Vers une intégration efficiente de l’Intelligence Artificielle dans la Banque – Un défi pour la gouvernance 2018-09-11T20:19:52+00:00

Project Description

Entre scepticisme, mises en gardes et défaillances, l’application de l’Intelligence Artificielle à la finance a de nombreuses raisons de ne jamais atteindre son apogée. Si les risques liés à l’application de l’Intelligence Artificielle dans la Banque sont « flous mais bien réels », celle-ci bousculera non seulement l’industrie bancaire mais plus encore éprouvera les modèles de gouvernance.

Un engouement certain mais limité

Tandis que de nombreux experts se targuent d’avancées notables tant l’Intelligence Artificielle offre une myriade de solutions stratégiques, le Conseil de Stabilité Financière (FSB) entre autres, refreine cet engouement à coup de mise en garde quant à son utilisation. L’actualité alimente ces craintes, comme en témoignent la mésaventure du « Terrible Tay » Chatbot expérimental de déployé par Microsoft sur Twitter début 2016, les controverses autour des conditions d’application du Oncology Expert Advisor d’IBM Watson en Février 2017, ou de manière plus insolite mais non moins symbolique le renvoie de Fabio ce robot chargé d’indiquer l’emplacement des produits dans un supermarché d’Edimbourg en Janvier 2018.

Dans le domaine bancaire, on assiste néanmoins à un véritable foisonnement de projets IA. Comme le note l’Observatoire des métiers de la banque (OMB Déc. 2017), les banques restent particulièrement « prudentes, voire attentistes, vis-à-vis de l’IA », la priorité étant donnée aux projets de numérisation, d’automatisation du traitement des informations et à l’organisation du réseau. Un engouement très théorique donc, dans la mesure où les applications à la force de vente et au traitement des opérations ne représenteraient respectivement, toujours selon l’OMB, que 15% et 25% des cas d’usage.

Enfin, outre le long débat sur la sécurisation et l’intégrité des données, que la General Data Protection Regulation (GDPR) entrant en application le 25 mai 2018 est censée coordonner, les problématiques auxquelles l’Intelligence Artificielle est confrontée, sont autant de motifs qui maintiennent les applications dans les domaines analytiques de banque et de la finance au stade expérimental.

L’intelligence artificielle au détriment de l’expertise ? L’exemple du Credit Scoring

Un maigre compte qui ne présage pas de bons augures pour d’autres applications, comme au Credit Scoring par exemple, domaine dans lequel l’intelligence artificielle est autant redoutée qu’espérée. Espérée car l’IA ouvre de nouveaux champs d’investigation jusqu’à lors pas ou peu exploités. Redoutée car il s’agit là d’un domaine revêtant un caractère multidimensionnel, au schéma de gouvernance complexe qui ne saurait s’accommoder que difficilement d’un tel bouleversement. Redoutée, car elle nécessitera, avant la mise au diapason des experts, celle des auditeurs et superviseurs. Redoutée enfin, car elle imposera une importante charge de reconversion des systèmes experts en vigueur avec un impact probablement fort du point de vu des ressources (humaines, techniques, etc.).

Et pourtant, la possibilité d’interagir et de faire collaborer les données, entre projection économiques, études de marché et avis expert, projections sectorielles, informations cadastrales, données de l’observatoire statistique info-greffe, ou encore la confirmation d’adresse par
géolocalisation (…) sont des sources inestimables d’informations que la plupart des modèles de Credit Scoring ne peuvent intégrer concrètement aujourd’hui, faute d’une technologie, de compétences et d’agréments à même de le permettre.

C’est bien le manque de transparence, ce fameux effet «black box» entourant la complexité des algorithmes, plus que la crainte de la perte de souveraineté des Banques sur la maitrise de leur processus, qui alimente le scepticisme autour des applications de l’IA dans les domaines analytiques de la banque et de la finance. Jusqu’où peut-on concéder de l’autonomie à l’IA ? Pour l’heure si les principales applications dans le domaine analytique se concentrent sur la détection de la fraude et le blanchiment ou encore le ciblage marketing et l’appétence, pourquoi la question de la transparence méthodologique provoque-t-elle dans ce cas moins d’émoi ? Précisément parce qu’il s’agit d’un domaine dans lequel les méthodes orthodoxes de détection ne sont pas parvenus à s’illustrer tant celles-ci peinent à interpréter les signaux faibles, alors que les méthodes de « Machine Learning » y parviennent. La fin justifie donc les moyens.

Pourtant, le Credit Scoring est une discipline mature à forte dominante métier où le jugement expert a une importance capitale dans le processus de décision, fer de lance des établissements bancaires dans la maitrise de leur charge de risque. Importance d’ailleurs affirmée par l’ACPR dans le cadre du document consultatif du 14/11/2016 (EBA CP 2016 21) : l’IA ne pourra pas se substituer plus que les systèmes experts ne se substituent déjà au jugement expert. Et si les craintes émises par le FSB face à l’exposition au risque systémique que pourrait faire porter les applications de l’IA sont légitimes, elles restent néanmoins très théoriques dans la mesure où le contexte prudentiel d’une part, et les schémas de gouvernance bancaires d’autre part, ne peuvent légitimer de remettre le pilotage de la charge du risque entre les mains d’une quelconque IA.

Un engagement nécessaire dans l’accompagnement au changement

Un consensus général et un effort de pédagogie est donc nécessaire pour provoquer l’acceptation de ce qui ne s’apparente à rien de plus qu’à un nouvel outil d’aide à la décision : intelligence artificielle auto-apprenante certes, mais aussi imparfait que les intelligences humaines qui la conçoivent. C’est pourquoi, par ailleurs, l’Intelligence Artificielle ne pourra endosser la responsabilité de nos conflits d’intérêt et de nos aléas de moralité.

Dans les banques, cet effort pédagogique doit être relayé y compris au niveau opérationnel, en intégrant cette nouvelle compétence à la gouvernance d’entreprise afin de définir les limites de l’intégration de l’Intelligence Artificielle au sein des divers processus opérationnelles. Conscient de ces enjeux et appuyant sur le « potentiel disruptif » dans tous les secteurs induit par le rythme d’innovation, Orange Bank souligne dans sa tribute du 26 Janvier 2018 la nécessité d’accompagner cette « quatrième révolution industrielle d’un effort considérable en formation et d’un coaching des individus ».

Au-delà, cet effort vulgarisation et de démystification doit être relayé dans le domaine public. C’est à cette fin que le mathématicien et médaille de Fields 2010, désormais député LREM, Cédric Villani a été chargé par le gouvernement d’une mission de réflexion sur la question, et qui conclut à l’endroit des impacts sociaux et économiques, à l’extrême nécessité de « penser, à tous les niveaux, à la gouvernance permettant d’organiser un dialogue (…) pour anticiper les impacts de l’IA ».

Par Alexandre ZAVAGNO, Projet Manager chez Vertuo Conseil

RETOUR