Une nouvelle technologie de la plateforme bancaire numérique Plumery AI vise à répondre à un dilemme pour les institutions financières : comment aller au-delà des preuves de concept et intégrer l’intelligence artificielle dans les opérations bancaires quotidiennes sans compromettre la gouvernance, la sécurité ou la conformité réglementaire.
Le « AI Fabric » de Plumery a été positionné par l’entreprise comme un cadre standardisé pour connecter les outils et modèles d’IA générative aux données et services bancaires de base. Selon Plumery, le produit est destiné à réduire le recours à des intégrations sur mesure et à promouvoir une architecture événementielle, axée sur les API, qui peut évoluer à mesure que les institutions se développent.
Le défi qu’il cherche à relever est reconnu dans le secteur. Les banques ont investi massivement dans l’expérimentation de l’IA au cours de la dernière décennie, mais de nombreux déploiements restent limités. Les recherches de McKinsey suggèrent que même si l’IA générative pourrait améliorer sensiblement la productivité et l’expérience client dans les services financiers, la plupart des banques ont du mal à traduire les projets pilotes en production en raison de la fragmentation des données et des modèles opérationnels en place. Le cabinet de conseil affirme que l’adoption de l’IA au niveau de l’entreprise nécessite une infrastructure et une gouvernance partagées ainsi que des produits de données réutilisables.
Dans les commentaires accompagnant le lancement du produit, le fondateur et directeur général de Plumery, Ben Goldin, a déclaré que les institutions financières sont claires sur ce qu’elles attendent de l’IA.
« Ils veulent de véritables cas d’utilisation en production qui améliorent l’expérience client et les opérations, mais ils ne feront aucun compromis sur la gouvernance, la sécurité ou le contrôle », a-t-il déclaré. « L’architecture de maillage de données basée sur les événements transforme la façon dont les données bancaires sont produites, partagées et consommées, sans ajouter une autre couche d’IA au-dessus des systèmes fragmentés. »
Les données fragmentées restent un obstacle
La fragmentation des données reste l’un des obstacles à l’IA opérationnelle dans le secteur bancaire. De nombreuses institutions s’appuient sur des systèmes de base existants qui se trouvent dans des canaux numériques plus récents, créant ainsi des silos dans les produits et les parcours clients. Chaque initiative d’IA nécessite de nouveaux travaux d’intégration, des examens de sécurité et des approbations de gouvernance, augmentant ainsi les coûts et ralentissant la livraison.
La recherche universitaire et industrielle conforte ce diagnostic. Des études sur l’IA explicable dans les services financiers indiquent que la fragmentation des pipelines rend plus difficile le traçage des décisions et augmente le risque réglementaire, en particulier dans des domaines tels que la notation de crédit et la lutte contre le blanchiment d’argent. Les régulateurs ont clairement indiqué que les banques doivent être capables d’expliquer et de vérifier les résultats de l’IA, quel que soit l’endroit où les modèles sont développés.
Plumery affirme que son AI Fabric résout ces problèmes en présentant les données bancaires orientées domaine sous forme de flux gouvernés qui peuvent être réutilisés dans plusieurs cas d’utilisation. L’entreprise affirme que séparer les systèmes d’enregistrement des systèmes d’engagement et de renseignement permet aux banques d’innover de manière plus sûre.
Preuve de l’IA déjà en production
Malgré les défis, l’IA est déjà intégrée dans de nombreux secteurs du secteur financier. Des études de cas compilées par des analystes du secteur montrent une utilisation généralisée de l’apprentissage automatique et du traitement du langage naturel dans le service client, la gestion des risques et la conformité.
Citibank, par exemple, a déployé des chatbots basés sur l’IA pour traiter les demandes courantes des clients, réduisant ainsi la pression sur les centres d’appels et améliorant les temps de réponse. D’autres grandes banques utilisent l’analyse prédictive pour surveiller les portefeuilles de prêts et anticiper les défauts de paiement. Santander a publiquement décrit son utilisation de modèles d’apprentissage automatique pour évaluer le risque de crédit et renforcer la gestion de portefeuille.
La détection de la fraude est un autre domaine mature. Les banques s’appuient de plus en plus sur les systèmes d’IA pour analyser les modèles de transactions, signalant ainsi les comportements anormaux plus efficacement que les systèmes basés sur des règles. Les recherches menées par des cabinets de conseil en technologie indiquent que de tels modèles dépendent de flux de données de haute qualité et que la complexité de l’intégration reste un facteur limitant pour les petites institutions.
Des applications plus avancées apparaissent à la marge. Les recherches universitaires sur les grands modèles de langage suggèrent que, sous une gouvernance stricte, l’IA conversationnelle pourrait prendre en charge certaines fonctions transactionnelles et consultatives dans la banque de détail. Cependant, ces implémentations restent expérimentales et sont scrutées de près en raison de leurs implications réglementaires.
Fournisseurs de plateformes et approches écosystémiques
Plumery opère sur un marché concurrentiel de plateformes bancaires numériques qui se positionnent comme des couches d’orchestration plutôt que comme des remplacements des systèmes de base. La société a conclu des partenariats conçus pour s’intégrer dans des écosystèmes fintech plus larges. Son intégration avec Ozone API, fournisseur d’infrastructure bancaire ouverte, a été présentée comme un moyen pour les banques de fournir plus rapidement des services conformes aux normes, sans développement personnalisé.
Son approche reflète une tendance plus large du secteur vers des architectures composables. Des fournisseurs comme Backbase et d’autres font la promotion de plates-formes centrées sur les API qui permettent aux banques d’intégrer l’IA, l’analyse et les services tiers au cœur existant. Les analystes s’accordent généralement sur le fait que de telles architectures sont mieux adaptées à l’innovation incrémentale qu’au remplacement de systèmes à grande échelle.
La préparation reste inégale
Les faits suggèrent que la préparation du secteur est inégale. Un rapport du Boston Consulting Group révèle que moins d’un quart des banques estiment être prêtes à adopter l’IA à grande échelle. L’écart, affirme-t-il, réside dans la gouvernance, les fondations de données et la discipline opérationnelle.
Les régulateurs ont réagi en proposant des environnements contrôlés pour l’expérimentation. Au Royaume-Uni, les initiatives réglementaires de type sandbox permettent aux banques de tester de nouvelles technologies, notamment l’IA. Ces programmes visent à soutenir l’innovation et à renforcer la responsabilisation et la gestion des risques.
Pour des fournisseurs comme Plumery, l’opportunité réside dans la fourniture d’une infrastructure qui aligne ambition technologique et réalité réglementaire. AI Fabric entre sur un marché où la demande en IA opérationnelle est évidente, mais où le succès dépend de la preuve que les nouveaux outils peuvent être sûrs et transparents.
Il reste incertain si l’approche de Plumery deviendra une norme adoptée. À mesure que les banques passent de l’expérimentation à la production, l’attention se porte désormais sur les architectures qui prennent en charge l’IA. Dans ce contexte, les plateformes capables de démontrer leur flexibilité technique et leur respect de la gouvernance sont plus susceptibles de jouer un rôle important dans la prochaine phase de la banque numérique.
(Source de l’image : « Strates de schiste colorées de la formation Morrison au bord de la houle de San Rafael » de Jesse Varner sous licence CC BY-NC-SA 2.0.)
