Le post-trade trouve ses marques avec l'IA

L’IA, moteur du changement

L’intelligence artificielle (IA) – que l’on trouvait auparavant sous la plume d’écrivains de science-fiction et d’obscurs universitaires - est maintenant fermement ancrée dans le monde des services financiers, y compris le post-marché.

Alors que des technologies telles que le machine learning et l'analyse de données sont déjà largement utilisées dans le post-marché (avec toutefois des degrés de succès variables), il s'agit de la dernière vague d'outils d'IA - popularisés par les Large Language Models (LLM) et l'IA générative -   qui est susceptible d'avoir le plus grand impact.

Yvan Mirochnikoff, Responsable des solutions digitales chez Société Générale Securities Services (SGSS), a participé à un panel lors de la réunion annuelle du Network Forum (TNF) à Varsovie, où il a discuté avec d'autres leaders du secteur -cités dans cet article- de la façon dont l'IA pourrait potentiellement révolutionner le post-marché.

Amélioration de la proposition de service

En intégrant les LLM et l'IA générative dans les chatbots, la plupart des experts s'accordent à dire que l'IA de prochaine génération contribuera à transformer le service client et les communications.

Notre industrie n'est plus en phase de validation de principe (POC) pour l'IA, nous sommes plutôt en train d’augmenter le nombre d'applications pour l'IA. L'un des principaux domaines dans lesquels nous pensons que l'IA aura le plus d'impact est le support client. Nous cherchons constamment des moyens d'améliorer notre service à la clientèle. Si l’IA peut répondre aux questions simples des clients via des chatbots, la priorité doit être de développer des outils capables de répondre à des questions complexes ou très spécifiques au marché 

Un certain nombre d'entreprises tirent également parti de l'IA nouvelle génération pour stimuler la productivité - et le post-marché ne fait pas exception à la règle ici.

Un rapport de GitHub, par exemple, a constaté un taux d'achèvement des tâches de codage 55% plus rapide avec des taux de réussite plus élevés lors de l'utilisation de GitHub CoPilot, tandis que l'analyse du MIT a montré que ChatGPT avait un taux d'achèvement des travaux de connaissance 37% plus rapide avec des résultats comparables¹. 

L'un des principaux avantages de l'IA est sa capacité à résumer succinctement de grands ensembles de données ou des documents détaillés.

« Imaginez que je reçoive un document de 60 pages contenant des informations sur les dernières règles anti-blanchiment (AML). En utilisant ChatGPT, je peux obtenir un résumé structuré de ce rapport, ce qui est un énorme avantage en termes d'efficacité. Il y a quelques années, nous avons essayé de tester la reconnaissance optique des caractères pour lire des documents à des fins de récupération fiscale, mais les résultats ont été décevants. En revanche, les dernières versions de l'IA peuvent lire des documents manuels et générer des résultats incroyables », a commenté Alexis Thompson, Responsable global des services titres chez BBVA.

Dans le cas de SGSS, Yvan Mirochnikoff explique que l’IA est utilisée pour accélérer les processus de gestion des documents lors des contrôles de connaissance du client (KYC), une initiative qui non seulement permettra de réaliser des gains d’efficacité en interne, mais améliorera également l’expérience d’intégration des clients.

Surmonter les obstacles liés aux données

Bien que l'IA puisse générer toutes sortes d'avantages stratégiques, la technologie n'est pas sans difficultés.

Selon Yvan Mirochnikoff, l'IA ne fonctionnera bien que si elle est alimentée par des données précises et de bonne qualité.

Si l'IA est programmée en utilisant de mauvaises données ou des données entachées d'erreurs, alors les résultats et les analyses qu'elle produit seront tout aussi décevants, ce qui pourrait conduire à des erreurs - ou pire - des pertes financières pour les fournisseurs et leurs clients.

S’assurer que les données sont exactes, bien structurées et qu’elles ont une bonne traçabilité doit être une priorité pour l’industrie, mais cela reste plus facile à dire qu’à faire, et le problème risque de s’aggraver avant de s’améliorer.

Sous l'impulsion de la pénurie croissante de données disponibles pouvant être utilisées pour former l'IA, mais aussi en raison des préoccupations croissantes concernant la vie privée, Anders Hvid, co-fondateur de Dare Disrupt, a déclaré que certains technologues forment maintenant l'IA sur les données dites synthétiques, ou données générées par ordinateur.  

Tout comme les données réelles défectueuses suscitent des biais et des inexactitudes, les données synthétiques mal générées peuvent également en être affectées, et c'est un risque dont les fournisseurs doivent être conscients².  

Un autre problème auquel sont confrontés les dépositaires est que les données évoluent rapidement et que nous opérons dans un environnement en temps réel, mais les données que nous utilisons pour former l'IA doivent avoir une orientation à long terme. Pour mettre au point des solutions d’analyse prédictive, les entreprises doivent intégrer avec soin des informations instantanées et des données à long terme

Il faut aussi s’attaquer aux limites de la technologie si l’on veut que l’IA prospère. 

L’IA permettra à terme de libérer des ressources internes, permettant aux personnes de passer plus de temps sur des activités génératrices de revenus ou en contact direct avec les clients. Parallèlement, les gains de productivité permettront aux fournisseurs de services de se constituer une épargne appréciable, à un moment où leurs marges sont soumises à d’importantes pressions à la baisse.

« Dans notre secteur, nous parlons toujours de technologies de pointe, mais une grande partie de notre infrastructure de systèmes repose sur des environnements technologiques vieillissants.  Bien que l'IA soit une technologie inspirante, elle est limitée par les systèmes existants », a déclaré le Dr Christian Geberth, Chef de division Global Investor Services, Raiffeisen Bank International.

La résilience opérationnelle et les risques de concentration doivent également être pris en compte lors de l'utilisation de l'IA, indique Virginie O’Shea, fondatrice de Firebrand Research. Elle avertit également que les banques doivent éviter de devenir excessivement dépendantes d'une poignée de fournisseurs d'IA. 

À plus long terme, cette technologie pourrait s’avérer contre-productive si les gens en viennent à en dépendre trop et commencent à oublier les compétences vitales, un problème que l’industrie ne peut se permettre d’ignorer, a ajouté M. Mirochnikoff.

Maîtriser les risques réglementaires et de conformité dans le nouveau monde de l'IA

Les progrès de l'IA ne peuvent pas se faire au détriment du respect de la réglementation.

Premièrement, les données qui sous-tendent la formation de l’IA doivent être stockées en toute sécurité et utilisées de manière à ne pas enfreindre la législation sur la protection des données, notamment le règlement général de l’UE sur la protection des données.

Les conservateurs devront également être conscients de la nouvelle loi sur l'IA dans l'UE, qui adopte une approche fondée sur le risque pour réglementer l'IA, en classant la technologie en quatre catégories de risque distinctes, à savoir le risque inacceptable (c'est-à-dire les systèmes d'IA utilisés pour la notation sociale, qui sont purement et simplement interdits), le risque élevé (par exemple l'IA utilisée comme composant de sécurité dans un produit), le risque limité (c'est-à-dire les robots conversationnels) et le risque faible³.  

« Nous avons deux ans pour comprendre et mettre en œuvre la loi sur l’intelligence artificielle. Nous devrons évaluer le niveau de risques que nos outils d'IA peuvent poser, en plus des risques d'IA auxquels nous sommes exposés. Je m’attends à ce que la grande majorité des outils bancaires d’IA soient classés comme des applications à faible risque », déclare Yvan Mirochnikoff.

Pourtant, l'IA est notoirement opaque et les banques doivent être transparentes sur la façon dont elles utilisent la technologie.

Une grande partie de la technologie de l’IA est une boîte noire. Premièrement, lorsque vous faites appel à un partenaire externe en IA, vous devez être très clair sur le plan contractuel quant à ce que vous faites et à la façon dont vous le faites. Par exemple, si vous travaillez avec un moteur d'IA externe, vous devez comprendre sa conception et le type de données qu'il utilise. Lorsqu’on utilise certains modèles d’IA avec des moteurs statistiques, les réponses ne sont pas toujours indiquées noir sur blanc. Vous devez être clair avec les clients que ces moteurs statistiques ne produisent pas toujours des réponses binaires « oui » ou « non »

Quelles perspectives pour la suite ?

Malgré les différents obstacles auxquels la technologie est confrontée, l'IA a le potentiel de transformer le post-marché et la façon dont les fournisseurs soutiennent leurs clients. Dans ce paysage de plus en plus concurrentiel, les dépositaires offrant aux clients les meilleurs services de leur catégorie, grâce à l'IA, figureront parmi les gagnants à l'avenir.