Innovation Internet des Objets

Les services financiers passent à la vitesse supérieure grâce aux technologies cognitives

25 septembre 2015

author:

Les services financiers passent à la vitesse supérieure grâce aux technologies cognitives

Les systèmes intelligents ou cognitifs sont de plus en plus sophistiqués. Ils peuvent désormais apprendre, comprendre et interagir de façon pertinente avec les humains. Le secteur de la finance peut tirer profit de ces technologies pour améliorer ses opérations et services, de l’assistance client au conseil en investissement. 

Les systèmes intelligents, une tendance durable

De façon ironique mais pertinente, on peut définir l’intelligence artificielle (IA) comme « tout ce qu’un ordinateur n’est pas encore en mesure de faire. Dès qu’une tâche peut être exécutée par un ordinateur elle devient banale à nos yeux ».

Pendant longtemps, nous avons pensé que les capacités complexes ou abstraites étaient une spécificité du cerveau humain. Pourtant, les ordinateurs n’ont eu de cesse d’étendre leurs compétences, à tel point qu’ils sont maintenant parfois plus performants que les humains, qu’il s’agisse de jouer à Jeopardy, de reconnaître des visages ou de conduire des voitures. Ces progrès résultent de l’augmentation de la puissance de calcul disponible et des avancées des algorithmes de reconnaissance de formes et d’apprentissage.

Aujourd’hui, les ordinateurs peuvent voir, écouter, lire et écrire, mais également comprendre et interpréter. Skype peut ainsi traduire des conversations en temps réel, tandis que Facebook peut reconnaître les visages plus précisément que les humains (et le FBI). Parallèlement, le traitement automatique du langage naturel est utilisé par de nombreuses applications comme Siri, Google Now ou Cortana,[1] et l’analyse des sentiments permet aux agents d’évaluer l’état émotionnel de leurs interlocuteurs pour réagir en conséquence. Toutes ces fonctionnalités rendent les interactions avec les agents intelligents plus simples, naturelles et efficaces.

Aujourd’hui cependant, les ordinateurs ne se contentent plus d’interagir avec les humains. Indépendamment de leur forme, les technologies intelligentes ou cognitives façonnent désormais de nombreux secteurs et industries.

Par exemple, les spécialistes de l’aéronautique ou des plates-formes pétrolières s’appuient sur l’aide technique d’assistants virtuels, dans le cadre d’opérations de construction ou de réparation complexes. De même, les systèmes intelligents intégrés permettent aux voitures autonomes de conduire toutes seules sur des millions de kilomètres, sans accidents. Dans le domaine de la robotique, pour apprendre quelque chose aux robots comme Baxter, il suffit de leur montrer l’action à reproduire (aucune programmation n’est nécessaire). De son côté, Watson, le système cognitif d’IBM, a déjà pris part à la recherche contre le cancer en améliorant la précision des diagnostics et en identifiant de nouveaux mécanismes de la maladie. Il aide même des chefs à découvrir de nouvelles saveurs et à créer de nouveaux plats !

Autre innovation de taille, la solution Amelia d’IPsoft. Elle peut lire et comprendre du texte, suivre des procédures, résoudre des problèmes et apprendre de façon empirique. Fait remarquable, elle comprend la signification implicite et tire des inférences d’un propos, et améliore ses performances simplement en écoutant des humains répondre à des questions qu’elle ne peut pas encore traiter. Amelia peut assimiler le manuel d’une pompe centrifuge pour puits de pétrole en seulement 30 secondes pour ensuite donner des instructions de réparation. Elle peut aussi remplacer un opérateur de centre d’appels, un agent hypothécaire ou d’assurance ou même un assistant médical, quasiment sans l’aide d’un humain. Vous devez la voir pour y croire.

L’importance de l’apprentissage

Afin d’atteindre de tels résultats, les algorithmes sous-jacents ne sont pas programmés pour couvrir toutes les situations possibles. Tout d’abord, cela serait impossible (on ne peut générer et enregistrer la traduction de toutes les phrases possibles dans toutes les langues existantes). D’autre part, cela serait inutile dans de nombreuses situations (pour guérir le cancer par exemple, comment concevoir un algorithme dirigé sans connaître la solution au problème ?).

Ainsi, au lieu de s’appuyer sur des calculs par force brute, des réponses préprogrammées et des recherches de mots-clés, la plupart de ces algorithmes apprennent à reconnaître des motifs et des tendances et à déduire des règles et comportements à partir d’exemples.[2]

L’apprentissage est ainsi un composant essentiel pour que les technologies cognitives fonctionnent dans des environnements réels. Les agents dotés de capacités d’apprentissage n’ont pas besoin d’être reprogrammés dès lors qu’une nouvelle situation se présente. Ils perfectionnent et enrichissent naturellement leurs compétences au fil du temps.

Des technologies idéales pour faire passer les services financiers à la vitesse supérieure

Le secteur des services financiers se prête naturellement à l’utilisation des technologies cognitives. De fait, compte tenu de la complexité des marchés financiers, des vastes quantités de données qui entrent en jeu ainsi que des besoins d’automatisation et d’amélioration de l’expérience client, ces technologies sont idéales dans diverses situations.

Dans le domaine de la gestion des risques et de la compliance, les agents intelligents peuvent comparer tous les cas aux politiques et directives approuvées et évaluer la complexité de l’exposition aux risques.

Parallèlement, l’analyse de grandes quantités d’informations peut renforcer la pertinence des analyses financières et de marché. Contrairement aux outils d’analyse classiques, les agents intelligents peuvent traiter des questions ouvertes et détecter des variables et tendances clés qui n’ont pas été codées en dur dans le système.

Pour la gestion de patrimoine, les responsables conseillent leurs clients en étudiant d’importants volumes de données complexes, comme des rapports de recherche, des informations produit et des profils client. Les conseillers intelligents peuvent désormais fournir du conseil en placement personnalisé à moindre coût, et reposant sur le corpus en pleine croissance des connaissances en investissement.

De fait, des solutions telles que Watson et Amelia sont déjà utilisées par des établissements financiers de premier plan. Par exemple, DBS Bank se sert de Watson pour identifier les besoins des clients du service gestion de patrimoine, pour leur offrir de meilleurs conseils et déterminer les meilleures options financières selon leurs besoins. De même, l’une des plus grandes banques américaines utilise Amelia pour gérer entre autres les plates-formes de transactions et les centres d’appels.

Perspectives

Nous voilà aujourd’hui au point critique où les capacités des technologies cognitives sont suffisamment fiables et performantes pour être déployées dans des environnements réels.

Comme toutes les autres innovations technologiques, les systèmes cognitifs vont permettre aux organisations de réduire leurs coûts, d’améliorer leurs processus et de se concentrer sur leur cœur de métier. Les services financiers, ainsi que d’autres secteurs, tireront profit de ces avancées. Avec les agents cognitifs, les banques et autres établissements financiers pourront optimiser leurs opérations et services.

Les technologies cognitives permettent en effet d’automatiser toutes les tâches qui impliquent des connaissances (c’est-à-dire qui nécessitent un certain niveau de compétence ou d’expertise) et ce dans le cadre de diverses fonctions. La présence et les relations humaines resteront bien sûr essentielles, bien qu’à des degrés variables. Certaines activités seront majoritairement automatisées et ne nécessiteront qu’une supervision humaine (les centres d’appels par exemple). D’autres activités, comme le conseil en investissement, resteront l’apanage d’experts humains, qui bénéficieront toutefois de l’aide des technologies cognitives.


[1] Ces problèmes sont étonnamment difficiles. Dans le domaine de l’informatique, la distinction entre une tâche simple et une tâche pratiquement impossible peut être subtile, comme le montre cette B.D. : http://xkcd.com/1425/

[2] Évidemment, l’éventail des technologies cognitives est très large (la plupart d’entre elles ont d’ailleurs été inventées il y a des dizaines d’années) et couvre aussi bien l’apprentissage automatique et la reconnaissance de motifs que le traitement automatique du langage naturel. Par exemple, Watson repose sur un moteur d’analyse de données ainsi que sur des méthodes de ‘Deep Learning’, tandis qu’Amelia utilise les ontologies neuronales pour comprendre la signification et le contexte des informations. Les diverses technologies et leurs produits dérivés résolvent donc au final différents problèmes.

Physicist and expert in strategy and digital. I believe in developing a diversity of knowledge to drive innovation.
Leave a comment

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *