Selon un rapport de McKinsey, l’IA générative pourrait apporter une valeur ajoutée annuelle de 2 600 milliards à 4 400 milliards de dollars à l’économie mondiale. Le secteur bancaire a été souligné comme l’un des secteurs qui pourraient bénéficier du plus grand impact (en pourcentage de leurs revenus) de l’IA générative. La technologie « pourrait générer une valeur supplémentaire de 200 à 340 milliards de dollars par an si les cas d’utilisation étaient pleinement mis en œuvre », indique le rapport.
Pour les entreprises de tous secteurs, le défi actuel consiste à séparer le battage médiatique qui accompagne toute nouvelle technologie de la valeur réelle et durable qu’elle peut apporter. Il s’agit d’un problème urgent pour les entreprises de services financiers. L’utilisation déjà répandue et croissante des outils numériques par le secteur le rend particulièrement susceptible d’être affecté par les progrès technologiques. Ce rapport MIT Technology Review Insights examine l’impact précoce de l’IA générative au sein du secteur financier, où elle commence à être appliquée, et les obstacles qui doivent être surmontés à long terme pour son déploiement réussi.
Les principales conclusions de ce rapport sont les suivantes :
- Le déploiement en entreprise de l’IA générative dans les services financiers en est encore à ses balbutiements. Les cas d’utilisation les plus actifs tournent autour de la réduction des coûts en libérant les employés du travail répétitif et à faible valeur ajoutée. Les entreprises ont commencé à déployer des outils d’IA générative pour automatiser des tâches chronophages et fastidieuses, qui nécessitaient auparavant que des humains évaluent des informations non structurées.
- Des outils potentiellement plus disruptifs font l’objet d’expérimentations approfondies, mais les signes d’un déploiement commercial restent rares. Les universitaires et les banques examinent comment l’IA générative pourrait aider dans des domaines importants, notamment la sélection d’actifs, des simulations améliorées et une meilleure compréhension de la corrélation des actifs et du risque extrême, c’est-à-dire la probabilité que l’actif performe bien en dessous ou bien au-dessus de sa performance passée moyenne. Cependant, jusqu’à présent, toute une série de défis pratiques et réglementaires entravent leur utilisation commerciale.
- Les technologies existantes et la pénurie de talents pourraient ralentir l’adoption des outils d’IA générative, mais seulement temporairement. De nombreuses sociétés de services financiers, en particulier les grandes banques et les assureurs, disposent encore de structures informatiques et de données importantes et vieillissantes, potentiellement inadaptées à l’utilisation d’applications modernes. Toutefois, ces dernières années, le problème s’est atténué grâce à la numérisation généralisée et pourrait continuer à le faire. Comme c’est le cas pour toute nouvelle technologie, les talents possédant une expertise spécifique en IA générative sont rares dans l’ensemble de l’économie. Pour l’instant, les sociétés de services financiers semblent former leur personnel plutôt que de recruter parmi un bassin de spécialistes clairsemé. Cela dit, la difficulté de trouver des talents en IA commence déjà à s’atténuer, un processus qui refléterait celui observé avec l’essor du cloud et d’autres nouvelles technologies.
- Les faiblesses de la technologie elle-même et les obstacles réglementaires à son déploiement pour certaines tâches peuvent être plus difficiles à surmonter. Il est peu probable que les outils généraux disponibles dans le commerce soient capables d’effectuer de manière adéquate des tâches complexes et spécifiques, telles que l’analyse et la sélection de portefeuilles. Les entreprises devront former leurs propres modèles, un processus qui nécessitera du temps et des investissements considérables. Une fois ce logiciel terminé, sa sortie peut être problématique. Les risques de partialité et de manque de responsabilité dans l’IA sont bien connus. Trouver des moyens de valider les résultats complexes de l’IA générative n’a pas encore été couronné de succès. Les autorités reconnaissent qu’elles doivent étudier davantage les implications de l’IA générative et, historiquement, elles ont rarement approuvé les outils avant leur déploiement.
Téléchargez le rapport complet.
Ce contenu a été produit par Insights, la branche de contenu personnalisé du MIT Technology Review. Il n’a pas été rédigé par l’équipe éditoriale du MIT Technology Review.
