Vers une utilisation responsable de l’intelligence artificielle dans la finance

Le contexte

Montée en puissance grâce à la multiplication des données disponibles et  des capacités de stockage et de calcul, l’intelligence artificielle (IA) a désormais conquis tous les secteurs. Machine learning, deep learning, natural language processing (NLP), reconnaissance optique de caractères (OCR), computer vision (voir nos définitions plus bas)… L’IA revêt différentes formes pour s’adapter à chaque besoin automatisable. 

Dans le cas de la finance et de l’assurance, les start-up n’ont pas hésité à se saisir de ces technologies pour concurrencer les sociétés existantes sur certains pans de leurs activités et/ou les aider à fluidifier les parcours de souscription, lutter contre le blanchiment d’argent et le financement du terrorisme (LCB-FT), mieux gérer leurs risques, aiguiller leurs investissements, etc. Et loin d’être frileux, les acteurs traditionnels se sont également emparés de ces technologies, via des développements internes ou en ayant recours à des fintech.

Face à cette croissance multi-sectorielle des usages et aux problématiques qu’elle peut engendrer (en termes de sécurité, de liberté ou encore de discrimination par exemple), Bruxelles a introduit plusieurs réglementations concernant les dispositifs d’IA, à commencer par le règlement général sur la protection des données (RPGD), entré en application le 25 mai 2018. Plus récemment, le règlement sur l’intelligence artificielle (AI Act) a été publié au Journal Officiel de l’Union européenne (12 juillet 2024). Il est entré en vigueur le 1er aout 2024, et sera appliqué à compter du 2 août 2026 pour la plupart des dispositions.

Les enjeux

Les applications de l’intelligence artificielle dans la finance

Progressivement, les solutions d’IA ont infusé l’ensemble des domaines financiers et assurantiels. Elles se traduisent par de multiples réalisations mises en œuvre dans les activités métiers des banques et assureurs, mais aussi dans leurs fonctions supports pour accroître leur efficacité opérationnelle (recrutement, catégorisation des emails, organisation interne…). En voici une liste non exhaustive :

• Conformité : En matière de compliance, le recours à des technologies d’IA permet de détecter des crimes financiers (fausses déclarations, usurpations d’identité, fraude documentaire…) à partir de l’analyse de données et/ou de l’observation de comportements inhabituels. 
• Gestion d’actifs : Plusieurs fintech se sont spécialisées dans l’analyse de données alternatives afin de capter des signaux faibles en temps réel au niveau macroéconomique, géographique, industriel, sur le coté, le non coté, les données ESG… Les données alternatives, par opposition aux documents d’entreprises publics, vont des commentaires sur les réseaux sociaux aux données de géolocalisation, en passant par les données satellitaires et les articles média. À partir de leur analyse, ces entreprises mettent en place des indicateurs qui permettent aux sociétés d’investissement (hedge funds, banques…) de suivre leurs placements.

• Gestion du risque : Les insurtech attaquent tour à tour une partie (ou plus) de la chaîne de valeur des assureurs. L’une d’entre elles est la gestion du risque, via la modélisation de la tarification ou la connaissance de son parc immobilier via des données contextuelles de géolocalisation. Les risques sont ainsi quantifiables en quasi temps réel, avec une capacité d’ajustement et de multiplication des calculs effectués rapidement.