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

Katharine Wooller est Chief Strategist – Services Financiers, Softcat plc, une entreprise informatique cotée au FTSE.

Découvrez les meilleures 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 vont, à l’extrémité la plus positive, de la prochaine frontière du progrès humain, une solution technologique cherchant des problèmes à résoudre, ou, au pire, le potentiel de créer la fin de l’humanité.

En tant que Chief Strategist pour Softcat, qui soutient 2 500 entreprises de services financiers à travers des services et infrastructures informatiques, j’ai un siège privilégié au premier plan pour observer l’innovation se déployer à travers tout le spectre des entreprises FS&I.

Premiers à s’engager, il y a eu une forte adoption des fonds spéculatifs quantitatifs, qui embrassent les investissements significatifs dans l’IA pour améliorer les rendements, ainsi que des compagnies d’assurance, qui bénéficient d’énormes quantités de données – les deux peuvent facilement justifier des cas d’utilisation clairs avec un bon retour sur investissement.
 
Les entreprises de services financiers pratiquent la modélisation mathématique et l’apprentissage automatique presque une décennie avant que l’IA ne soit commercialisée dans sa forme actuelle, mais récemment, la performance pure des infrastructures d’IA a suscité une forte adoption par les fonds de trading quantitatif et les sociétés d’assurance et de gestion de patrimoine, toutes cherchant à bénéficier de l’énorme quantité de données désormais disponibles pour elles.

De plus, beaucoup de ce qui est vendu comme de l’IA est simplement la prochaine incarnation de l’automatisation.

Bien que nous constations un grand intérêt pour l’IA chez tous les types d’entreprises de services financiers, basé sur le potentiel énorme de la technologie, nous sommes finalement au début de l’adoption. De plus, il existe des cas d’utilisation très variés – une banque de premier plan déploiera l’IA très différemment d’une société de construction localisée à dix agences.

Je constate souvent des appétits différents au sein de la même organisation, avec des conseils d’administration, les générations plus jeunes et plus numériquement averties, et les fonctions opérationnelles/financières souvent plus accueillantes à l’idée, que, disons, des collègues de conformité.  Les préoccupations soulevées incluent souvent la nature « boîte noire » de la technologie, les inquiétudes concernant le déploiement éthique de l’IA, et le manque de clarté réglementaire.

Cependant, des schémas clairs émergent quant à ce qui favorise une adoption précoce et de forts niveaux d’utilisation.  Les entreprises performantes ont une stratégie solide pour adopter l’IA, mettant en place des centres d’excellence et s’assurant que leurs données sont dans un état approprié dès le départ ; cela peut sembler de petites entreprises, mais ce sont les fondations d’une innovation réussie.

Nous voyons souvent le premier cas d’utilisation déployé dans des outils de productivité tels que ChatGPT, Co-pilot, ou Claude, qui sont souvent le point d’entrée pour de nombreux collègues dans l’acceptation de l’idée de l’IA, et parfois sèchement désignés comme la « drogue de passage » !
 
Culturellement, adopter l’IA peut être un grand changement par rapport au statu quo, et des équipes de direction hautement efficaces chercheront à pérenniser leurs organisations.  Une stratégie RH tournée vers l’avenir est primordiale, construisant des capacités et une expertise internes en matière d’IA, en se concentrant sur des compétences applicables, l’expertise et en encourageant le partage des connaissances.  Une vision à long terme devra être adoptée pour redéployer les collègues dont les rôles sont déplacés par les gains d’efficacité générés par l’IA.

Il y a à juste titre beaucoup d’accent sur la valeur ajoutée de l’IA ; certaines banques ont des centaines de cas d’utilisation potentiels et naviguer pour entrer dans la preuve de concept et déployer plus largement peut être difficile.  Les meilleures pratiques, pour une technologie aussi nouvelle, commencent à peine à émerger. Dans un premier temps, trier un grand nombre de cas d’utilisation potentiels pour prioriser ceux qui offrent la plus grande création de valeur peut être écrasant, et un tri impitoyable peut être effectué en fonction de l’impact, du coût, de la faisabilité et de l’alignement avec des objectifs commerciaux plus larges, afin d’évaluer le retour sur investissement potentiel.

Il doit y avoir un cadre de mesure bien pensé pour évaluer les projets d’IA, avec des KPI pertinents, des méthodologies de collecte de données robustes, et des mécanismes de reporting clairement définis.  Une fois qu’un projet d’IA fait partie des opérations courantes, il doit y avoir une politique de développement itératif continu au fil du temps pour maximiser les retours et garantir l’alignement avec les priorités stratégiques - encore une fois, c’est souvent une caractéristique culturelle des équipes performantes.

Récemment, j’ai été invitée à parler de l’IA avec un régulateur.  Lors d’une table ronde de l’industrie, une question brillamment perplexe a été posée : « Quel problème l’IA résout-elle mieux que tout autre ? »  Sans surprise, chaque organisation avait une réponse complètement différente, et je m’attends à ce que les entreprises se débattent avec cette question pendant des années.

Ceux qui ne peuvent pas être stratégiques à propos de l’IA, et déployer de manière appropriée et en temps opportun, seront à un désavantage significatif.