L’intelligence artificielle (IA) est en train de transformer le secteur financier, puisque 91 % des institutions financières y ont recours. La combinaison d’une informatique moins coûteuse, de meilleurs outils et de la pression concurrentielle a fait passer l’IA du stade expérimental à celui d’un outil indispensable dans les domaines de la lutte contre la fraude, du crédit, des paiements et de la conformité. Cette évolution s’accompagne à la fois d’opportunités et de risques, en particulier dans un secteur aussi réglementé que celui de la finance.

Nous verrons dans cet article comment l’IA dans le domaine financier transforme les opérations de paiement et de gestion des risques, ce que cela implique pour l’expérience client, ainsi que certains aspects du cadre réglementaire et sécuritaire pour les institutions qui déploient ces systèmes.

Points clés

• L’IA offre des résultats concrets et mesurables en matière de détection des fraudes et d’évaluation des risques de crédit.

• Il convient de prêter attention aux exigences réglementaires en matière d’explicabilité et d’incidence disparate.

• La prochaine étape pour la plupart des institutions consiste à déployer ces outils établis sur l’IA de manière responsable, ce qui représente un défi tant organisationnel et de gouvernance que technique.

Pourquoi l’adoption de l’IA s’accélère-t-elle dans le secteur financier ?

Le secteur financier a toujours été un secteur où les données occupent une place prépondérante. Mais pendant longtemps, sa capacité à exploiter ces données est restée bien en deçà de sa capacité à les collecter.

Aujourd’hui, trois forces convergent pour changer cela :

• Les coûts informatiques ont baissé : il y a cinq ans, l’exécution de modèles volumineux sur des charges de travail importantes aurait été financièrement hors de portée pour la plupart des entreprises. Grâce à la baisse des coûts, cette solution est désormais accessible même pour de nombreuses entreprises de taille moyenne.

• Les outils collaboratifs ont gagné en maturité : s’appuyer sur une infrastructure existante est généralement plus rapide et moins coûteux que de tout construire à partir de zéro. Cela a réduit les obstacles à l’entrée pour les institutions qui ne disposent pas de grandes équipes internes spécialisées en IA.

• La pression concurrentielle s’est intensifiée : les institutions qui disposent d’indicateurs plus rapides et plus précis en matière de risque de crédit ou de fraude bénéficient d’un avantage considérable par rapport à celles qui utilisent encore des systèmes obsolètes conçus pour des volumes de données moins importants.

Quelles sont les principales tendances en matière d’IA qui façonnent le secteur des services financiers ?

L’IA joue de nombreux rôles dans le secteur financier et transforme les méthodes de travail partout, notamment dans les équipes d’ingénierie des technologies financières (fintech), les services juridiques et bien d’autres domaines.

L’IA apporte des améliorations dans les domaines suivants :

• Productivité interne : les banques et les assureurs ont recours à des grands modèles de langage (GML) pour aider les analystes à résumer les conférences sur les résultats financiers, à rédiger des mémos de crédit et à effectuer des recherches dans les bases de connaissances internes.

• Modélisation prédictive : la notation de crédit traditionnelle s’appuie sur un ensemble restreint de variables (par exemple, l’historique de paiement, le taux d’utilisation et la durée de l’historique de crédit). Les modèles utilisant des données alternatives peuvent intégrer des centaines de variables pour générer des évaluations de crédit pour les clients dont le dossier est insuffisant ou inexistant, qui ne seraient autrement jamais pris en considération dans le cadre d’une évaluation classique des risques.

• Détection des fraudes en temps réel : le secteur est passé presque entièrement des systèmes fondés sur des règles à des systèmes fondés sur des modèles. Les modèles de machine learning permettent de détecter les anomalies dans les habitudes de dépenses qu’aucun ensemble de règles statiques ne pourrait repérer, et ils s’adaptent en permanence à l’évolution des modes d’attaque.

• Workflows financiers agentiques : le secteur adopte des flux de travail agentiques capables d’exécuter des actions en plusieurs étapes (par exemple, le rapprochement des comptes, le déclenchement des cycles de paiement ou la remontée des exceptions) avec une intervention humaine minimale à chaque étape.

Comment l’IA transforme-t-elle les paiements, la gestion des risques et les opérations dans le secteur financier ?

L’IA assure la reconnaissance des volumes et des schémas à une vitesse et à une échelle que les traitements manuels ne peuvent égaler. Les outils de paiement établis sur l’IA ont eu une incidence notable sur l’expérience client et les taux de perte.

Voici ce qu’ils permettent de faire :

• Évaluation des risques de fraude en temps réel : les réseaux de cartes et les prestataires de paiement modernes sont capables d’analyser rapidement de nombreux éléments par transaction (p. ex., l’empreinte d’identification de l’appareil, la vitesse de la transaction, le profil géographique et l’heure de la journée) et de s’en servir pour générer un indice de risque avant d’autoriser le paiement. Stripe Radar, par exemple, utilise des modèles de machine learning entraînés sur les données de millions d’entreprises pour détecter les anomalies et attribuer un score de risque à chaque transaction.

• Gestion proactive des contestations : l’IA peut signaler les transactions susceptibles d’entraîner des rétrofacturations avant même qu’une contestation ne soit déposée. Cela permet aux entreprises de procéder de manière proactive à un remboursement ou de contacter le client, ce qui peut réduire le taux de contestation.

• Évaluation des risques de crédit : les modèles établis sur l’IA permettent de rendre rapidement une décision de crédit concernant un client. Dans le domaine du crédit aux petites entreprises, l’analyse des flux de trésorerie peut remplacer ou compléter l’examen traditionnel des documents, qui a toujours ralenti les approbations.

• Gestion de la trésorerie et des liquidités : les équipes financières peuvent recourir à l’IA pour prévoir plus précisément les soldes de trésorerie en modélisant les tendances historiques à partir des données en temps réel sur les entrées et les sorties de fonds.

• Contrôle de la conformité : les logiciels de conformité établis sur l’IA peuvent analyser de grands volumes de communications et de transactions pour détecter les violations des politiques ou les risques réglementaires, sans les nombreuses incohérences inhérentes à un examen manuel.

En quoi l’utilisation de l’IA dans le secteur financier influe-t-elle sur l’expérience client et la confiance des clients ?

L’IA a le potentiel de donner aux clients un sentiment de sécurité et de mieux les prendre en compte. Mais ces mêmes capacités peuvent aussi rendre l’expérience client plus déroutante ou opaque.

Prenez en compte les points suivants :

• Personnalisation ou protection de la vie privée : les moteurs de personnalisation peuvent proposer des produits pertinents en se basant sur le comportement des utilisateurs plutôt que sur des segments démographiques généraux. Cependant, la personnalisation fondée sur l’IA repose sur des données comportementales détaillées, et certains clients sont réticents à l’idée que ces données soient utilisées de cette manière.

• Limites du service client : les assistants virtuels alimentés par l’IA peuvent traiter avec précision et rapidité les demandes de solde et les requêtes courantes, mais ils sont souvent incapables de répondre à des questions complexes ou ambiguës. Lorsqu’un client ne parvient pas à joindre un interlocuteur humain après l’échec de l’assistant, cela peut nuire à la relation client.

• Manque de transparence dans les décisions ayant des conséquences importantes : les clients ignorent probablement quand l’IA intervient dans une décision qui les concerne, comme un refus de crédit, un signalement de fraude ou un compte bloqué. Lorsque ces décisions sont erronées, ce manque de transparence peut rendre leur contestation plus difficile et créer un sentiment d’arbitraire susceptible d’ébranler la confiance dans l’institution.

Quelles sont les considérations réglementaires, sécuritaires et éthiques liées à l’IA dans le secteur financier ?

Les cadres réglementaires relatifs à l’IA dans le secteur financier évoluent rapidement, tout comme les préoccupations en matière de sécurité et d’éthique. Les institutions qui déploient l’IA doivent tenir compte de cette évolution.

Voici ce qu’il faut retenir :

• Recommandations américaines concernant les décisions défavorables : Le Bureau de la protection financière des consommateurs (CFPB) a clairement indiqué que le recours à un algorithme ne dispense pas un prêteur de fournir des motifs précis et exacts pour justifier toute mesure défavorable en matière de crédit, conformément à la loi sur l’égalité des chances en matière de crédit. Aux États-Unis, la production de résultats explicables constitue une exigence réglementaire.

• Règlement européen sur l’IA : le règlement européen sur l’IA classe les systèmes d’IA utilisés pour la notation de crédit et l’évaluation de la solvabilité parmi les systèmes à haut risque, ce qui impose des exigences en matière de transparence, de contrôle humain et de documentation qui vont au-delà de ce dont disposent actuellement de nombreuses institutions financières. Les délais de mise en conformité sont déjà en vigueur pour certaines dispositions.

• Biais des modèles et incidence disparate : les données d’apprentissage qui reflètent les tendances historiques en matière d’octroi de prêts peuvent reproduire des pratiques discriminatoires du passé. Les modèles entraînés à partir d’approbations antérieures apprendront à reproduire ces tendances, à moins que la procédure d’apprentissage n’en tienne explicitement compte. Il s’agit là d’un enjeu à la fois éthique et réglementaire, car les autorités de régulation considèrent l’incidence disparate comme un problème relevant de l’application de la loi.

• L’IA en tant que surface d’attaque : les modèles de détection de la fraude peuvent être sondés et manipulés par des acteurs sophistiqués qui en comprennent le fonctionnement et testent des données d’entrée conçues pour échapper à la détection. Il s’agit d’un domaine de recherche très actif en matière d’attaques adverses.

Comment les institutions financières doivent-elles se préparer à la poursuite de l’adoption de l’IA ?

Les institutions qui prennent une longueur d’avance ont mis en place l’infrastructure et les capacités organisationnelles nécessaires pour déployer l’IA de manière responsable et à grande échelle.

Voici les points à retenir :

• Qualité des données : un modèle bien conçu et entraîné sur des données propres et correctement étiquetées donnera de meilleurs résultats qu’un modèle sophistiqué entraîné sur des données de mauvaise qualité. De nombreuses institutions investissent trop peu dans les infrastructures de données par rapport au développement des modèles, un problème qui s’aggrave avec le temps.

• Contrôle humain effectif : les cadres réglementaires exigent un examen humain des décisions importantes prises par l’IA. Cela implique de concevoir des flux de travail dans lesquels les évaluateurs disposent du contexte, du temps et de l’autorité nécessaires pour passer outre les résultats du modèle.

• Évaluation approfondie des fournisseurs : lorsque les institutions financières déploient un système d’IA fourni par un tiers, elles sont responsables du fonctionnement de ce système. L’évaluation des fournisseurs doit porter sur l’explicabilité, la méthodologie de détection des biais, les pratiques en matière de traitement des données et la conformité réglementaire du fournisseur.

• Responsabilité transversale : les déploiements d’IA qui relèvent exclusivement des équipes techniques ont tendance à négliger les implications en matière de conformité, de questions juridiques et d’expérience client. Les institutions qui mettent en place des capacités d’IA durables considèrent ces projets comme des programmes transversaux.

• Pistes d’audit pour chaque décision importante : qu’il s’agisse d’un refus de crédit, d’un signalement de fraude ou d’un blocage automatique de paiement, les institutions doivent être en mesure de retracer les raisons pour lesquelles un modèle a produit un résultat donné. Cela revêt une importance particulière pour les autorités de régulation, les clients et les procédures de contrôle internes de l’institution.

Comment Stripe Payments peut vous aider

Stripe Payments fournit une solution de paiement mondiale unifiée qui aide toute entreprise—des startups en croissance aux entreprises mondiales—à accepter des paiements en ligne, en personne et dans le monde entier.

Stripe Payments peut vous aider comme suit :

• Optimiser l’expérience de paiement : créez un parcours client fluide et gagnez des milliers d’heures d’ingénierie grâce à des interfaces utilisateur de paiement prêtes à l’emploi, à l’accès à plus de 125 moyens de paiement et à Link, le wallet conçu par Stripe.

• Vous développer plus rapidement sur de nouveaux marchés : touchez des clients à l’international et réduisez la complexité ainsi que les coûts liés à la gestion multidevises grâce à des options de paiement transfrontalières disponibles dans 195 pays et plus de 135 devises.

• Unifier les paiements en ligne et en personne : créez une expérience commerciale unifiée, en ligne et en personne, pour personnaliser les interactions, récompenser la fidélité client et booster vos revenus.

• Améliorer les performances de paiement : augmentez vos revenus grâce à des outils de paiement personnalisables et faciles à configurer, incluant une protection no-code contre la fraude et des fonctionnalités avancées pour optimiser les taux d’autorisation.

• Accélérer votre croissance avec une plateforme flexible et fiable : appuyez-vous sur une plateforme conçue pour évoluer avec votre activité, offrant un taux de disponibilité historique de 99,999 % et une fiabilité de premier plan.

Apprendre davantage sur la façon dont Stripe Payments peut propulser vos paiements en ligne et en personne, ou démarrer dès aujourd’hui.