L’intelligence artificielle générative n’est pas qu’un langage réservé à des usages B2C ou à des pure players de la tech : en banque-assurance-finance, les premiers cas d’usage commencent également à porter leurs fruits. Des résultats qui ne devraient pas laisser insensibles les programmeurs Cobol…
Révolution tech de l’année 2023, l’intelligence artificielle générative (gen AI) arrive désormais à l’étape des premiers retours d’expérience : après une période de prise en main et d’acculturation, les entreprises ont désormais plus de recul sur les capacités offertes dans divers secteurs. Si son potentiel en matière de gains de productivité, d’innovation et de disruption de marchés n’est plus à démontrer, les usages commencent tout juste à se structurer.
Le secteur Banque-Assurance-Finance ne fait pas exception : si les promesses sont multiples, l’expérimentation et les usages tardent encore à se rendre visibles. Or, ces cas concrets et ces proof of concepts sont d’autant plus importants à valoriser qu’ils peuvent servir d’exemples à toute la filière. À travers les enseignements qu’ils livrent, ils peuvent également permettre aux opérateurs de mieux cibler les usages les plus performants et de favoriser leur adoption.
Bots, assistants de code, générateur Cobol… quelques cas d’usage
En tant que partenaire de premier plan des entreprises du secteur bancaire et financier (nous accompagnons dix-huit institutions financières européennes sur les vingt plus prestigieuses), Cognizant est impliqué dans la concrétisation de plusieurs pilotes. Pour les raisons évoquées plus haut, il nous semble important de livrer un premier panorama de ces expérimentations et d’en partager les enseignements les plus récents.
- Tout d’abord, nous avons conduit un projet de Proof of Value (POV) pour le compte d’un établissement spécialisé sur les produits d’investissement et d’assurance. Dans celui-ci, l’objectif était d’évaluer l’intérêt de l’IA générative dans la relation client, en l’occurrence dans sa dimension conversationnelle (il s’agissait de perfectionner le chatbot). Les résultats de l’introduction de l’IA ont été concluants : le taux de pertinence des réponses est ainsi passé de 91 % à 97 %, avec de nettes améliorations constatées en matière d’efficacité et de réduction des erreurs, sans compter les effets positifs indirects sur la relation client.
- Il y a quelques mois, nous avons également lancé un pilote pour une banque européenne autour de l’usage d’assistants de programmation (aide à la génération de code). C’était notre première expérimentation en la matière et pourtant, dès cette étape, nous avons constaté une hausse de 35 % de productivité sur le codage. Des performances comme celle-ci laissent à penser que c’est l’un des usages qui aura le plus d’impact sur tout l’écosystème BFSI (y compris pour les partenaires intégrateurs comme Cognizant).
- Un autre pilote intéressant à mentionner est celui que nous avons mené auprès d’un leader de l’assurance britannique sur la conversion de code en langage Cobol. Il est désormais possible d’utiliser l’intelligence artificielle pour rédiger en Cobol ce qui peut élargir grandement le cercle de ceux qui maîtrisaient ce langage de programmation. Pendant plusieurs semaines de projet, nous avons observé que l’IA générative offre une alternative plus souple et plus efficace pour gérer ce langage, ce qui augure de nombreuses disruptions au sein des infrastructures héritées.
- Plus généralement, tous secteurs confondus, nous constatons que les entreprises s’intéressent de près à l’utilisation de la generative AI dans une perspective ESG. Dans une récente enquête menée par Cognizant et Oxford Economics auprès de 3000 décideurs, 58 % des entreprises interrogées déclarent avoir déployé des technologies d’intelligence artificielle et de machine learning pour améliorer leur impact en matière de durabilité.
Comment se différencier ?
Les promesses encourageantes que véhiculent ces premiers résultats constituent nécessairement un appel d’air pour les entreprises : face à la simplicité d’accès à l’IA générative, toutes les institutions financières seront tentées de se lancer dans une course à l’innovation exploitant les mêmes outils. D’où une interrogation légitime sur la capacité de chacune à se différencier et à se montrer compétitive.
Sur ce point, le prospectiviste Duncan Roberts, du Cognizant Research, est formel : « Les deux éléments qui vont vous permettre de vous positionner différemment sont les données et les talents de votre entreprise. Les données, parce qu’elles sont la matière première qui vous est propre pour raffiner des modèles qui, eux, sont communs à tous. Et les talents, parce qu’ils sont les seuls capables de traduire concrètement les résultats de l’IA générative en applications métiers ».
À partir de là, quelle est la marche à suivre pour initier ces projets ? Duncan Roberts invite les entreprises à se poser d’abord quelques questions de base qui permettront ensuite de cadrer le pilote : « Quel est l’objectif poursuivi en matière de ROI ? Quels sont les impacts réglementaires potentiels ? Quelles seront les compétences requises sur le projet ? De quel patrimoine de données disposons-nous ? et lequel mobilisons-nous pour le pilote ? Quels garde-fous devons-nous mettre en place ? Comment ces retours d’expérience risquent-ils de transformer notre modèle d’activité et nos opérations ? ».
En adoptant cette vision globale, les entreprises prendront une longueur d’avance sur leur transformation interne et sur la concurrence. En gardant en tête que les données restent le cœur de la démarche, et que celles-ci doivent donc être préparées et structurées pour répondre à ces différents usages.
Article traduit et localisé à partir de l'article en anglais, The Gen AI revolution in banking – yes, it’s happening, écrit par Mats Johard, Country Manager, Cognizant Sweden.
