Depuis plus de 50 ans, les banques comptent sur les ordinateurs et les logiciels pour gérer et sécuriser leurs données tout en protégeant les intérêts des consommateurs. Nous nous apprêtons à vivre une révolution majeure, qui sera aussi importante pour les banques que l’Internet l’a été pour les entreprises de détail. Qu’est-ce qui stimule ce changement capital? L’intelligence artificielle et l’analyse avancée, combinées à l’informatique en nuage, peuvent désormais permettre de saisir, d’entreposer et de traiter de très grands volumes de données en temps réel ou quasi réel.

Avant de discuter des occasions de créer de nouvelles sources de revenus et de nouveaux modèles d’affaires grâce à l’intelligence artificielle et à l’analyse, revoyons quelques concepts généraux que vous devrez comprendre pour vous assurer d’obtenir les résultats escomptés, quoi que vous tentiez d’atteindre par l’entremise de ces technologies.

Étapes fondamentales à l’adoption de l’intelligence artificielle et de l’analyse avancée

Tout projet comportant de l’intelligence artificielle ou de l’analyse avancée doit commencer par une nette compréhension des résultats visés. Que souhaitez-vous automatiser, ou obtenir par ailleurs? Vous devriez vous assurer de lier ces résultats à une vision claire de la valeur de l’argent. Il est notamment important de clarifier à quel point le projet offre un rendement du capital investi pour l’entreprise.

Considérons un cas d’utilisation où les banques surveillent et analysent les données des transactions commerciales pour établir le moment où une société cliente risque de se trouver à court de liquidités. En se basant sur de grandes quantités de données transactionnelles et démographiques, la banque devrait être en mesure d’élaborer des offres de services concurrentielles pour des prêts à court terme et les acheminer directement aux entreprises clientes. Ce processus permettrait de générer de nouvelles occasions tout en offrant une expérience utilisateur de première classe aux clients commerciaux, et en stimulant la satisfaction et la fidélité.

Une fois le cas d’utilisation défini, ainsi que la clarté en matière de bilan, de valeur monétaire, de rendement du capital investi et de mesures de succès, vous pouvez sélectionner la méthode appropriée pour atteindre les résultats escomptés. Il se peut que la bonne méthode réside dans l’apprentissage automatique. Cette technique vous permet d’acquérir de l’expertise grâce à des expériences et à des modèles complexes puisés dans de très grands ensembles de données. Il peut s’agir, par exemple, de concevoir de nouveaux algorithmes pour définir et analyser de nouveaux éléments frauduleux dans les données de paiements transfrontaliers.

Trouver les données pour l’intelligence artificielle et l’analyse avancée

La prochaine étape consiste à définir la source d’approvisionnement des données. Traditionnellement, les organisations mettent sur pied d’importants répertoires de données pour produire des rapports à partir d’une vue d’ensemble cohérente de données. Ces répertoires cependant proposent des données « après coup », soit trop tard pour soutenir l’apprentissage automatique, l’intelligence artificielle et autres programmes d’analyses, qui ont généralement besoin d’accéder à des données en temps réel.

L’autre enjeu avec les données massives est qu’elles contiennent des données structurées, alors que l’intelligence artificielle et l’analyse peuvent utiliser des données non structurées. En ayant recours aux plus récents outils, il n’est pas obligatoirement nécessaire de stocker toutes les données dans un répertoire; il est possible d’y accéder par l’entremise du nuage. Les organisations doivent adopter une approche globale en ce qui a trait aux solutions en nuage.

De nombreuses organisations créent maintenant des lacs de données. Ceux-ci consistent en des répertoires contenant de nombreuses données qui sont toutefois non structurées, ou brutes. Celles-ci sont généralement mieux adaptées à l’apprentissage automatique et aux autres programmes d’analyse avancée. Une fois que vous aurez décidé de la source de données et défini le type d’accès, il est important de comprendre la gouvernance et les enjeux réglementaires entourant l’utilisation des données. Il existe de plus en plus de réglementations sur les façons dont les banques peuvent utiliser les données; il est donc essentiel d’en assurer un usage adéquat.

Il pourrait alors être utile de concevoir une démonstration de faisabilité, une option plus souple pour valider les résultats visés. Celle-ci permet de renforcer la confiance pour valider l’approche et éviter les erreurs coûteuses.

Développer de nouvelles possibilités de revenus

L’intelligence artificielle et l’analyse avancée peuvent offrir des avantages significatifs aux banques, les aidant à développer de nouvelles sources de revenus et à améliorer l’expérience client, comme dans l’exemple du prêt mentionné ci-dessus.

La lutte contre le crime financier est un autre domaine dans lequel les banques ont utilisé l’apprentissage automatique pendant des années pour repérer les cas de fraude potentiels ou prédire quels « bons » consommateurs ajouter à une liste blanche en fonction d’ensembles de règles clairement définies. Cependant, il y a désormais de nouveaux algorithmes pouvant prédire de nouvelles règles, permettant aux banques de garder une longueur d’avance sur les crimes financiers de plus en plus sophistiqués.

Parmi les autres exemples, citons la capacité de mieux comprendre les consommateurs pour que les banques puissent anticiper leurs actions à différentes étapes de leur vie, ainsi qu’à mieux comprendre l’expérience client et les variables qui influencent les relations avec la clientèle. Ces renseignements sont précieux pour les stratégies publicitaires, y compris la définition des différents segments de clientèle pour du marketing ciblé, ainsi que pour documenter le développement de nouveaux produits et de nouvelles offres de services.

Selon les données du sondage 2019 sur les banques de transactions de Global Treasurer News, le taux de satisfaction des trésoriers d’entreprise envers leurs partenaires bancaires continue de diminuer de manière considérable, une tendance observée sur quatre ans. Non seulement nous constatons un déclin de satisfaction depuis quatre ans, mais ce déclin continue de s’accentuer; les banques doivent réagir rapidement.

Ce qui est certain c’est que l’intelligence artificielle et l’analyse avancée sont enracinées et continueront de permettre aux organisations d’automatiser et de proposer des avantages encore inconnus au sein de l’industrie. N’hésitez pas à communiquer avec moi pour discuter des défis et des occasions propres à votre organisation en ce qui a trait à ces technologies avancées. Vous pouvez également en apprendre davantage sur le savoir-faire de CGI en matière d’intelligence artificielle et d’analyse avancée.

À propos de l’auteur

Picture of Andy Schmidt

Andy Schmidt

Vice-président, Banques de détail

Andy Schmidt est un ancien banquier et analyste de l’industrie qui a comme mandat d’aider CGI à concrétiser sa stratégie au sein du secteur des services financiers. Il compte plus de 25 années d’expérience au sein des services financiers, d’abord en tant que banquier chez ...

Ajouter un commentaire

Comment editor

  • No HTML tags allowed.
  • Lines and paragraphs break automatically.
Règle de modération du blog et conditions d'utilisation