240
Cadrage initial
Le secteur financier se caractérise notamment par deux aspects :
- L’importance de son rôle de « tiers de confiance » basée en particulier, s’agissant de la
relation clients, sur le rôle humain – l’intermédiaire financier disposant d’une connaissance
parfois intime, car ayant trait à des aspects financiers, de ses clients ;
- une régulation plus fournie et une supervision plus intrusive qu’ailleurs, imposant et
requérant de la part du secteur financier la fourniture et la production de multiples
données.
Le secteur financier a de longue date investi dans le traitement fin des données dont il dispose ou
dans l’élaboration des données qu’il doit produire. Cela étant, des investissements informatiques
pourtant lourds n’ont pas toujours permis aux entités du secteur financier de disposer en leur sein
des systèmes les plus en pointe et interopérables entre eux. Face aux progrès récents et massifs dans
les méthodes de traitement fin des données, le secteur financier investit encore davantage sur le
sujet, en partenariat le cas échéant avec des start-up.
Le développement des techniques de big data est ainsi à même de transformer profondément le
secteur financier sur de nombreux aspects. L’amélioration continue des techniques d’intelligence
artificielle trouve ici, au vu de la masse de données recueillies et à fournir, un terrain de jeu
potentiel : il convient déjà de lister les segments d’activité les plus concernés, et d’actualiser cette
liste très régulièrement.
Le groupe de travail a vocation à se concentrer sur ce que le couplage big data / intelligence
artificielle pourrait impacter parmi les activités financières, selon les deux axes suivants au moins à
ce stade : i) fonctionnement des marchés financiers (microstructure de marché, et notamment
trading) ; ii) relation clients et impact sur le matching entre l’offre et la demande.
Il apparaît utile en premier lieu de bien circonscrire le sujet. Il est en effet beaucoup question depuis
quelques années des FinTech, ce qui peut recouvrir un très large spectre allant du crowdfunding à la
blockchain – sans que l’intelligence artificielle n’ait à voir avec cela. De manière générale, il y a une
tendance globale qui touche aussi le secteur financier à rechercher des processus plus efficients par
une remise à plat profonde et rapide de l’utilisation des données et des informations. En d’autres
termes, les activités financières sont également concernées - comme beaucoup d’autres - par la
numérisation de l’économie. Il est possible par exemple de constater la progression importante de la
bancarisation en Afrique du fait de l’essor de la diffusion des réseaux mobiles.
En revanche, l’utilisation de l’intelligence artificielle dans le secteur financier en est à ses prémices,
même si l’engouement pour l’IA remonte au début des années 1980 et aux premiers systèmes
experts. Ceux-ci se sont révélés plus dispendieux et difficiles à maintenir que prévu et n’ont pas
causé l’impact dans les services financiers que certains pouvaient attendre d’eux. L’engouement
lancé par le succès de « l’intelligence machine » symbolisée par des projets comme IBM Watson et
par les victoires aux échecs et au go doit encore donner des fruits.
Et ce, d’autant plus si l’on considère une définition de l’intelligence artificielle nécessitant qu’il y ait
apprentissage ou interaction. Sur cette définition, les robo-advisors actuels ne font pas
nécessairement appel à l’intelligence artificielle, s’il s’agit de produire un schéma d’allocation des
actifs en fonction seulement de données initiales fournies par le client (i.e. s’il y a seulement
exécution automatisée).
Cadrage initial
Le secteur financier se caractérise notamment par deux aspects :
- L’importance de son rôle de « tiers de confiance » basée en particulier, s’agissant de la
relation clients, sur le rôle humain – l’intermédiaire financier disposant d’une connaissance
parfois intime, car ayant trait à des aspects financiers, de ses clients ;
- une régulation plus fournie et une supervision plus intrusive qu’ailleurs, imposant et
requérant de la part du secteur financier la fourniture et la production de multiples
données.
Le secteur financier a de longue date investi dans le traitement fin des données dont il dispose ou
dans l’élaboration des données qu’il doit produire. Cela étant, des investissements informatiques
pourtant lourds n’ont pas toujours permis aux entités du secteur financier de disposer en leur sein
des systèmes les plus en pointe et interopérables entre eux. Face aux progrès récents et massifs dans
les méthodes de traitement fin des données, le secteur financier investit encore davantage sur le
sujet, en partenariat le cas échéant avec des start-up.
Le développement des techniques de big data est ainsi à même de transformer profondément le
secteur financier sur de nombreux aspects. L’amélioration continue des techniques d’intelligence
artificielle trouve ici, au vu de la masse de données recueillies et à fournir, un terrain de jeu
potentiel : il convient déjà de lister les segments d’activité les plus concernés, et d’actualiser cette
liste très régulièrement.
Le groupe de travail a vocation à se concentrer sur ce que le couplage big data / intelligence
artificielle pourrait impacter parmi les activités financières, selon les deux axes suivants au moins à
ce stade : i) fonctionnement des marchés financiers (microstructure de marché, et notamment
trading) ; ii) relation clients et impact sur le matching entre l’offre et la demande.
Il apparaît utile en premier lieu de bien circonscrire le sujet. Il est en effet beaucoup question depuis
quelques années des FinTech, ce qui peut recouvrir un très large spectre allant du crowdfunding à la
blockchain – sans que l’intelligence artificielle n’ait à voir avec cela. De manière générale, il y a une
tendance globale qui touche aussi le secteur financier à rechercher des processus plus efficients par
une remise à plat profonde et rapide de l’utilisation des données et des informations. En d’autres
termes, les activités financières sont également concernées - comme beaucoup d’autres - par la
numérisation de l’économie. Il est possible par exemple de constater la progression importante de la
bancarisation en Afrique du fait de l’essor de la diffusion des réseaux mobiles.
En revanche, l’utilisation de l’intelligence artificielle dans le secteur financier en est à ses prémices,
même si l’engouement pour l’IA remonte au début des années 1980 et aux premiers systèmes
experts. Ceux-ci se sont révélés plus dispendieux et difficiles à maintenir que prévu et n’ont pas
causé l’impact dans les services financiers que certains pouvaient attendre d’eux. L’engouement
lancé par le succès de « l’intelligence machine » symbolisée par des projets comme IBM Watson et
par les victoires aux échecs et au go doit encore donner des fruits.
Et ce, d’autant plus si l’on considère une définition de l’intelligence artificielle nécessitant qu’il y ait
apprentissage ou interaction. Sur cette définition, les robo-advisors actuels ne font pas
nécessairement appel à l’intelligence artificielle, s’il s’agit de produire un schéma d’allocation des
actifs en fonction seulement de données initiales fournies par le client (i.e. s’il y a seulement
exécution automatisée).