Générer de nouvelles sources de revenus bancaires grâce à l’IA générative

Depuis de nombreuses années, les banques utilisent l’analyse avancée, l’apprentissage machine et l’intelligence artificielle (IA) pour améliorer les opérations et la performance dans de nombreux domaines. Grâce à l’IA, les banques peuvent gagner en visibilité et en efficacité et offrir une expérience client plus personnalisée. Elles balaient et analysent des quantités considérables de données, automatisent davantage de fonctions et proposent des produits et des services innovants avec une meilleure expérience client.

Alors que les banques utilisent différentes techniques d’intelligence artificielle, notamment l’analyse prédictive et les assistants virtuels, l’intelligence artificielle générative, la dernière-née, est aujourd’hui au centre de toutes les attentions et les banques tentent de trouver le meilleur moyen de la déployer. Cela a donné lieu à un débat sur l’IA générative. S’agit-il d’une solution miracle pour les banques ou d’un outil supplémentaire dans la boîte à outils?

En aidant les banques à exploiter l’IA de manière responsable, nous en sommes venus à considérer l’IA générative comme un outil et non comme une panacée. Il s’agit toutefois d’un outil très puissant et, de ce fait, il convient d’en faire usage avec beaucoup de précautions. En outre, l’IA générative peut aller plus loin que la simple amélioration des fonctions d’affaires existantes; elle peut, et devrait, générer de nouvelles sources de revenus pour les banques. Le cadre d’utilisation responsable de l’IA de CGI garantit la transparence, la fiabilité, la sécurité et la robustesse des solutions.

Dans ce blogue, je vous propose de découvrir comment exploiter le potentiel de génération de revenus que peut offrir une mise en œuvre responsable de l’IA générative.

La transition vers l’intelligence artificielle générative

En raison de ses capacités remarquables, la plupart des banques investissent dans l’IA générative. Elles effectuent des expériences de preuve de concept ou mènent des projets pilotes pour mieux comprendre le fonctionnement de la technologie et déterminer comment elle peut être utilisée pour générer des résultats fiables et responsables.

Ainsi, une banque a recours à l’IA générative pour économiser plus de 100 millions de dollars par an en améliorant la prévention et la détection de la fraude. D’autres banques l’utilisent pour améliorer l’expérience client, en acheminant davantage de demandes émanant des centres d’appels et des clients vers les assistants virtuels (permettant ainsi de libérer des agents humains pour traiter les demandes plus complexes qui requièrent la compréhension et l’empathie d’une personne). On peut également citer la modernisation du code (migration du code existant vers des technologies plus récentes), la génération de métadonnées et de documentation technique, la mise à disposition d’un soutien spécialisé pour les agents, la simplification de la migration des données vers le nuage et un accès plus facile aux produits et aux services bancaires pour les clients.

Les banques appliquent l’IA générative aux domaines qu’elles connaissent et comprennent pour améliorer ce qu’elles font déjà. Du point de vue de la gestion du risque, il s’agit d’une décision judicieuse pour la mise en œuvre d’une nouvelle technologie. Toutefois, ces premières initiatives ne sont que les prémices des possibilités que peut offrir l’IA générative. Elle peut non seulement améliorer les activités actuelles des banques, mais aussi leur permettre de transformer des domaines essentiels à leur croissance rentable et à leur survie, tels que la génération de nouveaux revenus (voir notre étude technique sur les finances intégrées).

Alors que de plus en plus d’établissements non bancaires entrent dans l’arène bancaire, la concurrence continue de s’intensifier autour des services bancaires traditionnels. Pour lutter contre ce phénomène, un nombre croissant de banques vont au-delà du marché bancaire traditionnel en intégrant leurs services dans les flux de travail des autres entreprises (notamment par des processus d’achat et de financement, aussi appelés « finances intégrées »). Alors que les banques utilisent l’intelligence artificielle générative pour concurrencer les établissements non bancaires et étendre leurs marchés, elles peuvent, dans le même temps, renforcer l’efficacité, créer de nouveaux produits et services et générer des expériences client innovantes. Il en résulte une amélioration de l’acquisition et de la fidélisation des clients et, bien sûr, une augmentation des revenus.

Les défis à relever pour aller plus loin dans l’utilisation de l’intelligence artificielle générative

Faire en sorte que l’IA générative se concentre non plus sur l’amélioration des opérations et de la performance, mais sur la création de nouvelles sources de revenus n’est pas sans poser de problèmes. Tout d’abord, il faut faire preuve d’imagination et investir. Les banques doivent imaginer les possibilités et investir pour identifier, prototyper et affiner de nouvelles capacités et offres.

Dans le cadre de ce travail, les risques doivent être évalués au moyen de simulations automatisées et de tests humains, ainsi qu’en maintenant une intervention humaine dans la prise de décision axée sur l’IA pour s’assurer que les paramètres de l’IA sont et restent corrects. Par ailleurs, ce travail nécessite d’aborder les « esprits de la machine » (c’est-à-dire les conséquences involontaires qui résultent du non-respect de l’utilisation prévue d’un système lors de l’application de l’IA générative).

Ce niveau de créativité et d’innovation dans une forme non contrainte n’est pas courant dans les secteurs axés sur la réglementation et la prévention des risques comme le secteur bancaire, mais il est essentiel pour maximiser le potentiel de l’IA générative. Tirer parti des bonnes pratiques et établir des règles de protection claires permet d’explorer les nouvelles technologies de l’IA d’une manière sûre et fiable. Par exemple, l’utilisation responsable des cadres d’IA peut et doit être intégrée dans l’évaluation de ces cas d’utilisation. (Pour en savoir plus, consultez le blogue de ma collègue Diane Gutiw : Adopter l’IA de façon responsable pour passer de l’automatisation à la création et Règles de protection des données à l’ère de l’intelligence artificielle générative.)

Le financement constitue un autre défi. Il n’est pas facile de demander de l’argent pour financer une expédition de pêche, en particulier lorsque vous n’êtes pas sûr à 100 % du produit que vous allez pêcher et de votre lieu de pêche, ni de ce que vous en obtiendrez. Lors de l’élaboration d’une analyse de rentabilité liée à l’IA générative, il est important de fixer des limites appropriées, au risque de se retrouver à explorer tout l’océan, ainsi que de définir des objectifs et des mesures clairs en matière de rendement du capital investi, pour vous permettre d’évaluer et de capitaliser sur votre succès.

La rapidité est également un enjeu de taille. Les banques sont évaluées tous les 90 jours, par leurs rapports trimestriels, de sorte que les expériences liées à l’IA générative doivent porter leurs fruits rapidement. Par ailleurs, les banques sont confrontées à des défis liés à la maîtrise des coûts et à l’atténuation des risques. La baisse des coûts des ressources informatiques, combinée à une plus grande disponibilité de l’informatique en nuage, permet aux banques d’exploiter plus facilement les grands modèles de langage pour identifier de nouvelles possibilités. Cependant, ces efforts de mobilisation de ressources peuvent entraîner une augmentation des coûts et des risques.

Recommandations pour générer de nouvelles sources de revenus

Comment les banques peuvent-elles relever ces défis et bien utiliser l’IA générative pour générer de nouveaux revenus? Voici quelques recommandations basées sur notre travail avec les banques dans le domaine de l’IA générative.

1. Dépassez le cadre de vos opérations en explorant de nouvelles occasions de revenus.

   Pour réussir avec l’IA générative, il faut sortir des sentiers battus et explorer de nouveaux horizons. C’est particulièrement vrai dans le secteur bancaire, compte tenu de la lenteur avec laquelle le marché se transforme et de la rapidité avec laquelle de nouveaux acteurs apparaissent. Conçue et mise en œuvre de manière responsable, l’IA générative permet d’explorer de nouveaux marchés grâce à ses puissantes données et à ses capacités d’automatisation. En dépassant le cadre de vos opérations, en découvrant de nouveaux horizons et en analysant la réalité du terrain à l’aide de l’IA générative, vous pourrez trouver de nouvelles façons d’étendre vos marchés et vos offres et de créer de nouvelles sources de revenus.

2. Fixez des limites précises et significatives en matière de perspectives de marché et de temps afin de pouvoir agir rapidement et en toute rentabilité.

   Une fois que vous avez identifié les perspectives de marché à exploiter avec l’IA générative, définissez les aspects de ces perspectives que vous souhaitez approfondir et le temps que vous souhaitez y consacrer. Par exemple, souhaitez-vous approfondir un aspect précis bien défini ou votre stratégie en matière d’IA générative nécessite-t-elle une approche plus large? Les efforts ciblés ont généralement des boucles de rétroaction plus courtes et plus claires que les stratégies globales, ce qui augmente vos chances de réussite dans un délai plus court. Au fur et à mesure que l’IA générative se développe, ces exercices peuvent être accélérés en exploitant l’IA pour simuler les taux de pénétration et les cycles de vente afin que vos équipes aient une meilleure idée des chances de réussite du projet avant même qu’il ne démarre.

3. Échouez rapidement et allez de l’avant.

   Tirez des leçons de chaque projet d’IA générative, ajustez les invites utilisées pour interagir avec les solutions et appliquez les leçons tirées au projet suivant. Assurez-vous, par exemple, que les paramètres de recherche sont mieux définis et intégrés à chaque projet et sont, en fin de compte, plus réalisables.

Tout est question de marges

S’il existe différentes marges pour mesurer le succès d’une banque, les marchés boursiers s’intéressent surtout aux marges bénéficiaires. Une banque peut améliorer sa marge bénéficiaire en réduisant ses coûts ou en augmentant ses revenus. L’IA générative lui permet de faire les deux, et ce d’une manière qui prend en compte et associe la prévention des risques et les résultats commerciaux. Alors que de nombreuses banques se concentrent actuellement sur la réduction des coûts grâce à l’IA générative, l’utilisation de la technologie pour augmenter les revenus reste une piste inexploitée.

Si vous souhaitez en apprendre davantage sur la façon dont CGI aide les banques à tirer parti de cette solution, n’hésitez pas à communiquer avec moi.