réussie.

Nous voyons souvent la première utilisation dans des outils de productivité comme ChatGPT, Co-pilot ou Claude, qui constituent souvent le point d’entrée pour de nombreux collègues dans l’adoption de l’IA, parfois surnommés de façon ironique la « drogue d’entrée » !
 
Côté culturel, adopter l’IA peut représenter un changement radical par rapport au statu quo, et des équipes de direction très efficaces chercheront à préparer leur organisation pour l’avenir. Une stratégie RH tournée vers l’avenir est essentielle, en développant des capacités et expertises internes en IA, en se concentrant sur les compétences applicables, l’expertise, et en encourageant le partage des connaissances. Il faudra également envisager à long terme la réaffectation des collègues dont les rôles seront remplacés par l’efficacité apportée par l’IA.

L’attention est légitime sur la valeur ajoutée de l’IA ; certaines banques disposent de centaines de cas d’usage potentiels, et naviguer parmi eux pour réaliser des preuves de concept et déployer à plus grande échelle peut être complexe. La meilleure pratique, pour une technologie aussi nouvelle, est encore en train d’émerger. Dans un premier temps, il peut être écrasant de trier parmi un grand nombre de cas d’usage potentiels pour prioriser ceux offrant la plus grande valeur, en utilisant une triage rigoureuse basée sur l’impact, le coût, la faisabilité et l’alignement avec les objectifs globaux, afin d’évaluer le ROI potentiel.

Il est nécessaire de mettre en place un cadre de mesure réfléchi pour évaluer les projets d’IA, avec des KPIs pertinents, des méthodologies robustes de collecte de données, et des mécanismes de reporting clairement définis. Une fois qu’un projet d’IA devient une activité courante, il faut adopter une politique de développement itératif continu pour maximiser les retours et assurer l’alignement avec les priorités stratégiques – ce qui est souvent une caractéristique culturelle des équipes performantes.

Récemment, j’ai été invitée à parler d’IA avec un régulateur. Lors d’une table ronde sectorielle, une question brillamment déroutante a été posée : « Quel problème l’IA résout-elle mieux que tout autre ? » Sans surprise, chaque organisation a donné une réponse totalement différente, et je pense que les entreprises continueront à se poser cette question pendant des années.

Ceux qui ne sauront pas être stratégiques avec l’IA, et la déployer de manière appropriée et en temps voulu, seront fortement désavantagés.