Fintech est la nouvelle ruée vers l’or des investisseurs, avec une croissance de 10% en 2016, pour atteindre un montant stupéfiant de 23,2 milliards de dollars, avec la Chine et les États-Unis en tête du marché. Cet essor est alimenté par les capacités croissantes de l’apprentissage automatique et de l’intelligence artificielle. C’est une idée dont le temps est venu, car les capacités de calcul et de stockage disponibles aujourd’hui peuvent enregistrer et traiter les quantités impressionnantes de big data nécessaires pour alimenter les algorithmes. L’IA a déjà prouvé ses capacités dans les secteurs de la vente au détail, des soins de santé et du commerce, et semble donc être une valeur sûre. La seule question qui se pose maintenant est de savoir quel sera le pouvoir de décision des algorithmes. Remplaceront-ils ou aideront-ils simplement les gestionnaires et les décideurs de niveau C ?
Automatisation vs. intelligence artificielle
Avant de répondre à cette question, il est important de souligner la différence entre l’automatisation et la véritable intelligence artificielle, bien que les deux termes soient parfois utilisés de manière interchangeable. Toutes les tâches effectuées par un ordinateur ou un système ne peuvent pas être classées comme de l’IA. Il existe une hiérarchie des utilisations de l’ordinateur dans la finance et la banque. L’automatisation des tâches répétitives, l’IA qui aide les employés dans leurs tâches quotidiennes, comme la vérification de la conformité, la souscription ou la réponse aux clients, et l’apprentissage profond, qui, du moins en théorie, peut remplacer complètement les travailleurs.
L’IA dans la banque, la finance et la gestion des risques
L’IA pour les banques et autres institutions financières devrait déclencher des résultats similaires à ceux enregistrés dans le commerce électronique, à savoir une meilleure personnalisation de l’expérience, une plus grande efficacité, une productivité accrue et une réduction globale des coûts. L’IA est déjà utilisée dans la fintech pour le trading à haute fréquence depuis la fin des années 80, mais de nouvelles applications apparaissent. Il s’agit notamment des conseils financiers personnalisés, des mécanismes de détection des fraudes, des décisions d’investissement et de la blockchain.
Trading : de la haute fréquence à la haute intelligence
Le paysage chaotique de Wall Street pourra bientôt être remplacé par le son monotone des ordinateurs tout en augmentant de manière exponentielle le volume des opérations. Aujourd’hui, trois décennies après l’introduction du premier ordinateur capable de traiter des contrats boursiers, il s’agit davantage de haute intelligence que de haute fréquence. Le travail des quants – qui sont essentiellement des statisticiens élaborant des algorithmes de négociation – sera remplacé à un moment donné par le travail d’un réseau neuronal, qui construit de nouveaux modèles de négociation sur la base d’expériences antérieures. Actuellement, la lutte consiste à programmer des capacités prédictives dans ces systèmes pour les rendre prêts à un changement avant qu’il ne se produise sur le marché.
Conseiller client et agents de chat
L’IA est pratique comme assistant personnel avisé. Les institutions financières peuvent demander aux programmeurs de concevoir des algorithmes d’apprentissage qui utilisent les données du client pour suivre ses habitudes de dépenses et faire des recommandations. Avoir son propre robot-conseiller personnel est un service que beaucoup d’utilisateurs de cartes de crédit imprudents pourraient apprécier. Équilibrer votre budget en fonction de votre comportement est un service qui n’était pas disponible dans les banques traditionnelles, mais qui pourrait améliorer considérablement les scores de crédit.
Les chatbots sont également mis en œuvre par les institutions financières pour aider les clients à naviguer dans les produits et à sentir qu’ils comptent. Pour les opérations simples, la plupart des gens ne seraient pas en mesure de dire s’ils parlent à une personne réelle suivant un script ou à un bot piloté par l’IA.
Détection des fraudes
Les gens sont des créatures d’habitudes, et un léger changement dans leur routine pourrait signaler un problème. Accéder à la banque par internet depuis un autre endroit/navigateur ou transférer des montants plus importants que d’habitude sont des signes d’une possible fraude. L’IA devrait être capable de détecter s’il s’agit d’une menace réelle ou d’une situation unique en corrélant d’autres informations facilement disponibles sur le client, comme l’achat d’un billet d’avion ou même la géolocalisation du client. Les technologies cognitives pourraient être d’une grande utilité dans la détection de la fraude en raison de leur capacité à détecter des modèles dans les données brutes, une tâche qui prendrait des mois pour une équipe médico-légale pourrait signifier quelques secondes pour un outil de clustering.
Prise de décision & ; gestion des risques
Les futuristes peignent une image effrayante d’ordinateurs dirigeant le monde selon leurs propres termes. Avant que cela ne soit le cas, les algorithmes devraient être capables de prendre des décisions rationnelles dans toutes les situations, de manière similaire aux personnes. L’une des tâches financières nécessitant un jugement sûr est la création de meilleurs portefeuilles d’investissement, où des études montrent que les réseaux neuronaux surpassent les méthodes conventionnelles. Des résultats similaires ont été obtenus dans la même enquête pour évaluer la gestion des risques financiers, où l’IA a surpassé la régression logistique de 88,2 %.
Blockchain
Depuis ses débuts en 2009, la technologie blockchain a d’abord été utilisée pour les crypto-monnaies décentralisées, mais elle trouve aujourd’hui de nouvelles applications dans le secteur bancaire, les marchés financiers, les assurances et les contrats de location, ainsi que la comptabilité. La blockchain est, en fait, un grand livre ouvert et distribué qui enregistre les transactions et elle est utile dans les applications qui nécessitent une preuve d’originalité et un horodatage explicite, augmentant ainsi la transparence et la confiance.
Des inconvénients possibles de l’utilisation de l’IA
Soumettre entièrement le contrôle à un système automatisé est dangereux. Un exemple pertinent en la matière est l’incident survenu le 23 avril 2013, lorsque le compte Twitter de l’Associated Press a été piraté et que de fausses nouvelles concernant une bombe à la Maison Blanche ont décalé les marchés boursiers. Un « flash crash » est apparu en raison des algorithmes qui négociaient en fonction des informations provenant des nouvelles, une méthode appelée analyse des sentiments. Les mauvais comportements des algorithmes qui se propagent sans intervention humaine peuvent avoir des résultats désastreux, il suffit de regarder le chatbot Tay de Microsoft. Si l’assistant virtuel d’une banque déraillait de la même manière, elle perdrait probablement ses clients et ferait même face à certaines accusations.
L’avenir de l’IA dans la fintech
Même les changements législatifs encouragent le développement de la fintech. En Europe, la directive sur les services de paiement (DSP2), qui devrait entrer en vigueur début 2018, permettra aux clients d’autoriser l’accès de tiers à leurs comptes bancaires pour les paiements. Ce cadre juridique garantira à la fois une norme de conformité universelle, des paiements sécurisés et davantage de données disponibles pour les clients.
Il y a une nette progression vers l’utilisation de plus de technologie dans le secteur financier, non seulement pour augmenter la productivité, mais aussi pour créer une relation plus personnelle avec le client, des portefeuilles plus lucratifs, et même un système monétaire décentralisé. Pourtant, nous sommes encore loin du jour où les professionnels de la finance, les gestionnaires de risques et les quants pourront réellement craindre pour leur emploi. Pour l’instant, l’IA peut être comparée à un stagiaire, assis tranquillement, faisant des courses et apprenant.
.
