{"id":4038,"date":"2019-04-10T07:30:03","date_gmt":"2019-04-10T05:30:03","guid":{"rendered":"http:\/\/variances.eu\/?p=4038"},"modified":"2019-04-10T07:46:11","modified_gmt":"2019-04-10T05:46:11","slug":"lintelligence-artificielle-services-financiers-mythes-realites-opportunites","status":"publish","type":"post","link":"https:\/\/variances.eu\/?p=4038","title":{"rendered":"L\u2019Intelligence Artificielle dans les services financiers : mythes, r\u00e9alit\u00e9s et opportunit\u00e9s ?"},"content":{"rendered":"

L\u2019Intelligence Artificielle, qu\u2019est-ce que c\u2019est ? <\/strong><\/h3>\n

D\u2019abord, il me semble sage de resituer et d\u00e9finir l\u2019Intelligence Artificielle (IA). D\u2019une part, pour \u00e9clairer la n\u00e9buleuse qui semble couvrir le concept d\u2019IA aujourd\u2019hui, suivant le m\u00eame chemin que le Big Data il y a quelques ann\u00e9es. D\u2019autre part, pour d\u00e9mystifier les techniques sous-jacentes \u00e0 l\u2019IA, qui ne sont \u00ab\u00a0que\u00a0\u00bb des math\u00e9matiques avanc\u00e9es\u2026<\/p>\n

De mani\u00e8re simple et g\u00e9n\u00e9rale, l\u2019IA recouvre l\u2019ensemble de techniques informatiques s\u2019appuyant sur des donn\u00e9es afin d\u2019expliquer, d\u2019aider \u00e0 la d\u00e9cision ou de pr\u00e9dire. Cela permet \u00e0 la fois l\u2019automatisation de t\u00e2ches jusqu\u2019alors r\u00e9alis\u00e9es par l\u2019homme (ex\u00a0: d\u00e9tection de fraudes) mais ouvre aussi le champ \u00e0 de nouvelles applications (syst\u00e8me de recommandation personnalis\u00e9). Les techniques d\u2019IA ont donc vocation \u00e0 reproduire des fonctions cognitives, n\u00e9cessitant des capacit\u00e9s d\u2019analyse et de d\u00e9cision, \u00e0 partir de donn\u00e9es massives (Big Data) et non n\u00e9cessairement structur\u00e9es. Parmi les techniques informatiques utilis\u00e9es, algorithmes supervis\u00e9s ou non supervis\u00e9s, nous pouvons lister les principales : les syst\u00e8mes experts, le Machine Learning (dont le Deep Learning et le Natural Langage Processing) et le Computer Vision\/Machine Vision. Les syst\u00e8mes experts d\u2019abord, permettent de r\u00e9pondre \u00e0 des questions, en fonction de r\u00e8gles pr\u00e9alablement sp\u00e9cifi\u00e9es. Ensuite, le Machine Learning (ML) en g\u00e9n\u00e9ral, permet d\u2019apprendre par entrainement (pr\u00e9diction par confrontation des pr\u00e9visions avec les r\u00e9sultats r\u00e9els). Le Deep Learning, sous-ensemble du ML, permet de s\u2019affranchir de sp\u00e9cifications fonctionnelles\u00a0; il est notamment utilis\u00e9 en reconnaissance d\u2019images et gr\u00e2ce aux r\u00e9seaux de neurones (dits profonds\u00a0: \u00ab\u00a0Deep\u00a0\u00bb Learning), en calquant ses principes sur le fonctionnement de notre cerveau, non pas en traitant l\u2019information avec des r\u00e8gles, mais par la pratique et la r\u00e9troaction. Le Natural Langage Processing (NLP), d\u00e9signe un ensemble de techniques du ML pour analyser, manipuler et potentiellement g\u00e9n\u00e9rer du langage \u00ab\u00a0humain\u00a0\u00bb (synth\u00e8se d\u2019articles de presse, analyses de textes, reconnaissance de langages, syst\u00e8mes de traduction automatiques, \u2026). Enfin, le troisi\u00e8me volet de techniques recouvertes par l\u2019IA, l\u2019interaction homme-machine (IHM), en utilisant de mani\u00e8re combin\u00e9e les technologies pr\u00e9c\u00e9dentes, recouvre le d\u00e9veloppement de syst\u00e8mes interactifs entre l\u2019homme et la machine, dans le but d\u2019effectuer une t\u00e2che de mani\u00e8re plus efficace. Les agents conversationnels et la r\u00e9alit\u00e9 virtuelle\/augment\u00e9e en sont des exemples.<\/p>\n

Toutefois, une rapide revue litt\u00e9raire en mati\u00e8re d\u2019IA, et notamment pour le secteur financier, ram\u00e8ne souvent les techniques\u2026 au \u00ab\u00a0RPA\u00a0\u00bb (Robot Process Automation)\u00a0! Bien que les techniques de RPA ne constituent pas des techniques d\u2019IA \u00e0 proprement parler, la confusion est forte avec l\u2019IA. Alors, pour rappel et pour bien distinguer la RPA de l\u2019IA, les robots dits de Process Automation sont des logiciels qui permettent d\u2019automatiser des processus stables bas\u00e9s sur des r\u00e8gles pr\u00e9cises, aliment\u00e9s de donn\u00e9es structur\u00e9es et digitales et traitant des op\u00e9rations r\u00e9p\u00e9titives et \u00e0 fort volume. Leur grand succ\u00e8s ces derni\u00e8res ann\u00e9es, notamment dans l\u2019industrie financi\u00e8re, s\u2019explique parce que ces robots logiciels ne n\u00e9cessitent pas d\u2019\u00e9volutions profondes du SI et peuvent \u00eatre \u00ab\u00a0plugg\u00e9s\u00a0\u00bb facilement dans les entreprises.<\/p>\n

Quelques chiffres sur le march\u00e9 de l\u2019IA<\/strong><\/h3>\n

Commen\u00e7ons par les chiffres du futur, quitte \u00e0 r\u00eaver un peu… \u00ab\u00a0Artificial Intelligence and The Banking Industry\u2019s $1 Trillion Opportunity\u00a0\u00bb,<\/em> titre un article de Financial Brand (mai 2018), d\u00e9taillant les gains en Front Office (490 Mds$), Middle Office (350 Mds$) et Back Office (200Mds$), permis par l\u2019IA. L\u2019article cite des pr\u00e9visions align\u00e9es avec celle de Bain & Co. et Accenture (1,1 Trillion$ et 1,2 Trillion$ respectivement). Plut\u00f4t que des gains absolus, il est int\u00e9ressant de souligner le gain de productivit\u00e9 (+~30%), au regard de la taille estim\u00e9e des Gross Value Assets<\/em>, comme le d\u00e9taillent les pr\u00e9visions d\u2019Accenture1<\/sup>\u00a0ci-dessous :<\/p>\n

\"\"<\/p>\n

Le march\u00e9 de l\u2019IA (non sp\u00e9cifiquement pour le secteur financier) est quant \u00e0 lui estim\u00e9 \u00e0 environ 90 Mds de dollars d\u2019ici 20252<\/sup>.<\/p>\n

De mani\u00e8re plus r\u00e9elle et actuelle, voici quelques chiffres pour appr\u00e9hender les enjeux de l\u2019IA, tous secteurs confondus, en France3<\/sup>\u00a0:<\/p>\n