Au cœur du Tech Show 2022, hébergé dans le gigantesque Hall 3 du parc des expositions de Paris, Porte de Versailles, le monde de la finance s’est trouvé une place pour échanger autour de l’Intelligence artificielle.
Cet événement unique regroupe cinq salons co-organisés : Cloud Expo Europe, DevOps Live, Cloud & Cyber Security Expo, Big Data & AI World et Data Centre World. Au milieu des stands présentant diverses solutions de refroidissement de data center et autre prouesses technologiques, le salon Big Data & AI World a fait une belle place au monde de la finance et a permis de prendre le pouls de ses avancées en la matière.
L’IA et ses usages potentiels
La démocratisation de l’IA dans le quotidien des entreprises rebat les cartes de ce qu’il est possible de faire. Ce constat vaut tout autant pour le monde de la finance, qui voit des possibilités nouvelles s’ouvrir devant lui. Clémence Panet-Amaro, Head of Data Science de la Banque Postale, relève son intérêt dans la lutte contre la fraude. « Il y a un cas d’usage novateur avec les algorithmes de reconnaissance qu’on n’avait pas avant ». Ces algorithmes permettent de comparer les photos d’identité soumises et de détecter plus facilement les fraudes & usurpations d’identité.
L’IA peut également avoir un rôle à jouer pour améliorer l’inclusion financière et ouvrir à l’accès au crédit à la consommation. Pour Natacha Baumann, Head of Data Strategy de la BNP, il est possible de « prendre en compte des données externes pour aboutir à un modèle plus intelligent, et donner à des populations auxquelles on a l’habitude de dire « non » tout en s’assurant de leur capacité de remboursement ». L’IA peut également servir à mesurer l’impact carbone d’un encours. « Lorsqu’on finance une voiture, quel est son impact global ? Il dépend de l’utilisation qu’en fait le client », explique-t-elle. Avec l’appui de l’IA, il est possible d’affiner ces estimations et de prendre des décisions en conséquence.
IA : éthiques et bonne pratiques
L’IA est un outil, et les conséquences de son utilisation, bénéfiques ou néfastes, dépendent justement de cette utilisation. C’est là qu’entre en jeu la notion « d’IA de confiance » si souvent mentionnée. Pour Laurent Inard, associé chez Mazard, les enjeux se trouvent dans la qualité des données et dans l’approche des IA. « La data est un actif, s’il est de qualité », explique-t-il. La finance fait émerger tellement de données qu’il faut faire un travail lourd, mais nécessaire, pour l’affiner. Surtout, il est important d’être attentif aux biais. « L’IA reproduit les comportements de la société et les sociétés humaines sont loin d’en être exemptes ». D’où la nécessité d’une approche éthique et prudente.
En plus de cela, il faut également s’assurer de la qualité de l’implémentation de l’IA au sein des entreprises. Pour Clémence Panet-Amaro, « le principal facteur de succès, c’est la complémentarité entre la triforce « Métier – IT – Data Science ». Les branches doivent travailler ensemble pour aboutir à une solution fonctionnelle (IT), de qualité (Data Science) et qui répond aux besoins (métier). Pour Laurent Inard, il faut aussi faire de la pédagogie auprès du public pour autonomiser les gens à l’IA. « Prenez Excel comme exemple. Tout le monde l’utilise, mais peu sont ceux qui savent utiliser plus de 20% de ses capacités. L’IA, c’est pareil. Il faut de la pédagogie pour démocratiser au maximum ses « 20% » afin que les utilisateurs aient un maximum d’autonomie ».
