Intelligence artificielle : du concept à la réalité dans les fonds d’investissement

L’IA en bref

L’intelligence artificielle débute dans les années 1950 lors de la création de premier réseau artificiel de neurones par deux étudiants de l’université de Harvard. Ces réseaux sont devenus une partie importante dans la catégorisation des IA qui ont été développées par la suite. Deux grands concepts essentiels émergent ensuite : l’IA générale et l’IA spécialisée. La première a pour vocation d’être un assistant de vie multi-tâches alors que la seconde sert à effectuer des tâches dans un domaine précis avec un degré accru de précision.

Question fonctionnement, nous pouvons distinguer deux grandes familles de technologies : le Machine Learning et le Deep Learning. Le Machine Learning est un mécanisme d’analyse de données à travers des algorithmes pour identifier des modèles et effectuer des prédictions. Le Deep Learning est quant à lui une branche du Machine Learning qui se concentre sur l’utilisation de réseaux de neurones artificiels. Le Machine Learning est donc une forme avancée d’analyse de données quand le Deep Learning vise à copier le fonctionnement du cerveau humain.

Les domaines d’application sont multiples et utilisent à la fois Machine et Deep Learning. Le traitement du langage naturel (NLP pour Natural Language Processing), la robotique, les systèmes experts, l’apprentissage par renforcement ou la vision par ordinateur en sont des exemples. Des applications respectives sont Chat GPT et Alexa, Boston Dynamics ou les robots aspirateurs, le système de conseil médical IBM Watson, les bots de jeux vidéos ou encore la reconnaissance faciale et vocale.

Enfin, un dernier grand concept est celui de l’IA générative. Cette appellation concerne la capacité d’une IA à générer des données en prenant exemple sur du contenu créé par des humains. Le fonctionnement repose sur un système de génération et de filtrage lui permettant de s’améliorer en continu lorsqu’il est exposé à une base de données comparative.

Pourquoi un tel succès ?

Grâce à cette variété de cas d’usage, l’IA trouve une place dans tous les secteurs d’activité, et en particulier dans le domaine des fonds d’investissement où les marges sont souvent réduites.

Pour les entreprises, elle permet l’automatisation de nombreuses tâches intellectuelles répétitives à faible valeur ajoutée et libère ainsi du temps pour des projets à plus forte valeur ajoutée. La conséquence directe est une réduction des coûts et une augmentation de la productivité, car les IA génératives produisent de grandes quantités de contenu en un temps très limité.

D’autre part, cette révolution technologique apparaît comme étant une opportunité de progrès social. L’augmentation de la productivité, la baisse des coûts, moins de répétitivité au travail et des outils de travail de plus en plus autonomes pourraient permettre un accroissement du niveau de vie et une baisse de la pénibilité du travail.

Dernièrement, le lancement de Chat GPT par la société OpenAI a eu un fort impact sur la perception publique de l’intelligence artificielle. La gratuité de l’application a entraîné une adoption massive par les utilisateurs qui ont pu découvrir l’état d’avancement de la technologie. Une explosion d’idées d’usage s’en est suivie sur les réseaux sociaux et beaucoup de nouveaux business models commencent à émerger.

Nos avancées chez Société Générale Securities Services (SGSS)

A ce jour, le portefeuille du groupe Société Générale compte plus de 330 cas d’usage (UC) Data et IA en production, dont 170 sont basés sur l’IA, afin d’exécuter la stratégie avec une création de valeur attendue de 500 millions d’euros d’ici à 2025.

Chez SGSS, nous profitons du plein potentiel de ces nouvelles technologies et de la force de notre Groupe pour offrir des services de la meilleure qualité possible à nos clients. La recherche d’efficacité et d’automatisation de nos processus est devenue un vrai leitmotiv, au même titre que l’expérience client ou l’efficacité commerciale.

Par exemple, notre nouvel outil de filtrage intelligent nous permet d’identifier les flux cash qui sortent de l’ordinaire et répondre de manière plus efficace à nos obligations de lutte contre la fraude et de contrôle reglementaire.

Basé sur des capacités digitales internes et déjà entraînées, notre outil de lecture automatique de prospectus nous permet d’accélérer le processus d’onboarding client en relevant les informations clés des documents et en les intégrant directement dans notre base de données.

Dernier exemple qui nous permet d’améliorer encore la rapidité de travail à destination de nos clients, un outil permettant de résumer les factsheet sur la performance de nos fonds clients pour permettre une analyse et un traitement de l’information automatique réduisant davantage le coût de nos services. 

De manière générale, la composante IA fait partie intégrante des nouveaux outils de production de SGSS. Nous sommes désormais dans l’ère « IA by design ».

Ces avancées et le travail de collaboration Homme – Machine renforcent notre gestion de la donnée avec pour objectif de nous positionner sur les sujets clés de l’avenir. L’IA est au moins autant un sujet de culture que de technologie. Chez Société Générale, nous avons très vite compris la nécessité de former tous les collaborateurs, sous des formes adaptées, allant de la sensibilisation (quelques heures) au perfectionnement (quelques jours), mais aussi à la requalification (quelques recherches et un changement d'emploi à la fin). Une bonne maitrise des données et de ces technologies garantissent les services innovants de demain pour nos clients et les nouvelles générations.

Laurent Marochini, Responsable de l'Innovation, Société Générale Securities Services  Luxembourg