Une récente étude promet aux banques un potentiel d’économies de plusieurs milliards grâce à l’utilisation de l’Intelligence Artificielle. Cependant, elle met également en évidence les difficultés de mise en œuvre. En particulier, le manque de données entrave l’utilisation réussie de l’IA.
Que ce soit pour le front, le middle ou le back office : l’utilisation de l’Intelligence Artificielle (IA) offre au secteur bancaire un potentiel d’économies de plus de 300 milliards de dollars au niveau mondial d’ici 2030. Ceci est démontré par une récente étude du cabinet de conseil en management Horváth, qui a interrogé des experts du secteur, des scientifiques et des directeurs du secteur bancaire de détail dans la région DACH.
De nombreuses banques ne parviennent pas à tirer pleinement parti de leurs données. Des silos de données, une qualité de données insuffisante et un paysage informatique non harmonisé sont parmi les plus grands obstacles à la valorisation du potentiel de l’IA.
Sommaire
Une analyse systématique des données détermine les parts de marché
De plus, des silos de données isolés les uns des autres avec des ensembles de données incomplets entraînent une mauvaise qualité des données. Ils ne sont pas exploitables dans le pire cas. Les causes de cette mauvaise qualité des données se trouvent souvent dans une faible culture des données et des responsabilités insuffisantes. Souvent, les systèmes hérités dépassés dominent le paysage informatique. Les systèmes informatiques incompatibles compliquent l’harmonisation des données et de la technologie de l’information.
La stratégie des données est la base pour exploiter tout le potentiel
Sans une stratégie de données avec une gouvernance des données appropriée, la mise en œuvre de projets d’harmonisation des technologies de l’information est souvent vouée à l’échec. C’est la base de tout le reste.
Par contre, des ensembles de données non fiables peuvent conduire à des conclusions erronées. Les banques devraient donc mettre en place des plateformes d’analyse centralisées qui collectent et analysent les données internes et externes.
Celui qui peut analyser ses données de manière systématique a un avantage clair. Il est possible de reconnaître des tendances valides dans le comportement des clients et, par exemple, de développer de nouveaux produits ou de personnaliser les offres.
La gestion des risques bénéficie également. Celui qui peut analyser les transactions en temps réel peut également identifier et stopper plus rapidement les activités frauduleuses, voire les prévenir à l’avance.
L’IA permet d’économiser les coûts et conduit à de nouveaux modèles commerciaux
Dans le middle office, l’IA peut effectuer des contrôles automatisés pour garantir le respect des exigences réglementaires. Le respect des exigences de gouvernance s’améliore. Dans le conseil client, les chatbots soutenus par l’IA augmentent l’efficacité et la qualité des conseils.
L’analyse des données du marché et des commentaires des clients aide à développer de nouveaux produits, services ou modèles commerciaux, notamment en matière de monétisation des données. La capacité d’innovation est renforcée.
Exemples d’intégration de ChatGPT
Le prestataire de paiement Klarna travaille récemment avec ChatGPT et propose non seulement un conseil personnalisé sur les achats par l’intermédiaire de l’IA générative, mais avec l’intégration de ChatGPT Enterprise, les employés de Klarna bénéficient de normes de sécurité améliorées, d’une plus grande vitesse et d’analyses de données avancées.
La banque d’investissement Morgan Stanley utilise le GPT-4 d’OpenAI pour analyser et fournir des informations sur les entreprises, les secteurs, les classes d’actifs et les marchés mondiaux. Les conseillers fournissent à leurs clients des connaissances basées sur les données en temps réel, améliorant ainsi la performance et la relation client.
L’IA devient un « must »
Les banques de détail sont non seulement en concurrence avec les BigTechs et les FinTechs émergents, mais la fidélité des clients diminue également. Ceux qui veulent encore jouer un rôle demain doivent absolument pousser la transformation numérique, exploiter leur propre trésor de données, mettre en place des solutions d’IA appropriées et développer des modèles commerciaux compétitifs.
Les auteurs de l’étude estiment que l’intelligence artificielle passe d’une innovation à une nécessité stratégique. Les institutions qui ignorent la valeur ajoutée de l’IA risquent de disparaître du marché.