La crise sanitaire a mis en évidence l’urgence pour les banques de détail d’accélérer leur transformation digitale. Un progrès essentiel à la banque qui passe par le machine learning et l’intelligence artificielle.
La digitalisation s’accélère dans la banque avec l’intelligence artificielle
Si les banques ont été frappées par la crise sanitaire, les banques en ligne, ou néo-banques, ont mieux résisté que leurs homologues traditionnelles. Boursorama, Banque populaire, ING Direct, ces structures ont déjà pris l’habitude de travailler à distance avec leurs clients et auraient moins subi l’impact de ce confinement surprise. En France, d’après le site comparateurbanque, Boursorama, Fortuneo et Moneway seraient les trois établissements bancaires les plus attractifs pendant la crise… Que des néobanques ! Même constat au niveau mondial, où Revolut et N26 affichent toujours de larges ambitions.
Le digitalisation semble donc être la voix à adopter pour les banques de détails. En dématérialisant les agences et les données, les banques de détail peuvent traiter plus efficacement les demandes client et trouver de nouvelles solutions pour dégager de nouveaux modèles. C’est là que le machine learning intervient.
Avec l’intelligence artificielle, les chatbots à la conquête de la banque
L’une des premières applications du machine learning dans les différents secteurs est bien souvent la mise en place d’un chatbot. Ces chatbots robots automatisent la relation client en intégrant un grand nombre de données. Quand le chatbot reçoit une nouvelle requête d’un utilisateur, il traite et cherche la réponse la plus adéquate.
Orange Bank, banque en ligne créée en 2017, a nommé son robot conversationnel Djingo. Celui-ci répond à toute heure aux questions des clients. Il peut aussi effectuer certaines actions comme le blocage d’une carte bancaire. Ainsi, Djinjo est évolutif et il progresse de jour en jour…
Le Crédit Mutuel a lui poussé plus loin l’usage des assistants virtuels. Les bots ne sont plus seulement conversationnels, mais peuvent également faire des actions simples comme trier les e-mails.
Si ces initiatives sont remarquables, j’ai tendance à penser que mettre en place un chatbot ne représente aujourd’hui que le B-A-BA du machine learning pour une banque de détail. D’autres établissements bancaires ont choisi d’aller encore plus loin dans l’apprentissage automatique.
Le cloud au service de l’intelligence artificielle dans la banque
C’est le cas de HSBC qui a enclenché depuis quelques années une stratégie globale axée sur le cloud. Pour automatiser un maximum de processus, développer de nouvelles solutions et ne plus perdre de temps dans le traitement des données, HSBC fait simultanément appel aux trois plus grandes entreprise de cloud : Amazon Web Services, Microsoft Azure et Google Cloud Platform. Ces plate-formes permettent d’externaliser les infrastructures, les serveurs, les données, les réseaux et toutes les applications d’une entreprise sur des datacenters puissants et connectés par des liaisons réseau à faible latence. Ceci permet d’accélérer le traitement des données, d’automatiser des opérations et de réaliser des analyses prédictives sur les demandes clients.
HSBC divise actuellement les charges de travail de ses employés. Il met la plupart de ses données volumineuses et de ses analyses sur Google Cloud. Il répartit les nouvelles applications numériques orientées client entre Google et Amazon Web Services. HSBC passe progressivement des serveurs propriétaires aux serveurs cloud. De son côté, les services de Microsoft Azure gèrent l’application PayMe, le service de paiement mobile de la banque sino-hong kongaise.
La data apporte des solutions digitales très performantes
La banque a déplacé les processus mondiaux de déclaration de liquidité vers le cloud des fournisseurs. Les rapports quotidiens prenaient jusqu’à 14 heures par jour sur les serveurs propriétaires de la banque. Ils prennent désormais moins de trois heures sur Google Cloud. L’application PayMe prenait six heures pour traiter certains rapports d’analyses d’utilisation sur site. Maintenant cela prend deux minutes grâce à Microsoft Azure. Une réduction spectaculaire des délais!
D’autres banques ont adopté des solutions similaires comme Bred avec Dataiku pour la surveillance automatique des distributeurs automatiques de billets ou BNP Paris qui utilise Tibco Spotfire pour ses rapports d’investissement. Le cloud représente donc un formidable terrain d’opportunités pour le secteur des banques de détail.
Mes sujets préférés sont les processus, la data et l’excellence opérationnelle!
N’hésitez pas à me faire un retour sur cet article ou à me contacter sur LinkedIn pour partager nos actualités!
Stéphane
