Consignes : Préparer une note structurée et argumentée dans laquelle vous

présenterez, d’une part les différentes opportunités de l’IA dans

l’environnement bancaire et d’autre part les différents risques pour la
stabilité financière.

Le développement de l’intelligence artificielle présente des opportunités pour le

système financier et l’économie
Les technologies d’intelligence artificielle ont connu une accélération spectaculaire au
cours des dernières années.
L’intelligence artificielle englobe un large spectre de technologies visant à créer des
systèmes capables de réaliser des tâches nécessitant habituellement des capacités
cognitives humaines. Le développement de ces technologies repose sur plusieurs
disciplines scientifiques dont les statistiques, l’analyse de données, l’informatique et les
sciences cognitives. L’intelligence artificielle est définie par l’AI Act de l’Union
européenne comme un système automatisé conçu pour fonctionner à différents niveaux
d'autonomie, qui peut faire preuve d'une capacité d'adaptation après son déploiement et
qui déduit, à partir des données d'entrée qu'il reçoit, la manière de générer des résultats
tels que des prédictions, du contenu, des recommandations ou des décisions qui
peuvent influencer les environnements physiques ou virtuels.
Les débuts de l’intelligence artificielle remontent aux années 1940-1960 avec la création
d’un premier modèle mathématique de réseau de neurones en 1943 et la publication
d’un article par Alan Turing en 1950 s’interrogeant pour la première fois sur une
intelligence potentielle des machines, dans lequel il imagine le test de Turing. Le
développement de l’intelligence artificielle a évolué avec les développements
technologiques au cours des décennies suivantes et a connu une accélération marquée
dans le domaine de l’apprentissage automatique (machine learning), avec les
technologies d’apprentissage profond (deep learning). L’augmentation de la puissance
de calcul des ordinateurs et l’accélération des travaux sur le sujet ont permis de
développer les techniques d’intelligence artificielle avec des technologies de plus en
plus sophistiquées et des applications de plus en plus nombreuses. L’intelligence
artificielle générative est, aujourd’hui, la branche de l’intelligence artificielle la plus
connue du grand public. Celle-ci utilise des algorithmes d’apprentissage automatique
basés sur le deep learning pour créer de nouveaux contenus sous différentes formes
(texte, image, vidéo, son). En novembre 2022, la société OpenAI a lancé son prototype
d’agent conversationnel, ChatGPT, utilisant l’intelligence artificielle générative pour créer
du texte à partir de grands modèles de langage entraînés sur de larges volumes de
texte (appelés, en anglais, large language models). ChatGPT utilise, pour son
apprentissage, des données disponibles en ligne ainsi que des données fournies par
l’utilisateur lors de ses interactions avec l’outil. Son lancement a suscité un fort
engouement du grand public et l’application a atteint 1 million d’utilisateurs uniques en
seulement cinq jours, soit l’adoption la plus rapide de l'histoire des applications web.
 Le secteur financier a déjà largement adopté l’intelligence artificielle et devrait
encore accroître son recours à ces technologies au cours des prochaines années
Depuis de nombreuses années, le secteur financier a fortement adopté l’intelligence
artificielle pour ses activités. L’utilisation de l’intelligence artificielle dans les services
financiers remonte aux années 1980, avec le lancement d’outils basés sur l’intelligence
artificielle pour les conseils financiers et fiscaux personnalisés. Depuis, les institutions
financières ont peu à peu intégré l’intelligence artificielle dans leurs activités de marché
(prévisions, analyses financières et prises de décisions).
Les banques et assurances mobilisent déjà largement l’intelligence artificielle pour leurs
activités. Schématiquement, quatre grandes familles de cas d’usage – et de bénéfices
escomptés – peuvent être identifiées :
• L’amélioration de l’expérience et de la satisfaction du client, au travers de divers
systèmes d’assistance, d’aide à la décision ou de recommandation qui peuvent en
particulier prendre la forme de chatbots ou de voicebots. Les capacités de
personnalisation de l’intelligence artificielle, encore accrues par l’intelligence artificielle
générative, permettent notamment d’améliorer l’efficacité des processus de marketing et
de vente.
• L’optimisation de la chaîne de valeur : optimisation des processus internes et
réduction des coûts, grâce à l’automatisation de tâches auparavant manuelles. Les
effets produits sont d’autant plus forts que l’intelligence artificielle offre la possibilité de
traiter des données non structurées. Le cas emblématique dans le domaine bancaire est
l’essor de l’autonomisation des clients pour la gestion courante, ce qui permet
progressivement aux conseillers en agence de se départir des tâches à moindre valeur
ajoutée.
• La gestion des risques, qu’il s’agisse des risques financiers (risque de crédit, par
exemple), des risques opérationnels ou des risques de conformité. La lutte contre la
fraude et la lutte contre le blanchiment des capitaux et le financement du terrorisme
(LCB-FT) constituent des domaines d’application privilégiés, par des systèmes de suivi
des transactions suspectes et de gestion automatisée des alertes.
• Les activités de marché constituent également un domaine privilégié d’application
des technologies d’intelligence artificielle, pour permettre l’amélioration de l’identification
de tendances et intégrer d’importants volumes de données. Les participants utilisent
ainsi l’apprentissage automatique dans le cadre du trading algorithmique, par exemple
pour identifier la meilleure stratégie d’exécution d’une transaction en fonction des
conditions de marché. Ces technologies peuvent aussi être utilisées par les
gestionnaires d’actifs, pour la construction de portefeuilles ou l’évaluation des actifs.
Néanmoins, certaines institutions financières font des déclarations erronées auprès de
leurs clients concernant leur utilisation de l’intelligence artificielle et deux entreprises
financières ont été sanctionnées par la Securities Exchange Commission pour ces
pratiques.
Dans la pratique, de nombreux cas d’usage combinent tout ou partie de ces
caractéristiques. Ainsi, dans le domaine bancaire, les systèmes basés sur
l’apprentissage automatique permettent par exemple de déterminer la solvabilité des
clients à partir de l’étude de leurs données financières (en produisant des cotes de crédit
telles que le credit score aux États-Unis). Cela conduit à réduire les délais de traitement
des demandes de prêts (amélioration de l’expérience client, meilleure efficacité des
processus de distribution), par des procédés largement automatiques (optimisation des
processus internes), tout en améliorant l’anticipation des défauts de paiement par une
meilleure modélisation (réduction des risques). De même, en assurance, les systèmes
d’intelligence artificielle sont utilisés pour accroître la personnalisation de la tarification
suivant le profil du client, dans la limite de la règlementation ou encore afin de réduire
les délais et les coûts de traitement des sinistres, par des analyses automatiques
d’images ou des fonctions de lecture avancée des rapports d’expertise. Un sondage
mené par Moody’s Analytics en novembre 2023 a mis en évidence qu’à ce stade 30 %
des institutions financières interrogées sont en phase d’essai ou utilisent activement
l’intelligence artificielle pour leurs activités de gestion des risques et de conformité

Des risques inhérents à la nature de l’intelligence artificielle

Si les potentielles opportunités de l’intelligence artificielle sont nombreuses, son
déploiement comporte des risques inhérents à sa nature dont certains pourraient être
renforcés par l’intelligence artificielle générative.
En premier lieu, l’intelligence artificielle soulève des enjeux liés à la qualité et à la
confidentialité des données utilisées pour son apprentissage.
Le fonctionnement autonome et opaque des modèles d’intelligence implique également
le risque d’une compréhension difficile des résultats fournis et de leur fiabilité. Enfin, une
concentration excessive des acteurs du secteur exacerberait ces risques pour les
utilisateurs et serait préjudiciable au système dans son ensemble. L’intelligence
artificielle, par le fonctionnement de ses algorithmes et son apprentissage, engendre des
risques liés à la gestion des données notamment leur confidentialité. Ce risque est
particulièrement marqué dans les systèmes d’intelligence artificielle générative qui
apprennent, non seulement, à partir des données disponibles sur Internet, mais aussi à
partir des données fournies par les utilisateurs (en vue d’améliorer leurs réponses) : ces
outils peuvent ainsi transmettre les informations apprises d’un utilisateur en générant
des contenus pour d’autres utilisateurs. D’après un rapport de l’entreprise spécialisée
Cyberhaven publié en juin 2023149, 10,8 % des employés ont utilisé ChatGPT au travail
et 4,7 % d’entre eux ont déjà fourni des informations confidentielles de leur entreprise à
l’agent conversationnel, le pourcentage ayant même tendance à croître au cours du
temps. En juin 2023, les données confidentielles représentaient 11 % du total des
données copiées et collées directement dans l’outil. Ces comportements représentent
un danger pour les entreprises, dont les informations sensibles peuvent être diffusées
largement. En outre, les données transmises à des outils conversationnels peuvent
aussi être volées lors de cyberattaques. Pour pallier ce risque et préserver la
confidentialité des données financières, plusieurs groupes bancaires dont JPMorgan,
Bank of America, Goldman Sachs et Deutsche Bank ont interdit l’utilisation du service en
ligne ChatGPT à leurs employés. Néanmoins, ces risques pourraient être moindre dans
le cas d’outils réservés à l’usage interne dans les entreprises, avec des règles strictes
de gestion des données.