ChatGPT et les applications à faible code sont utiles et prometteurs pour accélérer la transformation numérique des banques. Cependant, comme toute nouvelle technologie, ils ne sont pas dépourvus de défauts. La question est donc : Le risque vaut-il la peine d’être pris ?

Il était récemment question de crypto-monnaies et de technologie de la blockchain comme l’avenir de l’industrie financière. Certes, les premiers cas concrets dans les paiements internationaux des banques ont fait leur apparition, mais ces technologies n’ont pas vraiment réussi à s’implanter dans l’industrie financière hormis comme instruments de spéculation. Actuellement, ChatGPT 3.5, l’intelligence artificielle (IA) et d’autres modèles GPT sont au centre de l’attention, avec aussi une attention croissante pour les applications à faible code et sans code (LC/NC).

IA Générative comme accélératrice de transformation

ChatGPT est un large modèle linguistique (LLM), propulsé par l’IA et établi sur une architecture GPT (Generative Pretrained Transformer) par OpenAI. Ceux-ci apprennent, grâce à une grande quantité de données d’entraînement, à reconnaître les modèles dans le langage et à comprendre et répondre de manière humaine. Ils promettent d’accomplir des tâches de routine plus efficacement et d’accélérer et simplifier des tâches plus complexes, comme la création d’analyses et de modèles de risques.

Les applications LC/NC promettent de développer des logiciels avec un minimum d’effort manuel de programmation. Elles combinent des interfaces visuelles avec des infrastructures backend prédéfinies, permettant ainsi à des non-programmeurs de développer des logiciels. Ainsi, les applications NC n’utilisent pas du tout de langages de programmation, tandis que les LC font le lien entre la programmation traditionnelle et l’utilisation d’éléments de construction prédéfinis.

Révolution de l’expérience client

Pour les banques, ces technologies sont non seulement une clef pour une meilleure expérience client et une gamme de services élargie, mais également un moyen pour une rationalisation des processus internes.

Les banques peuvent utiliser les modèles GPT pour proposer des chatbots gérés par l’IA pour le support client 24/7, personnaliser les services et la communication, et offrir des conseils entièrement automatisés. En automatisant les tâches de routine comme la réponse aux questions de la clientèle et en proposant des suggestions de produits personnalisées, ces modèles peuvent aider les banques à concentrer leurs efforts sur un conseil de qualité supérieure, ce qui permet de renforcer les relations avec la clientèle.

Les applications LC/NC permettent aux banques de développer des solutions logicielles sur mesure en un temps record sans nécessiter de ressources informatiques importantes. Elles peuvent alléger la charge de travail des équipes de développement en reprenant les aspects répétitifs et banaux de la programmation et donc libérer du temps pour des tâches de plus haute valeur. En raison de la pénurie croissante de compétences spécialisées, notamment dans le domaine informatique, cela peut être une clé pour continuer la transformation bancaire en cours. Les applications LC/NC permettent aussi aux employés de banque non-techniques de participer au processus d’innovation et de démocratiser ainsi le développement logiciel. Les tâches quotidiennes comme la vérification de documents, la saisie de données ou la création de rapports peuvent être automatisées de manière autonome et adaptées aux besoins. Il est même possible de développer des applications de banque mobile.

Expérimenter et étudier

Comme toute nouvelle technologie, les modèles GPT et les applications LC/NC ne sont pas encore matures et posent des défis concrets.

Les modèles GPT manquent d’une véritable compréhension ou conscience. Ils génèrent des réponses sur la base de modèles de données et non parce qu’ils comprennent vraiment la question. Ils pourraient donc fournir des réponses trompeuses ou incorrectes, notamment dans des situations complexes et nuancées, typiques du secteur bancaire. On doit être prudent avec le niveau d’autonomie des modèles GPT. Sans les restrictions appropriées, un chatbot de service à la clientèle pourrait, par exemple, faire des promesses que la banque ne peut pas tenir.

Les défis majeurs concernent également la protection des données, la sécurité et le respect des réglementations légales. Comme les modèles GPT traitent de grandes quantités de données personnelles et sensibles, les banques doivent veiller à ce qu’ils ne violent pas les droits existants en matière de protection ou qu’ils ne divulguent pas accidentellement des informations confidentielles.

Pour les applications LC/NC, une attention particulière doit être portée aux vulnérabilités de sécurité dans les blocs de code, car la qualité de ces blocs peut beaucoup varier. De plus, les logiciels développés avec des applications LC/NC doivent respecter les réglementations de supervision bancaire. Respecter cette conformité peut être une tâche complexe en raison de la nature de certaines applications LC/NC, qui pourrait être comparée à une « boîte noire ». Les spécialistes de l’informatique sont donc toujours nécessaires.

Garantir la pérennité en intégrant de nouvelles technologies

Néanmoins, ces technologies ne devraient pas être rejetées d’emblée. Les modèles GPT et les applications LC/NC ont le potentiel de combler le fossé entre la technologie et l’activité bancaire, et d’accélérer la transformation numérique des banques.

Il est essentiel de créer des espaces pour expérimenter ces nouvelles technologies et pour identifier des cas d’utilisation spécifiques pour son propre business. La formation continue des employés est essentielle à cette fin. Même si les applications sont intuitives, il est nécessaire d’acquérir des compétences.

Malgré l’engouement, il ne faut jamais perdre de vue qu’aucune technologie ne peut être la solution à elle seule. Seule une analyse globale des clients, des employés, des technologies et des bénéfices économiques peut garantir une transformation numérique réussie des banques à long terme.

Est coauteur de cet article. Il est consultant pour des institutions bancaires et financières et travaille sur des projets de stratégie et de transformation. Avant de commencer ses études, il a travaillé dans le secteur du conseil à la clientèle d’une banque.

Apprenez-en plus sur le concept de partenariat du blog de la banque ici.