Adopter l'IA générative dans le secteur bancaire : cas d'usage et défis potentiels.

Les modèles GenAI tels que les GAN simulent des transactions frauduleuses afin d'aider les banques à améliorer la détection des fraudes et la gestion des risques. Par exemple, le système Payment Outlier Detection de Citi utilise des ML statistiques avancées pour identifier de manière proactive les paiements aberrants. La Deutsche Bank, en partenariat avec NVIDIA, teste des ML appelés Finformers pour fournir des alertes précoces sur les risques et accélérer la récupération des données. Enfin, HSBC a fait équipe avec Google Cloud pour développer AML AI, une solution autonome formée à partir des données des clients pour prévenir le blanchiment d'argent.

La capacité de la GenAI à traiter d'énormes quantités de données en fait un excellent outil pour les prévisions financières. Les banques l'apprécient, car des prévisions précises sur des marchés en évolution rapide sont essentielles pour prendre des décisions intelligentes. JPMorgan Chase, par exemple, exploite l'apprentissage profond et l'apprentissage par renforcement pour repérer les tendances du marché et affiner ses stratégies de négociation. Goldman Sachs s'appuie sur Kensho, une plateforme d'IA qui analyse les documents financiers à l'aide de réseaux neuronaux et de NLP, ce qui l'aide à prédire les prix des actifs avec plus de confiance.

Les outils de GenAI accélèrent considérablement le traitement des documents dans les banques : ils peuvent facilement repérer les schémas, extraire les données requises beaucoup plus rapidement et sont beaucoup moins sujets aux erreurs. De plus, ils deviennent de plus en plus intelligents au fil du temps. COiN (Contract Intelligence) de JPMorgan Chase en est un bon exemple : il s'agit d'une plateforme d'IA capable de traiter des milliers de documents en quelques secondes. Elle utilise le NLP pour comprendre le jargon juridique et signaler les risques tels que la non-conformité ou les termes vagues qui se cachent dans les contrats. Cela permet de réduire les erreurs et le travail manuel, de libérer des ressources et d'éviter des litiges juridiques coûteux.

L'un des aspects les plus intéressants de la GenAI est sa capacité à gérer les choses de manière autonome, ce qui en fait un outil extrêmement utile pour les enquêtes. Elle peut passer au crible les données, trouver des modèles et même suggérer ou prendre des mesures, ce qui est très utile pour les affaires délicates comme les crimes financiers. Prenons l'exemple de l'utilisation de Darktrace par Barclays : cette IA retrace la manière dont les fraudeurs ont mis en place leurs stratagèmes et montre à l'équipe de sécurité ce qui n'a pas fonctionné, quels systèmes ont été ciblés et comment renforcer les défenses. De plus, si la fraude se produit en temps réel, elle peut intervenir pour bloquer les transactions douteuses ou geler les comptes, tout cela sans perturber les opérations commerciales normales.

La GenAI aide les banques à créer des produits financiers personnalisés, à ajuster les caractéristiques et même à repérer les risques avant qu'ils ne surviennent, tout en restant flexibles face à l'évolution des marchés. Un bon exemple est Standard Chartered, qui utilise des plateformes telles que Peltarion et AWS AI pour analyser les données du marché et le comportement des clients. Cela l'aide à prédire les tendances et à créer des produits personnalisés, comme des investissements axés sur l'ESG et des solutions bancaires personnalisées, tout en simulant la performance des produits.

Contrairement aux méthodes traditionnelles d'évaluation du crédit, GenAI adopte une approche plus complète en prenant en compte des facteurs autres que les antécédents de crédit. Il prend en compte les habitudes de consommation, les événements de la vie et les évolutions du marché afin d'offrir une évaluation plus précise et plus juste de la solvabilité d'un client. Par exemple, JPMorgan Chase et Wells Fargo utilisent la plateforme FICO Falcon, qui s'appuie sur la GenAI. Elle simule différents scénarios, comme la manière dont un client pourrait gérer une perte d'emploi ou une récession économique, ce qui aide les banques à comprendre la capacité du client à rembourser ses prêts et à créer un score de crédit plus personnalisé.

GenAI aide les banques à découvrir des opportunités d'investissement cachées et à rationaliser les décisions difficiles, ce qui leur permet de rester en tête grâce à des stratégies intelligentes et opportunes, même sur des marchés volatils. La plateforme LOXM de JPMorgan utilise des modèles GenAI pour analyser les données du marché, formuler des recommandations personnalisées et simuler divers scénarios de négociation. Chez Morgan Stanley, la plateforme Next Best Action utilise la GenAI pour donner aux conseillers des conseils d'investissement basés sur les objectifs financiers et la tolérance au risque de chaque client.