Comment tirer le meilleur parti de votre argent bancaire grâce à l'IA et à l'apprentissage automatique

L'IA est déjà utilisée dans les trois quarts du secteur bancaire. Et même si Gartner avait prévu que la GenAI deviendrait une des tendances bancaires essentielles seulement dans quelques années, on voit maintenant une envie évidente de l'utiliser dès maintenant. La technologie d'aujourd'hui, c'est pas de trouver l'outil parfait. C'est plutôt de choisir un outil et de le mettre au bon endroit, de chercher le bon cas d'utilisation, puis d'utiliser et d'abandonner la technologie. La technologie évolue tellement vite qu'elle est déjà devenue jetable, et ta prochaine solution ne va probablement pas durer plus de deux ans.

Surtout vu les conséquences pour les affaires. Par exemple, le but principal de l'IA dans le secteur bancaire, c'est d'automatiser les tâches et de faire des prévisions en utilisant des modèles d'apprentissage automatique (ML) (y compris l'apprentissage profond complexe). Ça demande des capacités de calcul et des données énormes, ainsi que des investissements importants. Les institutions financières font aussi partie des gros utilisateurs d'IA. Elles utilisent des services ML basés sur le cloud (comme AWS, Microsoft Azure, Google ML) et (surtout) des environnements cloud hybrides privés ou mainframe. On pourrait croire qu'il y a une nouvelle avancée technologique presque tous les jours, et bien sûr, tout le monde veut l'utiliser tout de suite. Mais il y a beaucoup à gagner à évaluer ce que tu dois faire concrètement et quelles solutions peuvent t'aider à y arriver. Et en t'assurant que tu utilises au mieux ce que tu as déjà, en en tirant le maximum, c'est-à-dire en rentabilisant ton argent, avant de commencer à dépenser.

Déjà, trois quarts des institutions financières utilisent l'IA et les progrès récents donnent de l'espoir quant à l'intérêt croissant pour l'introduction de GenAI dans le mix technologique dès que possible. Les logiciels low-code/no-code développés par GenAI peuvent permettre de faire des économies importantes, comme la réduction des dépenses opérationnelles et des risques liés au manque de fiabilité des anciennes infrastructures et aux processus fastidieux.

Les principales tendances de l'IA dans le secteur bancaire, selon Gartner :

• Vision par ordinateur : Améliore les performances opérationnelles dans les domaines du KYC, de la lutte contre le blanchiment d'argent, de la vérification d'identité, de la détection des fraudes et de la souscription.
• Intelligence décisionnelle et technologies graphiques : moderniser les applications front-office et back-office.
• Des fonctionnalités d'IA révolutionnaires : améliore la précision et l'étendue de la gestion des risques et du marketing grâce à des modèles de base. Les réseaux antagonistes génératifs (GAN) sont super utiles pour créer des images, des vidéos et des enregistrements vocaux réalistes qui, dans la plupart des cas, sont impossibles à distinguer des infos originales.
• IA centrée sur les modèles : parle des avancées cool comme l'IA composite et la GenAI pour soutenir les nouvelles initiatives.
• IA centrée sur les données : concentrez-vous sur l'analyse des données pour garantir l'éthique, la précision et l'explicabilité.
• Applications et cas d'utilisation basés sur l'IA : créez des interfaces utilisateur conversationnelles, des espaces intelligents, des robots, etc.
• Une IA responsable et centrée sur l'humain : misez encore plus sur le développement éthique de l'IA, la gestion des risques et l'impact social positif.

La prise de décision, la gestion des opérations et l'hyper-personnalisation des produits pour augmenter les rendements des clients apporteraient plein d'améliorations à tes revenus d'exploitation et à la réduction des coûts. S&P estime qu'une baisse de 10 % du coût du personnel bancaire augmenterait le rendement des capitaux propres d'environ 100 points de base et le ratio coûts/revenus d'environ 3 % (selon S&P Global Ratings, classement des 200 premières banques mondiales).

Les stratégies d'intelligence artificielle peuvent potentiellement offrir des avantages concurrentiels aux banques qui ont la capacité et la flexibilité nécessaires pour les exploiter au mieux. Ça demande juste un peu de prévoyance et une utilisation intelligente de l'IA. À mesure que la gestion des risques s'améliore, l'IA pourrait influencer la perception des profils de risque bancaire qui y sont associés. Quand les banques pourront évaluer correctement le risque de crédit en utilisant des modèles cachés dans les infos pour calculer la probabilité de remboursement des dettes des clients, elles amélioreront leurs modèles de restructuration, réduiront les prêts problématiques et maximiseront l'exactitude. La gestion des risques pourrait être améliorée de plusieurs façons grâce à l'IA. Mais ça n'empêchera pas une mauvaise mise en œuvre de créer des risques opérationnels et de réputation, ainsi qu'une position de risque négative pour la banque. Fais les choses bien. Trouve un fournisseur de technologie qui s'y connaît en matière bancaire.

La nouvelle loi européenne sur l'IA a mis en place un contrôle global des produits et services d'IA dans un cadre basé sur les risques et les cas d'utilisation. La loi définit les responsabilités fondamentales en matière de modèles pour les systèmes d'IA à usage général. D'autres pays comme le Canada, le Brésil, le Chili et les Philippines ne sont pas en reste dans ce domaine. Aux États-Unis, le National Institute of Standards and Technology (NIST) a créé un consortium pour la sécurité de l'IA. Il cherche à bosser avec l'industrie pour mettre en place de nouvelles normes, comme des directives spécifiques à l'industrie, axées sur la gestion des risques. En plus des activités réglementaires du gouvernement, on reconnaît de plus en plus que l'industrie a le devoir de protéger la société en mettant en place ou en renforçant la gouvernance de l'IA.

La nouvelle application de réglementation de l'IA est basée sur les risques que les utilisateurs à risque pourraient créer et les activités qui devraient être contrôlées. L'UE a pris en compte quatre types de risques :

Les mots « risques minimes » et « risques limités » veulent dire que l'IA est utilisée pour des trucs internes simples, comme automatiser des tâches courantes. Ça n'implique pas de communication avec de vrais utilisateurs et clients (comme les bots ou les bots liés à la base de connaissances). Les risques minimes ne demandent pas beaucoup de réglementation, et la plupart des règles qui seront utilisées concernent le fait de dire aux clients qu'ils ont affaire à des bots. Les risques jugés élevés et inacceptables comprennent les systèmes d'IA qui informent les décideurs. Ça inclut la notation des requêtes, les questions relatives aux données des clients et la gestion globale des clients. Ces IA seront super contrôlées, et il faudra prendre en compte plein de règles quand on utilise ce genre de systèmes d'IA. L'utilisation de systèmes d'IA et les opérations qui interviennent volontairement ou involontairement auprès des utilisateurs en modifiant leur libre arbitre ou leurs comportements seront interdites. Comme ça, les personnes âgées et les mineurs, le fonctionnement de la société, comme le scoring social et le dépistage biométrique, et l'analyse des données avec la participation présumée des clients, y compris leur origine, leur activité, etc., seront touchés. Les plans qui seront mis en place en 2024 et d'ici 2026 concerneront surtout les systèmes à haut risque.

Services financiers

L'accès sera basé sur la réglementation de l'IA dans les services financiers. Services financiers En finance, les systèmes d'IA analysent les données des clients pour évaluer leur solvabilité et détecter les fraudes.

Du point de vue de l'analyse, on est dans une période de développement exponentiel dans cette époque technologique incroyable. Du coup, tout ce qui a été construit il y a seulement deux ans est déjà dépassé. Et la question, c'est comment une entreprise peut utiliser l'ancienne technologie de manière gérable et non toxique, en tenant compte des répercussions de la moindre erreur ? Prenons l'exemple de ChatGPT. Personne ne sait d'où viennent les infos dans l'appli (ni si elles sont impartiales, protégées par des droits d'auteur ou fiables). Pourtant, de plus en plus d'employés sont encouragés à utiliser cette appli pour créer des blogs d'entreprise, des articles, des livres blancs et même des lignes de code. Pas étonnant que les institutions financières envisagent de créer des services d'IA cloisonnés (une extension du débat actuel dans les entreprises : « Passe-t-on au cloud ou restons-nous sur site ? »). Ça devient un vrai problème, car pour avoir une IA et des analyses avancées efficaces, il faut être sûr que l'intégrité des données est à la hauteur. Cela dit, c'est logique de bosser en interne, hors ligne. L'entreprise ne peut former son modèle linguistique d'entreprise (LLM) ou son logiciel de vérification grammaticale que sur la documentation interne (qui ne quittera jamais le serveur central). En fait, la réponse la plus sûre est le contraire de ce qu'on pense actuellement en informatique, qui serait de tout transférer vers le cloud.

En tant que processeur et système d'enregistrement, la plateforme bancaire centrale Hogan est devenue le moteur de certaines des banques les plus influentes au monde. On a amélioré la super solution cloud hybride pour mainframe de Hogan en prenant les meilleures solutions IBM Z et en proposant des plans pour que les banques avec des systèmes centraux vieillissants puissent « migrer vers la plateforme ». Hogan x peut même t'aider à créer une toute nouvelle banque numérique. La plateforme est basée sur les principes du BIAN (Banking Industry Architecture Network) en tant que plateforme modulaire et composable. Elle utilise Z Linux et d'autres solutions conteneurisées et basées sur le cloud. La plateforme peut également être proposée dans le cadre de modèles de consommation à la demande, sous forme de services.

Trouvez ce qui vous convient le mieux

L'architecture cloud hybride mainframe te permet d'adopter la stratégie la mieux adaptée à la mise en œuvre de tes applications. Voici un exemple d'écosystème dans le secteur bancaire (entre IBM Z et le cloud). Les applications sont classées en trois catégories distinctes :

• Engagement client sur les canaux numériques
• Traitement opérationnel (par exemple, gestion des commandes, marketing et ventes)
• Transactions et données essentielles (services bancaires de base et cartes de crédit)

Ces applications doivent être compatibles entre elles pour pouvoir partager des infos en temps réel et optimiser leurs performances commerciales. L'intégration est essentielle pour atteindre une interopérabilité totale. Un modèle de cloud hybride mainframe avec IBM zSystems aide les clients à optimiser leurs coûts, leurs performances et leur agilité en fonction de leur type d'application et de l'infrastructure la mieux adaptée. Prenons l'exemple des canaux numériques. Le haut niveau d'interaction omnicanale repose sur l'intégration des informations des partenaires et des clients afin de développer une expérience client optimale. Ceci, ajouté au changement de variables et de charges de travail dans les solutions basées sur le cloud, fait des solutions hybrides la solution idéale.

Environnement, social et gouvernance (ESG)

Un avantage souvent oublié de l'architecture cloud hybride mainframe, c'est la durabilité environnementale. Le cloud agile et les mainframes écoénergétiques permettront aux banques d'optimiser l'empreinte et la consommation énergétique de leurs centres de données (qui consomment environ 1 % de l'énergie mondiale), ce qui contribuera à rendre la planète plus verte.

Mais l'architecture cloud hybride mainframe dans le secteur bancaire, c'est pas juste un choix technique. C'est une nécessité stratégique, car elle offre le bon équilibre entre la protection, la fiabilité et l'évolutivité d'une part, et la flexibilité et la nouveauté demandées par le travail numérique d'autre part. En combinant la résilience du mainframe, l'IA, le ML et la flexibilité du cloud computing, les banques pourront rester compétitives, conformes et centrées sur le client. Le succès dépend de l'utilisation maximale de ça et de ça, pour que les banques puissent non seulement surmonter les problèmes actuels, mais aussi être prêtes et équipées pour profiter des opportunités futures. Avec l'évolution de la technologie, les stratégies de cloud hybride combinant IA et mainframe vont jouer un rôle clé dans la transformation numérique du secteur bancaire, en traçant une voie qui allie tradition et innovation, stabilité et agilité, performance et efficacité. Ce n'est pas le moment d'hésiter.

Quelqu'un de mon bureau vient d'assister à une grande conférence où l'un des intervenants a parlé de ce sujet. Il a dit : « On ne sait vraiment pas où va la technologie, alors on va juste attendre de voir où ça nous mène. Le problème, c'est qu'on ne verra jamais où ça s'arrête, car avec la croissance exponentielle, la technologie ne s'arrêtera jamais, et à ce stade, ça ne peut pas être rationalisé. » Le truc, c'est que les banques doivent prendre le train de la prévoyance et de l'ouverture d'esprit en marche pour mettre en œuvre l'IA aussi vite, en toute sécurité et de manière aussi rentable que possible.

Il faut informer les gens de la collaboration.

C'est pour ça que l'aide de prestataires expérimentés est si précieuse. C'est super important pour le déploiement de la reconnaissance optique de caractères (OCR). Pour un de nos clients, on a proposé quatre outils de lecture de documents en lui disant que le choix de l'outil importait peu. Dans deux ans, il sera obsolète. Le service des achats nous a aussi conseillé d'en envisager d'autres, ce qui a fait de cette recherche de l'outil idéal un exercice à grande échelle. Mais, choisir une technologie moderne, c'est pas juste se plonger dans les outils. C'est plutôt choisir et utiliser un outil de la bonne manière, trouver le bon cas d'utilisation et savoir quand abandonner ou adopter une technologie. La technologie a tellement évolué qu'elle est devenue jetable, avec une obsolescence programmée, et la prochaine mise à jour n'est qu'à quelques années avant qu'elle ne devienne obsolète. Du coup, au lieu d'investir plus de 5 ans dans une solution z16, mets à jour ta technologie d'IA tous les 2 ans. Autrement dit, tu devrais commencer à planifier son remplacement dès la signature du contrat d'achat.

Problème commercial : l'IA n'est pas toujours utilisée sur la plateforme Z, où les données doivent passer par des réseaux. C'est cher, pas très sûr et ça réduit ta capacité à évaluer les transactions en termes de risque. Impact commercial : l'accélérateur IBM Z AI sur puce permet à Hogan et aux charges de travail zLinux associées d'exécuter des capacités d'IA en temps réel sur le mainframe où les données se trouvent actuellement. Ça améliore les performances de l'IA, la sécurité et les coûts. En plus, des processus comme la prise de décision automatisée en matière de crédit et la modification des prêts peuvent être effectués directement sur la plateforme Z, et les informations issues de l'IA et les décisions commerciales peuvent être assimilées plus rapidement et plus facilement. Celent estime qu'avec un filtrage à 100 % de toutes les transactions, les banques individuelles économiseraient environ 100 millions de dollars.

L'IA peut être utilisée pour plein de trucs, comme les scores de crédit, la fraude et la lutte contre le blanchiment d'argent. Les plateformes centrales gèrent la plupart des transactions bancaires et de paiement, mais la détection par IA peut se faire en dehors de la plateforme (moins de 10 % des transactions passent par un modèle d'inférence IA en temps réel à cause des problèmes de latence, de coût et de friction avec les clients). C'est pour ça qu'il y a autant de transactions frauduleuses qui passent inaperçues et ne sont pas détectées. Umbrella.ai peut vous faire économiser des millions grâce à la détection des fraudes sur mainframe. Umbrella en est l'élément principal. L'architecture de l'application Umbrella est une plateforme technique éprouvée qui doit être intégrée dans l'environnement z/OS pour devenir l'environnement de développement intégré (IDE) rapide depuis plus de 35 ans. Umbrella compte plus de 40 institutions financières de premier plan dans différentes parties du monde et est utilisé pour exécuter environ 100 applications par chaque banque. Cela représente des milliers d'applications dans le développement mainframe.

Umbrella.ai empêche la fraude

En collaboration avec IBM, la durée de notation ou d'analyse d'une transaction est réduite au minimum. Ça permettra aux clients de vérifier virtuellement 100 % de leurs transactions et de gagner du temps et de l'argent. Les objectifs d'Umbrella.ai sont les suivants :

• Couverture à 100 % des transactions entrantes et des accords de niveau de service (SLA) actuels.
• Utiliser les modèles de fraude existants ou en créer de nouveaux
• Réduire le temps de réponse grâce à la prévention des fraudes intégrée à z/OS et au système d'autorisation des cartes.
• Utilise le service de notation MLz COBOL pour simplifier un max l'appel de notation et réduire les frais généraux pour appeler le service de notation.

L'augmentation significative de la détection des fraudes est l'un des points forts du ML. Les anciens systèmes basés sur des règles ne sont pas assez flexibles pour faire face aux nouvelles tendances en matière de fraude. En revanche, les algorithmes ML peuvent se mettre à jour automatiquement grâce aux données transactionnelles et détecter les cas de fraude plus rapidement et avec plus de précision.

Umbrella.ai et ML accélèrent la détection et la prévention des fraudes

L'IA/ML sur IBM Z améliore la précision de la prédiction des fraudes, permet d'avoir des infos exploitables à grande échelle et rend possible la détection en temps réel des transactions frauduleuses. La plus grande précision des modèles d'apprentissage profond leur permet de réduire considérablement les niveaux élevés de faux positifs. Ça veut dire que les banques peuvent filtrer les transactions pendant qu'elles détectent la fraude, tout en gardant une bonne expérience client et sans perdre d'argent.

Le partenariat entre Umbrella, l'IA et IBM z16 donne des infos commerciales super intéressantes (pas besoin d'être un expert en science des données). Environ 70 % des opérations financières sont faites sur IBM zSystems, ce qui est aussi une super nouvelle pour l'ESG, car la quantité d'énergie utilisée pour inférer sur le mainframe est 40 % moins élevée que celle utilisée par un type de ferme de serveurs.

Les principales fonctionnalités comprennent :

• Boostez n'importe quelle application IBM z/OS avec SQL amélioré par l'IA et Umbrella.ai.
• Trouve et commercialise les infos cachées dans tes données.
• Trouve les similitudes, les différences et les corrélations.
• Obtenez une interprétabilité avec la boîte.
• Utilise un seul modèle pour un ensemble de questions.
• Réduisez la complexité du déploiement de l'IA.
• On peut utiliser des modèles d'apprentissage profond pour réduire les faux négatifs.

IBM z16 prend en charge les algorithmes ML les plus populaires, offrant aux clients une couche d'IA pour les aider à améliorer leurs processus et à tirer une plus grande valeur commerciale de leurs investissements existants.

Tu peux vraiment te permettre de te laisser intimider et de regarder tes concurrents prendre une avance incroyable et un avantage durable ? Découvrez comment tirer pleinement parti de l'IA et du ML pour obtenir le meilleur retour sur investissement possible. Découvrez également comment la solution hybride cloud pour mainframe optimisée par Hogan peut vous aider à mieux détecter les fraudes et à vous préparer aux menaces et opportunités futures.