L'IA dans les industries réglementées : BofA et S&P sur les gains immenses et les risques de précipitation

Lors du récent sommet Fortune AIQ à New York, des cadres supérieurs de Bank of America (BofA) et de S&P Global ont partagé des idées cruciales sur l'intégration de l'intelligence artificielle dans les secteurs financiers hautement réglementés. Hari Gopalkrishnan, directeur de la technologie et de l'information chez Bank of America, et Sally Moore, directrice des clients chez S&P Global, ont souligné que si l'IA offre un potentiel transformateur, l'erreur la plus courante des organisations est de se précipiter pour l'implémenter comme solution première sans évaluer d'abord des alternatives plus simples et déterministes. Les deux institutions gèrent actuellement l'équilibre délicat entre l'investissement technologique agressif et la gestion stricte des risques requise dans la finance mondiale.

Bank of America développe considérablement ses efforts en matière d'IA, avec l'intention de doubler son budget dédié l'année prochaine. Le PDG Brian Moynihan a noté que 140 cas d'utilisation actuels ont déjà généré 800 millions de dollars de bénéfices pour 400 millions de dollars de coûts. La banque utilise un processus rigoureux de revue des risques en 16 piliers pour chaque projet, couvrant des préoccupations allant des biais à la propriété intellectuelle. Parallèlement, S&P Global, tirant parti de son acquisition de Kensho en 2018, a repositionné sa structure commerciale pour donner la priorité à la précision et à l'auditabilité des données. Sally Moore a mis en avant un cas où S&P a aidé une banque de premier plan à augmenter la précision de ses processus de 60 % à 98 % tout en accélérant les délais de production par six, prouvant que des agents d'IA ciblés peuvent fournir des résultats mesurables et à fort impact.

Les deux entreprises possèdent des racines historiques profondes dans l'industrie financière, ce qui façonne leur approche prudente de l'innovation. Bank of America utilise l'IA depuis plus d'une décennie, en commençant par des modèles de détection de fraude, et son assistant virtuel, Erica, a géré avec succès plus de 3,6 milliards de transactions. S&P Global, une institution vieille de 160 ans, considère les données comme la monnaie fondamentale de l'IA. En créant un bureau dédié aux clients et des laboratoires spécialisés, S&P garantit que ses déploiements d'IA ne sont pas seulement expérimentaux, mais profondément intégrés dans les flux de travail de ses 60 000 clients mondiaux, assurant que chaque modèle reste traçable et fiable.

Les ramifications de ces changements technologiques sont profondes, affectant tout, de la productivité de la main-d'œuvre à la stabilité financière systémique. Gopalkrishnan a averti que l'industrie doit rester vigilante en matière de sécurité, notant qu'à mesure que les modèles d'IA s'améliorent dans l'identification des vulnérabilités logicielles, les entreprises doivent donner la priorité au développement sécurisé, quel que soit leur niveau d'adoption de l'IA. De plus, la défaillance d'une institution plus petite pourrait éroder la confiance du public dans l'ensemble du système financier. Par conséquent, les deux entreprises préconisent une approche « humaine dans la boucle », garantissant que l'IA agit comme un outil d'assistance plutôt que comme un remplacement autonome du jugement professionnel.

À l'avenir, le consensus parmi ces leaders de l'industrie est que l'avenir de l'IA dans la finance réside dans l'« intelligence intégrée » et l'utilisation stratégique d'agents d'assistance. Plutôt que de poursuivre une autonomie totale, les entreprises se concentrent sur l'amélioration des capacités humaines pour servir les clients plus efficacement. À mesure que l'infrastructure de contrôle mûrit, la capacité d'anticiper les besoins des clients et de fournir des solutions précises basées sur les données deviendra le principal différenciateur dans un paysage financier de plus en plus banalisé. La voie à suivre nécessite une stratégie disciplinée et agnostique vis-à-vis des modèles, privilégiant l'outil adapté à la tâche spécifique plutôt que la simple poursuite de la dernière tendance technologique.