Dans de nombreuses banques, le désir d’innovation et la concentration sur les revenus générés par l’IA se heurtent. En effet, les investissements initiaux importants ralentissent la mise en œuvre des projets d’IA.

L’intelligence artificielle (IA) aura une place prépondérante dans le secteur bancaire, à commencer par les tâches de back-office et progressivement dans le contact direct avec le client. C’est particulièrement en back-office que les premiers enseignements ont été acquis par exemple grâce à des bots de connaissance pilotés par l’IA, des composants de lutte contre la fraude gérés par l’IA et des modèles de tarification gérés par l’IA.

Selon une étude de la société de conseil en stratégie Roland Berger, l’industrie des services financiers est en plein essor en matière de productivité. En effet, 49% des décideurs interrogés prévoient une percée technologique en IA d’ici 2025 pour leur entreprise. Le besoin de préparer les bases de leurs données pour ensuite former des modèles d’IA efficaces sur une infrastructure de données fiable a été identifié comme un facteur important de ce processus.

Contexte macro-économique et investment

Dans un contexte de concurrence intense, les tensions géopolitiques et les défis économiques qui en découlent, de nombreuses banques sont confrontées à une forte pression sur les coûts. L’intelligence artificielle doit donc faire partie de la stratégie future des banques pour faire face à cette réalité à moyen terme et compenser les conséquences de la pénurie de main-d’œuvre et du vieillissement. Pour cela, la première étape devrait être la mise à jour de l’infrastructure de données, des interfaces et de l’IT des institutions financières.

Même après avoir terminé les projets de transformation nécessaires pour créer des structures de données propres, le fonctionnement des modèles d’IA génère des coûts fixes importants pour le développement, la formation et la maintenance.

Le retour sur investissement dépend fortement de chaque cas d’utilisation.

Face à l’importance des préparations financières, les banques sont donc confrontées à un dilemme. Des investissements dans l’IA sont essentiels pour maintenir leur compétitivité, en particulier face aux FinTechs.

En principe, les innovateurs devraient évaluer objectivement les cas d’utilisation de l’intelligence artificielle en fonction de l’effort de mise en œuvre et du bénéfice attendu pour leur institut, afin d’estimer le retour sur investissement (ROI).

L’IA puissante est associée à des performances d’intégration élevées

L’utilisation de l’IA pour les tâches à faible dépendance au sein de leur propre système bancaire est beaucoup plus réaliste.

Mais les domaines d’application complexes qui perturbent les composants de processus individuels de la création de valeur d’une institution financière sont ceux qui promettent la plus grande valeur ajoutée.

Les chatbots intelligents sont déjà en cours d’utilisation dans certains projets pilotes de banques et se sont depuis largement répandus.

Le développement en interne n’est viable que pour les grands instituts

En raison des investissements élevés nécessaires pour les modèles d’IA disruptifs dans la détection de la fraude, à travers les chatbots ou dans d’autres domaines, le développement de tels modules est particulièrement réaliste pour les grands instituts.

Cependant, il est conseillé aux petites et moyennes banques de ne pas développer des modules d’IA prometteurs en interne.

Par exemple, un bot de connaissance pourrait être obtenu par le biais d’un fournisseur de services qui assure la qualité et la disponibilité du modèle sous-jacent.