Si l’IA (Intelligence Artificielle) ouvre d’incroyables horizons aux banques, celles-ci doivent apprendre à mieux exploiter les données qu’elles possèdent.

Partout dans le monde, les entreprises se mettent à investir massivement dans l’Intelligence Artificielle. Selon le cabinet IDC, la dépense affectée à l’IA et à l’informatique cognitive a augmenté de plus de 50 % en l’espace d’un an pour atteindre, à l’échelle planétaire, un total avoisinant 16,5 milliards d’euros. En tête des investisseurs, on retrouve le secteur des services financiers, qui mise beaucoup sur l’IA et plus particulièrement sur l’analyse en temps réel des transactions, les systèmes intelligents de détection des opérations frauduleuses, le trading algorithmique et l’usage de l’IA pour la gestion de portefeuilles. Banques et institutions financières commencent en effet à saisir le potentiel intrinsèque de l’IA, et notamment sa capacité à générer de nouvelles opportunités de business en améliorant et en personnalisant le service client.

 

Comprendre les différentes technologies et le rôle qu’elles sont amenées à jouer dans le secteur bancaire

La qualité première de l’IA est qu’elle va bien au-delà des frontières de l’informatique classique pour permettre de comprendre et de valoriser les gigantesques volumes de données que les banques détiennent.

Par exemple, la banque Macquarie envisage d’enrichir sa plateforme numérique intelligente de capacités de supervision et de prévision. À la clé, la possibilité pour les banques de fournir à certains clients des informations sur leurs comptes, mais aussi de s’appuyer sur l’analyse de données pour identifier parfaitement chaque profil. L’intérêt de l’Intelligence Artificielle ne se résume pas à l’automatisation intelligente des tâches ; il tient aussi à l’accès aux informations qui résulte d’un apprentissage au travers  de la donnée.

Par son aptitude à décortiquer et décrypter de vastes quantités d’informations, le Machine Learning a permis aux banques, entre autres, de ramener le temps alloué au traitement des conventions de prêt de plusieurs centaines de milliers d’heures-homme à une poignée de secondes.

Reste que la majorité des interactions des banques dépend d’un contexte particulier. Un client peut posséder plusieurs comptes dans une banque et avoir souscrit plusieurs services et sa banque peut l’ignorer faute de pouvoir brosser un tableau complet de ses clients. Aux yeux du client, le sentiment que sa banque ne cerne pas correctement ses besoins est un des principaux motifs d’insatisfaction. Pourtant, ce n’est pas par manque de données que les banques peinent à construire une vision unifiée de chaque client. Le problème est de savoir comment procéder pour gérer les données de manière efficace, décloisonnée et à la bonne échelle.

Pour renforcer les synergies entre les différents services, on peut commencer par apprendre à exploiter efficacement les données, ce qui passe par le recours aux nouvelles technologies comme les graphes. Une fois que l’on a affiné sa compréhension du client, on peut alors envisager d’utiliser l’IA pour appréhender son comportement et ses attentes. La méthode peut aussi s’appliquer aux clients qui possèdent aujourd’hui des comptes dans plusieurs banques. En effet, depuis l’entrée en vigueur de PSD2 et de l’Open Banking, les banques sont tenues de partager entre elles et avec des tiers les informations relatives aux comptes de leurs clients, ce qui devrait les aider à établir pour chacun de leurs clients un profil précis, complet et fidèle à leurs activités et à leurs antécédents.

C’est là que l’Intelligence Artificielle prend une dimension si séduisante. Pour peu qu’elles exploitent correctement les données générées par leurs clients, grâce à l’IA, les banques peuvent discerner des tendances dans leurs habitudes et ainsi leur prodiguer des conseils plus réguliers et plus adaptés à leurs besoins. En observant ce qui se passe dans la vie d’un client à un moment précis plutôt qu’en misant sur les comportements considérés comme la norme et sur ce qui est susceptible de répondre à un besoin, les banques peuvent élaborer des offres de services plus ciblées et maximiser leur réussite. Ce d’autant que l’automatisation et l’IA peuvent identifier des services que les clients pourraient juger utiles, et faciliter leur utilisation.

 

Quelles mesures prendre pour améliorer l’expérience client et comment les banques peuvent-elles y parvenir ?

En raison de l’expansion des applications mobiles et web, les clients n’ont jamais eu un si vaste choix pour accéder à leurs services bancaires depuis un ordinateur, un téléphone ou une tablette à toute heure du jour et de la nuit et depuis n’importe où. Dans une économie de l’immédiat en perpétuel mouvement, les clients exigent désormais une expérience utilisateur instantanée, intégrée et simplifiée… et se détournent des prestataires de services qui ne se montrent pas à la hauteur de ces exigences.

En général, la difficulté première de l’IA ne réside pas dans le développement de l’algorithme, mais dans la gestion de la couche de données. Dès lors, les banques qui testent de nouveaux usages prometteurs de l’IA doivent adopter une stratégie de déploiement qui met l’accent tant sur la gestion des données que sur l’IA pure. Comment extraire des applications bancaires classiques les données nécessaires pour déployer comme il se doit ces technologies dotées d’IA ?

La plupart des entreprises ont pendant longtemps regroupé les données de façon anarchique — et continuent de procéder de la sorte. Dans le secteur bancaire, les informations clients peuvent être dispersées sur plusieurs comptes et dans autant de silos. Or, tirer le meilleur parti des données pour mieux cerner les habitudes de consommation des clients et leur apporter un service plus personnalisé peut constituer un vrai défi quand on utilise des bases de données anciennes pour comprendre des relations complexes entre les données.

Les plateformes permettant de construire une vue unifiée du client à partir de plusieurs sources internes de données sont capables d’identifier plus aisément certains clients. Elles aident les institutions bancaires à se mettre en conformité avec la loi et à observer les règlements de protection des données personnelles, tout en contextualisant les relations entre le client et les entreprises, offrant ainsi une voie royale vers une personnalisation de l’expérience client.

Pour faciliter la conception et la fourniture de nouveaux services, les données doivent être disponibles 24h/24, 7j/7. Étant donné que les temps d’arrêt peuvent coûter aux banques des millions d’euros, il est impératif que les applications d’importance critique aient toujours accès aux données. Dès lors, les entreprises n’ont d’autre choix que de se doter d’une structure de données robuste, qui élimine les points de défaillance de tous types d’architectures, Cloud hybride, multi- Cloud et/ou on premise.

L’accès aux données en temps réel revêt une grande importance. En complément des dossiers clients internes, les capacités de réaction instantanée et d’analyse des transactions permettent aux banques d’obtenir sur-le-champ des informations sur les habitudes d’un client, de savoir quand il est susceptible d’être réceptif à la présentation d’un nouveau produit ou quand il est mécontent d’un service. Ces informations confèrent aux banques un avantage concurrentiel, car elles les aident à personnaliser les conseils et l’assistance fournis aux clients, et même à élaborer des services novateurs.

L’analyse de données est essentielle, dans la mesure où elle permet aux banques de satisfaire les besoins d’un client moderne hyperconnecté et désireux d’obtenir tout, tout de suite. Pour les institutions bancaires, la capacité à réagir rapidement en cas d’erreur ou de fraude est un impératif, et cela suppose de comprendre le paysage des données au fil de l’eau. Sans ces informations recueillies en temps réel, l’expérience client sera de moindre qualité et les défaillances seront signalées trop tard. Dans ce secteur, une offre de service formulée avec cinq jours ou cinq minutes de retard sera traitée de la même manière : avec dédain.

Les banques établies à l’international doivent tout faire pour que leurs clients puissent, où qu’ils se trouvent, obtenir sur-le-champ les informations dont ils ont besoin. En d’autres termes, les données doivent, elles aussi, être accessibles depuis n’importe où. Pour ce faire, il faut utiliser une plateforme de données capable de gérer des données extrêmement disséminées, mais aussi de les dupliquer et de les synchroniser, quel que soit le type d’infrastructure de serveur en cours d’utilisation, qu’elle soit hébergée par un fournisseur de services cloud, dans un Datacenter appartenant à la banque ou les deux à la fois.

Aujourd’hui, la quantité de données, les types de données et la vitesse à laquelle elles peuvent être générées augmentent de façon exponentielle. Les systèmes d’hier sont parfois inaptes à absorber ces hausses massives des volumes et ne sont pas toujours conçus pour évoluer au fil de l’eau. Les plateformes de données doivent donc être capables de gérer des données avec une évolutivité continue et prévisible.

Les plateformes dotées de capacités d’analyse de données peuvent aussi aider les banques à planifier leur architecture de demain et à déterminer les aspects qui requièrent davantage de flexibilité et d’évolutivité. Et comme la qualité de fonctionnement de l’IA est directement conditionnée par la couche de gestion des données, les entreprises désireuses de se mettre à l’intelligence artificielle pour préparer l’avenir ont tout intérêt à choisir la bonne architecture aujourd’hui.