Usages originaux de l'IA pour la banque

Toutes les institutions financières de la planète se ruent sur l'intelligence artificielle générative et finissent généralement par en expérimenter les bénéfices sur les mêmes applications. Le champ est pourtant vaste et XYB, l'éditeur de plate-forme lancé par la néo-banque Monese au printemps dernier, propose quelques idées plus originales.
La principale force de cette génération d'IA tellement à la mode depuis l'ouverture de ChatGPT au grand public étant sa capacité à transformer l'exploration d'immenses réserves d'information en une expérience conversationnelle en langage naturel, la plupart de ses implémentations professionnelles consistent, jusqu'à maintenant, à déployer un assistant virtuel capable de répondre aux questions de ses interlocuteurs, employés ou clients, de manière plus ergonomique qu'un moteur de recherche classique.
Naturellement, dans le cadre de son intégration de la technologie d'IA fournie par Google Cloud, XYB inclut cette option – que je qualifierais de « super foire aux questions » – au sein de sa panoplie, mais elle n'y prend qu'une place anecdotique. Elle préfère mettre l'accent sur des scénarios très opérationnels, correspondant à des problématiques critiques que rencontrent ses clients – les banques, notamment – dans leur quotidien et sur lesquelles les opportunités d'optimisation paraissent extrêmement prometteuses.
Le premier s'inscrit dans le registre des investigations internes. Qu'il s'agisse pour l'entreprise de rechercher les causes de rejet d'un paiement ou d'analyser les motifs d'abandon dans un parcours de souscription, le chatbot intelligent est alors mis au service de l'examen approfondi, sous forme interactive, des données collectées et conservées par le système jusqu'à en extraire les enseignements nécessaires pour d'abord comprendre les phénomènes puis, éventuellement, apporter des corrections pertinentes.

Le deuxième exemple, plus ambitieux, est également ancré dans un vécu des difficultés de fonctionnement d'une banque, à savoir le défi que représente pour les équipes de gestion des risques de prendre en main un outil de pilotage, qui plus est en évolution permanente, a priori destiné à les aider à concevoir, vérifier et mettre en œuvre les indispensables politiques de contrôle mais dont l'apprentissage et la maîtrise sont d'une incroyable complexité, au point, parfois, d'engendrer des erreurs dramatiques.
Dans ce contexte, l'intelligence artificielle est appelée à la rescousse pour interpréter les règles définies, et ainsi permettre à un opérateur d'en appréhender les mécanismes réels, ainsi que pour en créer de nouvelles grâce à une simple description en langue humaine, quitte à ce que leur traduction en instructions pour le logiciel soit (systématiquement) approuvée par une personne (en complément de l'environnement de bac à sable qui en autorise les tests en conditions réelles avant leur mise en production).
Au-delà des cas spécifiques, qui présentent déjà une valeur indéniable, ce que je retiens dans l'approche de XYB est sa prise de recul sur les usages possibles de l'intelligence artificielle générative. Au lieu de se contenter, comme tant d'autres, de réfléchir aux circonstances dans lesquelles un dialogue avec un robot pourrait être utile, elle se pose plutôt la (bonne) question : parmi les grandes frictions que je n'ai pas encore éliminées aujourd'hui, lesquelles pourraient trouver une solution grâce à cette technologie ?