Découvrez-en plus sur notre page Facebook

« L'intelligence artificielle offre de belles perspectives mais les limitations restent encore importantes »

Entretien : - responsable du Lab Data Science & Intelligence Artificielle de BNP Paribas CIB
1
0
49

Par sa capacité à automatiser le traitement des données, l'intelligence artificielle s'impose comme un outil de choix pour les banques. La protection des données clients amène le secteur à internaliser la technologie. BNP Paribas a créé, en 2016, un Lab consacré à la data et à l'intelligence artificielle au sein de son entité Corporate and Institutional Banking (CIB), dédiée à ses clients entreprises et institutionnels. Plusieurs réalisations, utilisables par tous les collaborateurs du groupe, ont déjà vu le jour autour de l'analyse des données non structurées.

Qu'est-ce qui a amené BNP Paribas à créer un Lab d'intelligence artificielle au sein de son entité Corporate and Institutional Banking (CIB) ?

Édouard d'Archimbaud – Il y a beaucoup de cas d'application de l'intelligence artificielle (IA) dans la banque, car ce secteur traite de l'information pour apporter de l'intelligence, du conseil et des services à valeur ajoutée à ses clients. BNP Paribas a une grande expertise du traitement de la donnée structurée lui permettant de gérer au mieux les risques liés à l'accompagnement de ses clients. Mais ces données ne constituent que 20 % du volume des données disponibles. Nous allons désormais employer cette expertise, combinée à des capacités informatiques et digitales renforcées, pour traiter des données non structurées (texte, voix, images, etc.). Ces données non structurées ouvrent des perspectives dans trois domaines : l'automatisation de l'analyse de la donnée textuelle lors des opérations bancaires, pour le reporting ou la traduction des documents, l'amélioration de l'expérience client à travers des interfaces équipées de moteur de recherche et d'assistants personnels, et le développement de solutions qui valorisent les données des clients.

Quelles sont les spécificités de l'usage de l'IA dans un univers aussi réglementé que la banque ?

É. d'A. – Il y a davantage de contraintes dans la manière d'analyser les données. Pour une banque, la donnée de ses clients est un actif précieux, unique, qu'il faut protéger et avec lequel il faut être ultra responsable. Lorsque nous procédons à des analyses, nous conservons ces données à l'intérieur de la banque : il est hors de question, par exemple, de les mettre sur le cloud ou de les envoyer chez des tiers ! Tout cela implique d'intégrer la technologie et donc de devenir un acteur à part entière de l'intelligence artificielle.

Comment travaille le Lab ?

É. d'A. – Nous mettons au point des services qui entrent en production et deviennent disponibles pour tout le monde. Nous ne nous limitons pas aux Proof of Concept (POC). C'est quand les développements entrent en production que l'on obtient le plus d'impact. Nous nous appuyons sur des experts de tous les métiers de la banque et des data scientists, des développeurs et des web designers qui travaillent en réseau. En combinant différentes briques, nous construisons des applications à valeur ajoutée pour les collaborateurs et les clients. Notre moteur de traduction a par exemple été construit sur un mix de données externes et internes. Il a été nourri de vidéos et de discours du Parlement européen pour acquérir une culture générale, puis de documents marketing produits en interne pour le spécialiser... C'est l'addition de cette culture générale et de la spécialisation qui lui donne sa valeur. La traduction de documents est sans doute le domaine sur lequel nous avons le plus de recul. Nous allons ajouter une dizaine de langues à notre outil dans les prochains mois.

Quels types de projets pourraient être prometteurs ?

É. d'A. – En ce moment, nous travaillons beaucoup sur la transformation de la voix en texte. Alors que l'œil est un bon capteur pour le cerveau, la voix est un bon capteur pour la machine. C'est peut-être le moyen le plus efficace pour faire passer de l'information entre l'humain et la machine. Le développement d'interfaces conversationnelles est très à la mode, mais la technologie n'est pas encore totalement mature. En revanche, ce qui fonctionne et ce qui a de la valeur aujourd'hui, c'est la capacité à extraire de la donnée d'un contrat – une date, un nom, un montant... –, à relire les contrats et à générer du texte à partir d'un tableau de chiffres. Le champ d'application, notamment dans le domaine de la conformité, est vaste. C'est un sujet majeur car, sur ce sujet, les banques n'ont pas une obligation de moyens mais de résultat !

Quel est le rôle de l'humain dans votre démarche et dans ce que l'on peut attendre de l'IA ?  

É. d'A. – Il y a toujours une complémentarité entre l'humain et les outils. L'intelligence artificielle est un mot qui a 60 ans, mais qui ne désigne finalement rien d'autre que du logiciel. La machine est très forte sur les tâches répétitives et aide l'humain à être plus efficace. Mais elle n'est pas capable de prendre des initiatives et ne progresse que par des interactions avec l'homme. Ce dernier garde un œil expert sur son travail et voit son expertise revalorisée. Il faut aujourd'hui des millions de textes en français ou en anglais pour permettre à la machine d'entrer en phase d'apprentissage. Un des enjeux consiste à mettre au point des solutions qui permettront d'apprendre avec moins d'exemples. L'intelligence artificielle offre de belles perspectives mais les limitations restent encore importantes.

L'intelligence artificielle fait souvent peur. Quelle pédagogie faut-il mener auprès des collaborateurs pour qu'ils s'approprient les apports sans se sentir menacés dans leur fonction ?

É. d'A. – Pour réussir une transformation digitale, il faut combiner trois types de compétences : celles du digital, celles de nos collaborateurs dans les métiers et les fonctions, et celles de nos clients. En 2016, nous avons lancé des Digital Weeks qui ont permis de sensibiliser l'interne sur ces sujets, de partager les possibilités des technologies, de faire remonter les cas d'usage... Il n'y a pas de rupture entre l'expérience de l'intelligence artificielle que l'on peut avoir à titre personnel et ce que l'on propose dans l'entreprise. C'est le même état de l'art et le même type d'interface. Les collaborateurs comprennent bien ce que ces outils leur apportent et la manière dont ils permettent de se départir des tâches les plus rébarbatives.

Et auprès des clients, sur l'utilisation de leurs données personnelles ?

É. d'A. – La banque a un capital confiance très important car nous sommes ultra responsables dans la gestion des données. Les clients BtoB de BNP Paribas CIB sont curieux et intéressés par ce qu'ils peuvent lire sur les activités du Lab. Ils savent que nous sommes leur partenaire privilégié sur leurs opérations de trésorerie ou de développement. Ils se rendent compte que nous pouvons aussi devenir leur partenaire privilégié sur les questions de transformation digitale, notamment en personnalisant les outils sur leur univers d'activité.

Comment travaillez-vous avec les autres Labs de la banque et avec les startups ?

É. d'A. – Il y a des Labs dans différentes entités de BNP Paribas qui travaillent en réseau, de manière décentralisée... Sur chaque technologie que nous adressons, nous regardons où se trouve l'état de l'art. Et c'est là que nous pouvons être amenés à travailler avec des startups. Nous sommes aussi en relation avec des laboratoires de recherche et des grandes écoles, que ce soit à travers des thèses, des contrats de recherche ou des échanges informels. La trentaine de personnes qui travaille au Lab fonctionne comme un incubateur ou une startup interne pour comprendre les cas d'usage, les modéliser et développer ensuite une application.
 
BIO EXPRESS
 
Édouard d'Archimbaud , responsable du Lab Data Science & Intelligence Artificielle de BNP Paribas CIB
Édouard d’Archimbaud est Data Scientist, en charge du Lab Data Science et Intelligence Artificielle de BNP Paribas CIB. Il a rejoint le groupe en 2016 après avoir occupé différents postes dans le domaine de la recherche et des projets opérationnels dans plusieurs institutions bancaires et fonds d’investissement. Il est diplômé de l’École polytechnique avec une spécialisation dans les mathématiques appliquées et la science de l’informatique, et de l’École normale supérieure de Cachan, où il a obtenu un master en machine learning.
{POPUP_CONTENT}