La gestion des risques dans les institutions financières grâce à l'IA.

L'intelligence artificielle (IA) est de plus en plus utilisée dans le secteur des services financiers pour améliorer l'efficacité, réduire les coûts et améliorer l'expérience client.

Cependant, l'un des avantages les plus importants de l'IA dans les services financiers est sa capacité à gérer les risques.

Nous pouvons parler du rôle de l'IA dans la gestion de quatre risques clés dans les services financiers : la détection de la fraude, la lutte contre le blanchiment d'argent (AML), les risques de cybersécurité et la conformité.‍

‍
Détection des fraudes:

‍Les activités frauduleuses peuvent entraîner des pertes financières importantes pour les institutions et leurs clients. Selon une enquête globale(KPMG) menée en 2019 sur l’état de la fraude dans le secteur bancaire, plus de 60% des banques indiquent une augmentation significative du volume et des typologies de fraudes. L'IA peut aider à détecter et à prévenir la fraude en analysant rapidement et avec précision de grandes quantités de données. Les solutions de détection et de prévention de la fraude basées sur la détection d'anomalies sont plus courantes actuellement en banque. Celles incluant de l'analyse prédictive et prescriptive sont moins courantes. Ce type de solution nécessite un modèle d'apprentissage automatique qui est formé sur un flux continu de données entrantes. Le modèle est entraîné pour avoir une compréhension de base pour le contenu des transactions bancaires, des demandes de prêt ou des informations pour l'ouverture d'un nouveau compte. Il peut ensuite notifier à un superviseur humain tout écart par rapport au schéma normal afin qu'il puisse l'examiner. Le superviseur peut accepter ou rejeter cette alerte, qui signale au modèle d'apprentissage automatique que sa détermination de fraude à partir d'une transaction, d'une application ou d'informations client est correcte ou non. Cela entraînerait davantage le modèle d'apprentissage automatique à «comprendre» que l'écart qu'il a trouvé était soit une fraude, soit un nouvel écart acceptable.

Lutte contre le blanchiment d’argent (AML):

‍ Les institutions financières ont l'obligation légale de prévenir le blanchiment d'argent et le financement du terrorisme. Les sanctions pécuniaires pour non conformité ont atteint 2 milliards d’euros selon Kroll Data en 2020. L’identification d’activités suspectes se prête aisément à un apprentissage automatique afin de réduire le travail manuel et d’y inclure une multiplicité de facteurs qui ne peuvent pas être pris en compte par l’humain. Un domaine d’utilisation de l’IA serait par exemple dans l’identification des clients et la vérification. Les algorithmes de deep learning peuvent permettre de réduire les faux positifs: Un client qui effectue plusieurs retraits d'espèces dans différentes agences bancaires le même jour, par exemple, peut déclencher une alerte AML même s'il a des raisons commerciales légitimes pour son comportement transactionnel. De même, certaines conventions de nommage en langue étrangère peuvent faire en sorte que différents clients aient des noms très similaires et que les mesures de filtrage des sanctions les relient de manière incorrecte aux noms figurant sur les listes de sanctions.

‍

Risques liés à la cybersécurité:

Les menaces liées à la cybersécurité sont également en augmentation et les institutions financières sont particulièrement vulnérables aux cyberattaques.  Avec la démocratisation du cloud et du télétravail, la menace cyber constitue la plus importante, tous secteurs d’activités confondus. Une entreprise sur deux a été victime d’une cyberattaque en 2022 selon le baromètre du CESIN( Club des Experts de la Sécurité de l’Information et du Numérique). Concernant les institutions financières, L'IA peut aider à atténuer les risques de cybersécurité en identifiant et en répondant aux menaces potentielles en temps réel. Les algorithmes d'apprentissage automatique peuvent analyser l'activité du réseau et détecter des schémas pouvant indiquer une cyberattaque, tels qu'un trafic inhabituel ou des tentatives de connexion.

‍

Conformité:

Le respect scrupuleux des règles de conformité est très important pour les institutions financières, car le non-respect peut potentiellement entraîner de lourdes amendes ou, dans des cas extrêmes, même la perte de licences bancaires, notamment. Les réglementations de conformité sont également sujettes à de fréquents changements, et les institutions financières doivent constamment mettre à jour leurs processus et flux de travail conformément à ces réglementations. De plus, les tentatives de fraude et de piratage informatique devenant de plus en plus sophistiquées, de nombreuses autorités de réglementation du secteur obligent les banques par exemple, à atténuer efficacement ces risques. Cela signifie pour les banquiers, qu'en plus de s'occuper des opérations bancaires quotidiennes, les banques doivent suivre les mandats de conformité qui leur sont applicables. Au cours de ces dernières années, de nouvelles réglementations telles que le RGPD et BALE IV ont poussé les banques à revoir certains de leurs flux de travail pour répondre à ces nouvelles exigences. En général, la plupart des banques disposent d'une équipe de conformité interne à cet effet. Les équipes de conformité des banques sont chargées de parcourir des milliers de pages web et de documents internes afin de se tenir au courant des dernières modifications apportées à ces règles. l'IA peut aider les banques et les institutions financières à améliorer la précision de l'identification des règles qui s'appliquent à elles. Elle peut augmenter les compétences de chaque responsable de la conformité tout en leur permettant d'adapter leurs opérations pour faire plus que ce qui est possible lors de la recherche manuelle dans des documents numériques et des sites web gouvernementaux. Les banques pourraient potentiellement parcourir automatiquement le web et identifier uniquement les plus pertinentes pour chaque entreprise. Toujours dans le champ de la conformité, les techniques de deep learning et de NLP (Natural Language Processing) permettent de faciliter la recherche sémantique pour les auditeurs et équipes conformité. En tant que processus, les recherches sémantiques rationalisent les workflows suivants :

-        Permet au personnel chargé de la conformité d'extraire des documents, même lorsque la majorité d'entre eux ne sont pas structurés, ce qui simplifie le processus en évitant de passer du temps à les classer en lignes et en colonnes.

-        Le modèle d'apprentissage profond (deep learning) trouve et apprend ensuite des schémas à mesure qu'il mûrit.

-        Signale les transactions et les met en attente pour enquête où elles sont vérifiées par l'intelligence et l'expérience humaine.

-        L'intelligence augmentée décide ensuite quels problèmes d'alerte doivent être écartés pour un suivi humain

En conclusion, l'IA a le potentiel de révolutionner le secteur des services financiers. En analysant rapidement et avec précision de grandes quantités de données, les institutions financières peuvent tirer parti de la puissance de l'IA pour améliorer leurs opérations et mieux servir leurs clients, tout en atténuant les risques.