comment les entreprises françaises peuvent-elles rattraper leur retard ?

Les institutions financières françaises se sont montrées prudentes quant à leurs investissements dans l’IA en 2023 – comment rattraper leur retard en 2024 ?

À l’échelle mondiale, 2023 s’est défini par l’intelligence artificielle (IA) générative. Bien que la technologie soit loin d’être nouvelle, elle s’est ouverte au grand publique à une échelle du jamais vu grâce à l’essor de ChatGPT, le premier modèle d’IA générative naturel disponible pour la consommation de masse qui permet aux utilisateurs d’introduire leurs requêtes en langage naturel. Les employés qui manquaient de compétences techniques pourraient enfin utiliser des outils d’IA pour diverses applications jusqu’alors inexplorées.

En France, les entreprises n’ont pas souhaité la bienvenue à l’IA générative dans la même mesure que dans d’autres pays. Selon une étude récente, les institutions financières françaises se sont montrées prudentes quant à leurs investissements dans l’IA en 2023, avec seulement 28 % des décideurs interrogés déclarant avoir déjà adopté l’IA au cours des 12 derniers mois, soit une baisse de six points par rapport à 2022. Le sentiment à l’égard de l’IA générative est similaire, ce qui signifie que les banques pourraient passer à côté des avantages qu’elles ont déclarés comme étant les plus importants, tels que l’amélioration du service cliente et de la gestion des risques. Pour rattraper ce retard, les banques françaises doivent réfléchir aux applications pertinentes de l’IA générative, à leur stratégie de risque, et aux opportunités présentées par ce nouvelle technologie.

Déploiement de l’IA générative : défis et considérations

Selon une étude de McKinsey qui date de décembre dernier, l’adoption de l’IA générative dans toutes les industries au niveau mondial pourrait générer entre 2 600 et 4 400 milliards de dollars par an. Et c’est le secteur bancaire qui a le plus à gagner, avec une augmentation potentielle des revenus de 200 à 340 milliards de dollars par an grâce à l’amélioration de productivité offerte par l’IA générative.

Malgré ces atouts importants, le secteur financier en France continue de se limiter. Soumis aux exigences réglementaires strictes et traitant d’importantes quantités de données personnelles sensibles, la mise en œuvre de toute nouvelle technologie s’accompagne de défis pour les banques. De même, l’IA générative suscite des inquiétudes légitimes, notamment en ce qui concerne la confidentialité et la sécurité des données. Il se peut donc que les banques françaises attendent des clarifications réglementaires, ou qu’elles se trouvent à la phase d’expérimentation et ne soient pas encore prêtes à passer à un déploiement à grande échelle. Le calendrier est la réserve de chaque institution, et sera dicté le contexte interne qui favorisera ou limitera l’utilisation d’IA générative.

Le développement des applications sectorielles

Au sein des organisations financières, il existe trois grands emplois pour l’IA générative : l’aide aux tâches répétitives quotidiennes, la facilitation d’écriture du code pour les développeurs, et la retouche de l’expérience client. En tant que tel, le potentiel de la technologie pour simplifier le travail des employés et ainsi les libérer pour qu’ils se concentrent sur les priorités stratégiques est important.

Le principal cas d’usage de l’IA générative pour les services financiers est la collecte et le traitement de données pour la prise des décisions d’investissement ou de prêt ESG. Grâce aux Grands modèles de langage (LLMs) qui alimentent les modèles d’IA générative, les banques peuvent facilement extraire, analyser et interpréter les vastes quantités de données non structurées qu’elles possèdent, même si elles sont conservées dans des systèmes cloisonnés. Plutôt que de passer à l’analyse manuel de ces données, elles sont gérées manuellement, afin de transmettre plus rapidement les décisions de prêt aux clients, améliorant ainsi leur expérience. L’IA générative peut également être utilisée pour rassembler les données ESG propres aux banques en vue de l’établissement de rapports, ce qui est particulièrement important depuis l’entrée en vigueur de la directive sur l’établissement de rapports sur le développement durable (CSRD) de l’UE, qui impose à toutes les grandes entreprises et aux PME cotées en bourse de publier des informations sur l’impact environnemental de leurs activités.

Encourager l’adoption au sein de l’entreprise

Les décideurs se trouvent dans une situation où ils doivent présenter des arguments solides en faveur de la mise en œuvre de l’IA générative, et s’assurer qu’ils comprennent et communiquent efficacement les avantages, les risques et les cas d’usage. La collaboration avec les partenaires technologiques de référence peut s’avérer pertinent dans ce processus, d’autant qu’ils peuvent proposer des solutions qui s’intègre de manière transparente dans les produits et services existants de la banque. De même, lorsque les employés commencent à utiliser l’IA générative dans leur travail quotidien, ils doivent bénéficier d’une formation et d’un soutien pour les aider à se perfectionner et à utiliser la technologie en toute sécurité.

C’est le moment d’expérimenter avec l’IA générative ; à mesure qu’elle se développe, son potentiel s’élargira de manière contingente. En 2024, et au-delà, elle sera au cœur de la numérisation de la finance, permettant aux banques de perfectionner les processus existants, ainsi que de débloquer de nouvelles possibilités. Les discussions réglementaires en cours peuvent avoir un impact sur le déploiement, de sorte que les organisations doivent s’assurer qu’elles restent à jour et préparées à tout nouveau développement. L’adoption de l’IA doit se faire avec prudence et être motivée avant tout par le désir de créer de la valeur pour les clients, les employés et les autres parties prenantes à long terme, plutôt que de rechercher des gains à court terme.