Les changements tectoniques de la banque alimentée par l’IA

Le secteur bancaire développe une série d’outils basés sur l’IA pour collecter des informations sur les clients. Les régulateurs n’y voient pas d’inconvénient, mais cela nous rapproche d’un état de surveillance dystopique.

En bref

• • • • • • • • • • • Les banques cherchent à restaurer leur rentabilité perdue depuis longtemps
                    • Les outils d’intelligence artificielle offrent des perspectives éblouissantes pour le secteur
                    • La collecte toujours plus intrusive de données sur les clients présente des aspects alarmants

Quinze années d’exigences réglementaires strictes et de conditions macroéconomiques moroses ont mis à mal la rentabilité des banques, en particulier en Europe. Mais depuis peu, une nouvelle vague d’optimisme se répand dans le secteur bancaire mondial.

À première vue, les banquiers ont au moins une bonne raison de se réjouir à nouveau. Depuis juillet 2022, la Banque centrale européenne a relevé ses taux d’intérêt pas moins de 10 fois. De son côté, la Réserve fédérale américaine a procédé à 11 hausses de taux sur presque la même période, offrant aux banques une occasion en or d’augmenter leurs bénéfices sans effort.

Et si la nouvelle prospérité des banques était due à autre chose qu’à un coup de chance ? Après avoir affronté crise sur crise, ont-elles enfin trouvé le moyen de transformer les menaces en opportunités et les faiblesses en forces ?

En effet, un tournant potentiel se dessine. L’intelligence artificielle a tout ce qu’il faut pour révolutionner le secteur bancaire. Mais il y a un hic : en cours de route, presque comme un effet secondaire, les banques se retrouvent sur la voie de la création d’un système de surveillance d’une ampleur et d’une intrusion sans précédent.

Les banques se lancent dans les applications de l’IA

Depuis la fin de l’année 2022, l’IA générative, qui reproduit un contenu semblable à celui de l’homme, fait l’objet d’un grand battage médiatique. Par exemple, ChatGPT, fondé sur la technologie dite des grands modèles de langage, est devenu le produit en ligne qui a connu la croissance la plus rapide de l’histoire. Il n’a fallu que deux mois à son créateur (OpenAI, aujourd’hui associé à Microsoft) pour atteindre une centaine de millions d’utilisateurs dans le monde.

Chaque jour, de nouvelles applications d’IA apparaissent sur l’internet, bouleversant toutes sortes d’activités humaines. Si la frénésie de l’IA est vouée à s’estomper à long terme, certains secteurs plus que d’autres pourraient en sortir durablement transformés. Le secteur bancaire est l’un d’entre eux.

Les grands groupes bancaires investissent actuellement beaucoup d’argent dans les technologies de l’IA. Ils se livrent une concurrence féroce pour recruter les meilleurs spécialistes, une ressource rare sur un marché qui en a grandement besoin. De grandes banques américaines comme JP Morgan Chase et des banques européennes de taille comparable, comme la banque espagnole BBVA, ont créé leurs propres centres de recherche sur l’IA, dirigés par d’éminents informaticiens recrutés dans des universités prestigieuses, des start-ups ou de grandes entreprises technologiques.

Les premiers utilisateurs espèrent bénéficier de l’avantage concurrentiel qu’ils acquerront dans un paysage financier dominé par l’IA.

Un premier benchmark (fourni par la start-up de data intelligence Evident) montre déjà où en sont les principales banques mondiales en matière d’intégration et de progression de l’IA et de l’apprentissage automatique. Sans surprise, JP Morgan Chase se classe au premier rang, avec un budget annuel moyen de 12 milliards de dollars consacré à la technologie, qui devrait grimper jusqu’à la somme vertigineuse de 15,3 milliards de dollars en 2023.

Les premiers utilisateurs espèrent bénéficier de l’avantage concurrentiel qu’ils acquerront dans un paysage financier dominé par l’IA. De nombreux banquiers craignent que ceux qui manqueront le train ne soient rapidement désertés par leurs clients et acculés à la faillite. Ainsi, même les sceptiques de l’élite bancaire pensent qu’ils n’ont pas d’autre choix que de relever le défi de l’IA.

La valeur des données

Un nouveau niveau de jeu

L’IA/l’apprentissage automatique n’en est peut-être qu’à ses débuts, mais il a déjà commencé à changer la façon dont les banques travaillent.

En matière de sécurité, les pare-feu alimentés par l’IA aident les banques à mieux protéger leurs systèmes informatiques contre des cyberattaques de plus en plus sophistiquées et dangereuses. Jusqu’à présent, l’utilisation de l’IA pour la cybersécurité est encore relativement limitée, mais cela est sur le point de changer car l’innovation progresse rapidement. Selon un rapport de CNBC, le marché mondial des produits de cybersécurité basés sur l’IA devrait atteindre 133,8 milliards de dollars d’ici 2030, contre 14,9 milliards de dollars en 2021.

L’assistance virtuelle et les interfaces conversationnelles pourraient bientôt devenir la norme dans les interactions avec les banques. Aujourd’hui, les chatbots inarticulés des banques frustrent encore de nombreux clients avec leurs réponses toutes faites. Mais à mesure que les algorithmes sont entraînés à fournir plus que des réponses stériles de type copier-coller, les banques espèrent une révolution culturelle au cours de laquelle les clients apprendront à aimer traiter avec les robots.

En outre, l’IA et l’apprentissage automatique permettront aux banques de personnaliser davantage leurs services et, à terme, d’accélérer les décisions de crédit. Les services pourront être adaptés aux besoins particuliers de chaque client. Plus précisément, des conseils en investissement de qualité seront accessibles à tous. JP Morgan Chase a récemment déposé un brevet pour un outil inspiré du ChatGPT, basé sur l’exploration de montagnes de données commerciales pour prédire les mouvements des actions. Cet outil pourrait guider les consommateurs/investisseurs dans leurs décisions d’investissement. L’application, qui sera lancée en 2026-2027 sous le nom d’IndexGPT, pourrait mettre sur la paille de nombreux conseillers financiers. Par ailleurs, grâce à l’IA, la qualité de la traduction automatique s’améliore de jour en jour, ce qui permet aux banques (et à une pléthore d’autres entreprises) d’élargir leur clientèle.

Le secteur s’est de plus en plus tourné vers des entreprises spécialisées dans la « technologie réglementaire » (Regtech), qui permettent aux banques d’informatiser leurs tâches de reporting.

Plus généralement, l’IA permettra aux banques de réaliser des gains de productivité et, dans le même temps, de réduire leurs coûts opérationnels. L’automatisation des processus robotiques peut déjà remplacer les employés humains pour diverses tâches opérationnelles. Les systèmes d’aide à la décision fournis par l’IA assisteront les gestionnaires de risques, les gestionnaires de patrimoine, les responsables des ressources humaines et même les cadres dirigeants dans leurs choix stratégiques.

Où la technologisation laissera-t-elle l’humanité ?

Une avancée en matière de conformité

Avant tout, l’IA et l’apprentissage automatique peuvent alléger l’un des plus gros fardeaux auxquels les banques ont dû faire face depuis le boom réglementaire de l’après-2008. La conformité à d’innombrables réglementations, politiques, lois, directives, lignes directrices, recommandations, normes techniques et autres, internationales et nationales en constante évolution, est devenue un cauchemar pour les banques.

La liste de contrôle de la conformité comprend, entre autres, des mesures de lutte contre le blanchiment d’argent et le financement du terrorisme, la vérification de l’identité, la détection des fraudes, la gestion des risques, les tests de résistance, les rapports micro et macroprudentiels, ainsi que le respect des exigences temporairement applicables, telles que celles qui étaient en place pendant la pandémie de grippe aviaire de 19 ans.

Cette activité chronophage coûte beaucoup d’argent aux banques, mais ne génère pas de bénéfices. En Europe, les coûts liés à la collecte de données et à l’établissement de rapports ont lourdement pesé sur les résultats des banques. Ces dernières années, le secteur s’est de plus en plus tourné vers des entreprises spécialisées dans la « technologie réglementaire » (Regtech), permettant aux banques d’informatiser leurs tâches de reporting. Il ne fait aucun doute que l’IA et l’apprentissage automatique propulseront la Regtech à un niveau supérieur d’automatisation de la conformité.

D’ores et déjà, les banques s’appuient sur des algorithmes de détection des fraudes formés à partir des données historiques de leurs clients. En moyenne, les données d’un client de détail typique peuvent apparaître des dizaines de fois par jour sur le radar de contrôle des banques utilisant ces modèles d’IA. L’idée est de détecter les activités qui s’écartent des schémas de dépenses habituels, ou tout ce qui semble suspect d’une manière ou d’une autre.

Il semblerait que les taux d’erreur de ces procédures de contrôle basées sur l’apprentissage automatique soient considérablement inférieurs à ceux de la surveillance humaine. Si ces algorithmes étaient généralisés, une foule de responsables de la conformité pourraient être renvoyés chez eux, et moins d’employés seraient nécessaires pour filtrer ou vérifier, à l’aide d’ordinateurs de plus en plus puissants, les informations fournies par les clients.

Data records Image by Gerd Altmann from Pixabay

Connaître son client (mieux qu’il ne se connaît lui-même)

On peut supposer que, depuis un certain temps déjà, les banques examinent les données financières de leurs clients, non seulement pour détecter les comportements frauduleux de quelques-uns, mais aussi pour étudier les modes de vie du plus grand nombre. Comment les clients vivent-ils, où travaillent-ils et combien gagnent-ils ? Qu’achètent-ils, quels impôts paient-ils et quelles dépenses de santé engagent-ils ? Les banques veulent savoir où leurs clients voyagent, ce qu’ils font pour leurs loisirs, combien d’enfants ils ont et avec qui ils vivent ou se fréquentent. Tout est important. Les banques sont de plus en plus conscientes que toute information, et pas seulement les données financières, peut leur être utile.

Les banques les plus innovantes développent actuellement des méthodes de collecte de données qui vont bien au-delà de la saisie d’informations directement disponibles. Selon certaines informations, leurs départements de recherche en intelligence artificielle testent des « crawlers » qui exploitent toutes les informations publiques et privées trouvées en ligne sur les clients des banques. Ces outils passent systématiquement au peigne fin les pages des médias sociaux, les blogs et les sites web personnels, partout où le nom des clients apparaît. Les commentaires ou opinions exprimés par ces derniers sur des plateformes telles que Twitter, Facebook ou Reddit sont particulièrement intéressants. Les tweets sont classés selon différents critères. Les messages sont analysés à travers le prisme du traitement du langage naturel, des algorithmes d’analyse de texte et de la linguistique informatique.

Les interactions entre les clients et le personnel de la banque font également l’objet d’un examen minutieux. Les échanges de courriels, les discussions avec des robots, les appels téléphoniques enregistrés ou les transcriptions de réunions sur place sont des sources d’information précieuses. Pour l’IA, il n’y a pas que le contenu des conversations qui compte. Le ton de la voix, les éclats de voix, les rires ou les tics peuvent être documentés par l' »analyse des sentiments » et pris en compte lors de l’établissement de la confiance et de la solvabilité des clients.

Il est évident que l' »IA des émotions » va au-delà de l’exploration d’opinions, et que l’analyse des sentiments va au-delà des polarités telles que « positif », « négatif » ou « neutre ». Les modèles d’IA saisissent avec une précision toujours plus grande les états émotionnels des personnes (plaisir, colère, surprise, dégoût, tristesse, peur, honte et tromperie…). On peut s’attendre à ce que ces détecteurs de mensonges de haute technologie, qui travaillent avec des ensembles de données de plus en plus importants, fassent preuve d’un « apprentissage en profondeur » de plus en plus poussé. Les scientifiques testent déjà des modèles d’IA qui « devinent » les données manquantes en reliant les points.

Cela incite les banques à fouiller toujours plus profondément dans la vie de leurs titulaires de comptes, même si les activités de leurs clients sont tout à fait légales. Les banques ont besoin de tout ce qu’elles peuvent mettre dans leurs rapports obligatoires sur les « activités suspectes » ou les « transactions suspectes ».

En symbiose constante avec tout ce qui les entoure, un vaste arsenal d’outils d’IA/apprentissage automatique capables de traiter et de détecter toutes sortes d’informations sur le monde physique et virtuel permettra aux banques de dresser le profil de leurs clients avec une précision effrayante.

À l’heure actuelle, seuls quelques grands acteurs expérimentent des systèmes de surveillance insidieux qui se cachent derrière l’écran de fumée de l' »amélioration de l’expérience du consommateur ». Mais à long terme, il pourrait bien s’agir de l’avenir de la banque.

L’intelligence artificielle : La révolution de la prédiction

Incitées à surveiller davantage leurs clients

Ces pratiques qui portent atteinte à la vie privée vont à l’encontre du devoir de confidentialité des banques. Les banquiers peuvent les justifier en arguant que l’espionnage de leurs clients est nécessaire pour assurer la sécurité de leurs institutions et, en fin de compte, pour protéger le système financier en crise. De plus, la connaissance du client est une exigence réglementaire, diront-ils.

Ils ont raison. Les régulateurs obligent les institutions financières à surveiller leurs clients et à signaler aux autorités de contrôle tout soupçon de blanchiment d’argent, de financement du terrorisme, d’évasion fiscale et d’autres crimes ou fraudes. Les institutions de contrôle surveillent de près les banques pour s’assurer qu’elles s’acquittent de leur mission de conformité comme il se doit.

Les autorités de surveillance réprimandent les institutions financières qui n’ont pas détecté « suffisamment » de cas suspects. Cela incite les banques à fouiller toujours plus profondément dans la vie de leurs titulaires de comptes, même si les activités de leurs clients sont tout à fait légales. En d’autres termes, les banques ont besoin de tout ce qu’elles peuvent mettre dans leurs rapports obligatoires sur les « activités suspectes » ou les « transactions suspectes ».

D’un fardeau à un trésor

Au cours de la dernière décennie, les institutions financières non bancaires, telles que les fintechs ou BigTechs, ont commencé à proposer des services financiers en dehors du système bancaire traditionnel. N’ayant pas besoin de licence bancaire pour le faire, elles pouvaient confortablement gagner de l’argent sur des activités similaires à celles des banques, tout en évitant le casse-tête réglementaire dans lequel se débattent les banques ordinaires.

Il est surprenant de constater que les entreprises BigTech semblent aujourd’hui désireuses de renoncer à cet avantage considérable. Certaines tentent d’acquérir des banques. D’autres déposent directement une demande de licence bancaire.

Scénarios

Pourquoi les entreprises BigTech voudraient-elles devenir des banques si ce statut présente un inconvénient ? La réponse est simple.

Les banques entrent dans l’économie des données

Depuis des années, Facebook, Google et d’autres sont accusés de « vol de données » massif. En Europe, des lois ont été conçues pour briser le modèle commercial du « capitalisme de surveillance », qui consiste à extraire des données personnelles de sa base de clients et à les vendre à des annonceurs.

Une licence bancaire permettrait aux entreprises BigTech de transformer leur activité principale, de plus en plus dénoncée, en obligation réglementaire. Si ces entreprises étaient enregistrées en tant que banques, elles pourraient commodément continuer à violer la vie privée de leurs clients en invoquant simplement les exigences relatives à la connaissance du consommateur.

En d’autres termes, le génie est sorti de la bouteille. Alors que les grandes entreprises technologiques sont attirées par le secteur bancaire, les banques sont attirées par l’économie des données.

Après s’être plaintes pendant des années des exigences déraisonnables en matière de reporting, les banques ont réalisé que les énormes quantités de données qu’elles étaient obligées de collecter pour le compte des autorités de surveillance pouvaient être de l’or pur. Il en va de même pour le savoir-faire et l’expertise qu’elles ont acquis à cette occasion.

La question brûlante est la suivante : Si Facebook et ses semblables peuvent vendre les données personnelles de leurs utilisateurs, pourquoi les banques ne pourraient-elles pas en faire autant ?

Une formidable opportunité commerciale

Grâce à l’IA et à l’apprentissage automatique, les banques sont sur le point de repenser et de remodeler profondément leurs modèles économiques.

La vente de données pourrait redonner au secteur une rentabilité perdue depuis longtemps. Mais il s’agirait d’un changement considérable. Historiquement, l’activité bancaire est une affaire de confiance. Cependant, depuis que les régulateurs ont commencé à utiliser abusivement les institutions financières pour surveiller leurs clients, la confiance mutuelle entre les banques et les clients a été profondément mise à l’épreuve. Bientôt, si le fardeau réglementaire peut être transformé en une formidable opportunité commerciale pour les banques, le secteur financier aura le potentiel de se transformer en un système de surveillance lucrative à l’échelle mondiale.

Author: Elisabeth Krecké – independent, Luxembourg-based economist, as well as a former policy advisor and university professor.

Source

Tectonic shifts in AI-powered banking