241
Pour autant, il est à attendre que le développement d’applications pratiques de l’intelligence
artificielle se développe de plus en plus dans le secteur financier, à un horizon qui reste difficile à
estimer. Le déclin du coût du calcul et la grande quantité de données disponibles sur les réseaux
mobiles et sociaux créent des conditions favorables à l’intelligence artificielle. Et comme indiqué
supra, le secteur financier offrant des caractéristiques propices à une application rapide des progrès
en matière de traitement fin des données, il est possible d’estimer que si les activités financières ne
seront pas nécessairement les premières impactées, elles seront aussi loin d’être les dernières.
De fait, les principaux déploiements actuels ou dans un avenir proche, tels que l’on peut les prévoir à
ce stade, pourront concerner : la gestion de portefeuille (allocation par les robo-advisors), le trading
algorithmique, la détection des fraudes... En termes de domaines d’application prévisibles, cela
correspond au service à la clientèle (chatbots et interfaces de conversation), à la sécurité
(notamment des transactions), à l’analyse des informations et des données – en élargissant vers des
données moins comptables et formelles – et à la vente et au conseil en matière de vente de produits
financiers.
A moyen terme, la conjonction des données personnelles, comportementales et
financières/bancaires/assurantielles laisse entrevoir l’émergence de possibles assistants financiers
personnels, inspirés des services Amazon Echo et Google Home, et de véritables services financiers
personnalisés, par exemple par le biais d’agents intelligents optimisant les besoins des assurés et
pilotant la gestion de leur épargne.
La capacité des épargnants et des consommateurs à distinguer les divers services d’intelligence
artificielle et à en apprécier les qualités respectives est inconnue. Son évolution influencera son
acceptabilité ainsi que l’émergence d’un oligopole restreint, comme dans les plates-formes
numériques aujourd’hui, ou la préservation d’un marché concurrentiel.
En second lieu, il importe – notamment du fait que les activités financières sont hautement régulées
– de pouvoir apprécier rapidement les éléments potentiellement positifs et les éléments
potentiellement négatifs que le développement de l’intelligence artificielle peut amener.
Parmi les éléments potentiellement positifs s’inscrivent déjà ceux mus par la recherche d’un meilleur
service aux clients ou d’une meilleure efficience des procédés. Ces éléments doivent naturellement
émerger de la pression concurrentielle existant au sein du secteur financier, par une démarcation
positive de l’offre ou par une meilleure maîtrise des coûts et in fine des prix. Il est également possible
d’imaginer qu’une appréciation plus granulaire des clients permette de satisfaire davantage de
besoins qu’aujourd’hui, sans nécessairement accroître les risques pris.
Toutefois, des éléments potentiellement négatifs peuvent aussi apparaître, en fonction notamment
de l’utilisation recherchée : des techniques de trading automatisées « intelligentes » peuvent-elle
être conçues dans une logique d’abuser le marché sans être « vues » ? Pour prendre un autre
exemple : un robo advisor « intelligent » peut-il apporter un élément positif en étant programmé
pour ne servir que les intérêts propres du client – sans autre motivation ? ou peut-il être conçu pour
maximiser les frais perçus ?
A plus long terme, suivant les craintes de certains scientifiques de renom, comment éviter – en
termes de régulation et de supervision – que les programmes d’intelligence artificielle puissent être
susceptibles d’évoluer hors contrôle et de manière non bénéfique au public ? Comment s’assurer
que ces programmes d’IA soient détectés et isolés immédiatement, dans un contexte où ils
interagissent en temps réel avec d’autres programmes financiers ?
Pour autant, il est à attendre que le développement d’applications pratiques de l’intelligence
artificielle se développe de plus en plus dans le secteur financier, à un horizon qui reste difficile à
estimer. Le déclin du coût du calcul et la grande quantité de données disponibles sur les réseaux
mobiles et sociaux créent des conditions favorables à l’intelligence artificielle. Et comme indiqué
supra, le secteur financier offrant des caractéristiques propices à une application rapide des progrès
en matière de traitement fin des données, il est possible d’estimer que si les activités financières ne
seront pas nécessairement les premières impactées, elles seront aussi loin d’être les dernières.
De fait, les principaux déploiements actuels ou dans un avenir proche, tels que l’on peut les prévoir à
ce stade, pourront concerner : la gestion de portefeuille (allocation par les robo-advisors), le trading
algorithmique, la détection des fraudes... En termes de domaines d’application prévisibles, cela
correspond au service à la clientèle (chatbots et interfaces de conversation), à la sécurité
(notamment des transactions), à l’analyse des informations et des données – en élargissant vers des
données moins comptables et formelles – et à la vente et au conseil en matière de vente de produits
financiers.
A moyen terme, la conjonction des données personnelles, comportementales et
financières/bancaires/assurantielles laisse entrevoir l’émergence de possibles assistants financiers
personnels, inspirés des services Amazon Echo et Google Home, et de véritables services financiers
personnalisés, par exemple par le biais d’agents intelligents optimisant les besoins des assurés et
pilotant la gestion de leur épargne.
La capacité des épargnants et des consommateurs à distinguer les divers services d’intelligence
artificielle et à en apprécier les qualités respectives est inconnue. Son évolution influencera son
acceptabilité ainsi que l’émergence d’un oligopole restreint, comme dans les plates-formes
numériques aujourd’hui, ou la préservation d’un marché concurrentiel.
En second lieu, il importe – notamment du fait que les activités financières sont hautement régulées
– de pouvoir apprécier rapidement les éléments potentiellement positifs et les éléments
potentiellement négatifs que le développement de l’intelligence artificielle peut amener.
Parmi les éléments potentiellement positifs s’inscrivent déjà ceux mus par la recherche d’un meilleur
service aux clients ou d’une meilleure efficience des procédés. Ces éléments doivent naturellement
émerger de la pression concurrentielle existant au sein du secteur financier, par une démarcation
positive de l’offre ou par une meilleure maîtrise des coûts et in fine des prix. Il est également possible
d’imaginer qu’une appréciation plus granulaire des clients permette de satisfaire davantage de
besoins qu’aujourd’hui, sans nécessairement accroître les risques pris.
Toutefois, des éléments potentiellement négatifs peuvent aussi apparaître, en fonction notamment
de l’utilisation recherchée : des techniques de trading automatisées « intelligentes » peuvent-elle
être conçues dans une logique d’abuser le marché sans être « vues » ? Pour prendre un autre
exemple : un robo advisor « intelligent » peut-il apporter un élément positif en étant programmé
pour ne servir que les intérêts propres du client – sans autre motivation ? ou peut-il être conçu pour
maximiser les frais perçus ?
A plus long terme, suivant les craintes de certains scientifiques de renom, comment éviter – en
termes de régulation et de supervision – que les programmes d’intelligence artificielle puissent être
susceptibles d’évoluer hors contrôle et de manière non bénéfique au public ? Comment s’assurer
que ces programmes d’IA soient détectés et isolés immédiatement, dans un contexte où ils
interagissent en temps réel avec d’autres programmes financiers ?