Action ou Vérité ? En 2017, le marché global de l’intelligence artificielle a atteint 2,4 milliards de dollars et près de 60 milliards de dollars de chiffre d’affaires sera généré par l’IA dans le monde d’ici 2025 selon des données « Tractica ».
L’Europe, qui participera à hauteur de 14 milliards de dollars à ce chiffre d’affaires, pourrait bien être tirée par les entreprises françaises. Est-ce qu’une entreprise peut se passer des fintech qui sont au cœur de l’innovation en Intelligence artificielle ? (RoboAdvisor, RPA)

L’innovation au sein des institutions financières est cruciale pour leur développement.

Faire des affaires dans les banques va changer considérablement avec l’intelligence artificielle (IA). Il y a un véritable impact sur l’attitude de l’humain « lambda » au sein d’une banque mais aussi un impact sur les opportunités d’affaires (selon une étude : +38% du chiffre d’affaire) que l’IA peut engendrer. L’IA à terme rendra les banques plus efficientes et plus productives.
L’apprentissage automatique (en anglais machine Learning) ou apprentissage statistique est un champ d’étude de l’intelligence artificielle. Il concerne la conception, l’analyse, le développement et l’implémentation de méthodes permettant à une machine (au sens large) d’apprendre et d’évoluer par un processus systématique, et ainsi de remplir des tâches difficiles ou problématiques par des moyens algorithmiques plus classiques.
L’analyse peut concerner des graphes, arbres, ou courbes (par exemple, la courbe d’évolution temporelle d’une mesure ; ou la distribution normale standard en Asset management) au même titre que de simples nombres.

Impact sur la gestion de risque

Les risques de Marché, risques de crédit, risques de fraude, risques de réputation et le risque légal sont impactés. Synthétiser ces risques vers un seul modèle holistique de compréhension.
A travers les solutions d’analyse de risque d’IBM, se trouve par exemple un logiciel permettant un modèle de calcul de risque très sophistiqué.
Dans une simulation Monte-Carlo par exemple (au sein d’IBM), il y a 5000 à 10000 scénarios qui sont pris en compte dans une évolution stochastique. Ce sont des millions de transactions par jour, l’équivalent de dizaines de milliers par heure.
Les utilisateurs auront en quelques secondes une roadmap des risques holistiques. Cela permettra une prise de décision très rapide. Cela permet une vision globale beaucoup plus précise sur le risque.
Tout calcul de risque et de scénarios avec en arrière-plan de l’intelligence artificielle est basée sur une méthodologie Market to Future, cette méthode permet une combinaison linéaire : soit le calcul de métriques déterminantes. Cette méthodologie est maîtrisée par nos équipes chez Softeam Group.

Pour mieux comprendre l’impact de l’intelligence artificielle sur les institutions financières, posons-nous cette question high level :

Quelles sont les dépenses des banques (ou institutions financières) aujourd’hui de manière générale ?

La provision pour perte de prêt à constitue 5% des coûts d’une banque ou institution financière.
L’Immobilier et immeubles physiques à constitue 3 à 4% des coûts d’une banque.
La Technologie à 7%
Les salariés (compensations et bénéfices) quant à eux constituent 33 % des coûts (tendance à la hausse) selon l’INSEE.
Les banques qui seront capables d’adresser ces dépenses seront au top de la compétition par rapport aux autres. L’IA va aider les banques à diminuer ces coûts.

Où sommes-nous aujourd’hui en matière de systèmes de machine Learning :

L’intelligence artificielle IBM Watson et AlgoRisk qui permet le pricing des instruments et une solution ALM pour cartographier les risques (vision globale) et modifier la VaR. Softeam group étant le partenaire d’IBM sur tous ces projets et logiciels.

Apple a : siri
Google a Google now – deep mind
Facebook a: Fbm video AI
Amazon a: echo

En plus de dizaines de startups dans le domaine.

L’impact sur la gestion de portefeuille (portfolio management)

En entrant les données du client dans le machine Learning system ou IA.
Des données comme, l’âge du bénéficiaire, le montant investi, le salaire du client etc… permettra au système IA de minimiser le risque sur portefeuille (moins de risque de défaut pour le risque de contrepartie) et de maximiser le profit.

Robo advisors (exemple : Yomoni en France), premier témoin des remplacements de banquiers vers des robots.

Impact sur les moyens de paiement

Des problématiques comme : doit-on accorder une carte de débit/crédit (une analyse similaire est faite sur les crédits – loans) à un client Lambda ?
Ce type d’information est analysé en temps réel pour étudier la solvabilité du client.
La fraude également sur les ATM est impactée par l’IA.

Impact sur la souscription en assurance

Quelle est la solvabilité du client ?
Ce sont ce genre d’informations que l’intelligence artificielle étudie en détail d’un pool de data.

Impact sur le trading – front office

Le trading algorithmique, prend en compte les sentiments, tendances et le IA donne une probabilité approximative (en fonctions des périmètres) que telle ou telle transaction va monter ou descendre. Cela va engendrer par la suite une vente ou un achat.
Ce sont des machines (algorithmes basées sur du machine Learning) qui exécutent tous les jours des millions de transactions. Cela inclus le trading haute fréquence – Leverage
Nos équipes d’experts en front office sont là pour vous aider en front office et front office supervision and compliance – laurent.berro@capa-invest.fr pour plus d’informations.

Impact sur les transferts internationaux. AI aide les clients.

Impact sur l’asset management et la gestion de fortune. Watson est utilisé dans le monde entier pour gérer des fortunes. Déjà en pilote aux Etats unis.

Impact sur la demande des clients 

Analyse de ton, chatbots, réponses instantanées et intelligentes aux milliers de demandes de clients etc…
Une banque à 200 miles plaintes sur des crédits alloués au client (banque de détail)
L’innovation Lab de Softeam group peut aider nos clients sur ce type de démarches.

Pour plus d’informations veuillez contacter innovationlab@softeam.fr

Impact sur la fraude 

Détection d’attitudes suspectes (fraude) et de blanchiment d’argent, « topological data analysis » ou l’analyse de données topologiques.
En mathématiques appliquées, l’analyse de données topologiques (ADT) est une approche de l’analyse d’ensembles de données utilisant des techniques de topologie. L’extraction d’informations à partir de jeux de données de grande dimension, incomplets et bruyants est généralement difficile. TDA fournit un cadre général pour analyser de telles données d’une manière insensible à la métrique choisie et fournit une réduction de la dimensionnalité et une robustesse au bruit. Au-delà, elle hérite de la fonctorialité, concept fondamental des mathématiques modernes, de par sa nature topologique, qui lui permet de s’adapter à de nouveaux outils mathématiques.

Capa-invest a une expertise sur la Compliance, la fraude et la supervision front office. Veuillez contacter laurent.berro@capa-invest.fr pour plus d’informations.

Amae Martin
A propos de l'auteur

Site web :

Newsletter

Vous n'avez pas le temps suivre l'actualité ? Découvrez nos newsletters gratuites, quotidiennes ou hebdomadaires.

Inscription Newsletter


Le Mensuel

Chaque mois, un regard éclairé et sans concession sur l'actualité de l'Assurance, de la Banque et des Services Financiers.

Découvrir le magazine