Comment l’IA et les données de paiement transformeront les services bancaires aux entreprises
Walid Koleilat Walid Koleilat
12 décembre 11 min

Comment l’IA et les données de paiement transformeront les services bancaires aux entreprises

Cet article a été co-rédigé par Walid Koleilat, Andrew Marble et Cory Salveson.

Le monde bancaire n’est pas étranger à l’intelligence artificielle (IA). Les banques commerciales l’utilisent déjà pour obtenir des informations sur le comportement des clients en utilisant des données comme les transactions de paiement. En comprenant mieux les événements importants dans la vie de leurs clients, comme l’achat d’une maison, les banques peuvent fournir des conseils plus appropriés et mieux adapter leurs produits. Une entreprise de la technologie financière prétend même qu’elle peut prévoir les divorces de clients ou les ruptures de relations.

Avec l’accélération des transformations induites par l’IA dans tous les domaines du secteur bancaire, les banques commerciales suivent le mouvement. En fait, l’explosion des données sur les paiements, combinée aux progrès des techniques de l’IA, ouvre la porte à une nouvelle vague d’occasions dans les services bancaires aux entreprises. L’adoption définit l’avantage concurrentiel des organisations et même leur viabilité dans un monde en évolution rapide. La question n’est pas de savoir si l’IA est nécessaire dans les services bancaires aux entreprises, mais quand et comment l’adopter. D’après notre travail avec les clients des services bancaires aux grandes entreprises et nos discussions avec nos collègues de l’industrie, nous en sommes venus à croire que le moment est venu. Les banques commerciales ont juste besoin d’aide avec le « comment ».

Il est encore trop tôt. L’IA gagne du terrain en matière de lutte contre la fraude et le blanchiment d’argent, mais personne ne sait encore comment elle sera mise en œuvre dans les services bancaires aux entreprises. Dans cet article, nous décrivons une approche prometteuse qui utilise les capacités techniques actuelles pour réaliser une nouvelle tendance de l’industrie : la commercialisation des données sur les paiements corporatifs.

Tout d’abord, il est important de comprendre le « pourquoi » de l’IA dans les services bancaires aux entreprises.

Un monde de plus en plus riche en données

Les banques sont des institutions riches en données, mais traditionnellement, les interactions entre les banques et leurs entreprises clientes sont basées sur l’expérience et la connaissance du secteur d’activité de leurs clients par le directeur des services bancaires sur mesure – pas sur des données de haute qualité. Cette expertise repose sur des recherches manuelles approfondies et des analyses ad hoc.

Mais la finance devient plus complexe que jamais. Les paiements riches en données se produisent si rapidement qu’ils sont presque en temps réel, accélérant ainsi les flux commerciaux. Cette explosion des données est alimentée par l’échange sans friction de marchandises et par le réseau de plus en plus complexe de connexions entre économies et partenaires commerciaux auparavant éloignés. Dans le secteur des services bancaires aux particuliers, les nouvelles entreprises en démarrage comme Oak North au Royaume-Uni ou Square Capital aux États-Unis, utilisent de nouvelles sources de données sur les paiements pour garantir des prêts pour un créneau de marché mal desservi : les petites entreprises qui sont rentables, mais n’ont pas les antécédents pluriannuels pour gagner la confiance des banques traditionnelles.

Cette nouvelle catégorie de solutions d’analyse de la clientèle, fondée sur de nouveaux flux de données, fait progresser l’industrie — mais qu’en est-il des directeurs des services bancaires sur mesure dans les services bancaires aux entreprises? Ils perdent la capacité de filtrer le signal des interférences, de traiter l’information pertinente et d’extraire des informations significatives pour servir leurs clients. Il y a tout simplement trop de données pour qu’ils puissent s’en occuper.

Avec l’adoption de la norme ISO 20022, les paiements corporatifs seront bientôt encore plus riches en données. C’est un changement de normes hautement nécessaire qui permettra d’inclure plus de détails sur chaque transaction avec les données de paiement existantes. Cela crée encore plus d’occasions pour les banques d’acquérir une meilleure compréhension — ou de perdre la forêt pour les arbres.

C’est là que le pouvoir de l’IA entre en jeu. L’IA excelle dans l’apprivoisement de la complexité, de sorte qu’elle peut jouer un rôle fondamental dans la compréhension de ce déluge de données. Toutefois, la mise en œuvre de l’IA dans les services bancaires aux entreprises est plus complexe que dans le domaine de la consommation.

La valeur de la chaîne de paiement

La portée de l’IA est facile à constater pour les banques grand public au service des particuliers et des petites entreprises, mais plus difficile à obtenir pour les entreprises.

En tant que consommateurs, nous fournissons des données lorsque nous utilisons des services bancaires et, en échange, ces services deviennent de plus en plus personnalisés et pratiques. Cet équilibre est possible, car même si les données sur les dépenses de consommation augmentent, il est relativement simple de les utiliser pour adapter le service aux consommateurs. Plus de données signifie simplement que la banque en sait plus sur le client. Les nouvelles données sur les paiements saisies par Square, par exemple, sont à la base de Square Capital – une entreprise distincte fondée en 2014 qui a souscrit plus de 1 milliard de dollars US pour les petites entreprises. Et ce n’est qu’un cas d’utilisation parmi tant d’autres.

Contrairement aux consommateurs, les comportements et les besoins d’une entreprise cliente sont définis dans le contexte d’une chaîne logistique impliquant plusieurs entités, telles que des producteurs, fournisseurs, entrepôts, transporteurs, centres de distribution et détaillants. Par conséquent, pour mieux comprendre les entreprises clientes, nous avons besoin non seulement de plus de données sur l’entreprise elle-même, mais aussi sur les entités de la chaîne logistique et les paiements sous-jacents qui les relient. Il est difficile d’obtenir toutes ces données, car elles sont naturellement stockées dans des systèmes disparates, avec des enregistrements qui ne sont pas conciliés ou connectés de façon uniforme.

Dans la grande vague de données et d’analyses des dernières années, les banques ont tenté de lutter contre cette complexité en finançant des lacs de données à grande échelle, mais elles n’ont pas vu un rendement du capital investi à la hauteur de l’engouement. C’est précisément là que l’IA peut commencer à changer les choses.

Comment l’IA peut-elle aider les banques commerciales? Le cas des données de paiement

Le résultat que vous obtenez de l’IA dépend toujours de la façon dont vous adaptez la technologie à votre entreprise, mais aussi comment vous adaptez votre entreprise à l’IA. Pour les directeurs des services bancaires sur mesure travaillant dans des banques commerciales, il s’agit d’abord de trouver des techniques qui peuvent les aider à mieux faire leur travail dans un monde interconnecté et riche en données. Ensuite, il s’agit de concevoir les bonnes façons d’intégrer ces techniques à votre flux de travail pour obtenir les meilleures retombées possible.

L’un des nouveaux concepts de l’IA qui fait de plus en plus partie de la technologie de pointe est l’apprentissage par la représentation, que l’on appelle parfois l’apprentissage des caractéristiques. En utilisant cette technique, les praticiens de l’IA peuvent utiliser les flux de données de paiement pour créer une représentation des données des entreprises clientes qui agit comme un ensemble d’attributs clés caractérisant leur comportement les uns par rapport aux autres et dans le contexte de leur chaîne logistique. Cette caractérisation peut alimenter un raisonnement analogique et être une source d’idées pour la prise de décision.

Alors que les approches traditionnelles de l’analyse des données reposent sur des caractéristiques définies manuellement d’une entreprise, comme l’industrie ou la taille, l’apprentissage par la représentation permet de découvrir les attributs des entreprises qui sont similaires ou différents dans la façon dont elles effectuent des transactions. La technique repose en partie sur l’exploitation des données provenant d’un grand groupe d’entreprises afin que les similitudes puissent ensuite être utilisées pour déterminer où une nouvelle proposition (p. ex. produit, service, conseil) pourrait bien fonctionner.

Dans le cadre de notre travail visant à aider les banques commerciales dans leur démarche d’IA, la création de représentations à l’aide de données sur les opérations de paiement a été une technique intégrale pour saisir efficacement des modèles et des renseignements précieux. Les directeurs des services bancaires sur mesure construisent déjà des représentations mentales du comportement financier passé et prévu; l’IA rend ces représentations plus riches et plus rapides. Grâce à l’IA, les directeurs des services bancaires sur mesure peuvent ainsi acquérir une compréhension plus approfondie de leurs clients institutionnels et commerciaux. Au fil du temps, ces renseignements peuvent améliorer le niveau de service au-delà de tout ce qui était possible auparavant en se fondant uniquement sur les états financiers.

Cet exemple d’utilisation de l’IA et des données de paiement pour aider les directeurs des services bancaires sur mesure démontre qu’il est possible pour l’IA d’aider à transformer les services bancaires aux entreprises, une relation à la fois. Mais il y a une grande différence entre le possible et le réel. Comment les banques peuvent-elles se lancer dans de telles occasions?

En faire une réalité

Nous conseillons fréquemment nos clients sur la façon de rendre leur organisation prête à exploiter l’IA. Au cours de ces discussions, nous nous penchons sur cinq dimensions clés où l’énergie de l’organisation est la mieux dépensée. Il s’agit de la stratégie, des données, de la technologie, des ressources humaines et de la gouvernance.

Dans un contexte bancaire, ce cadre est suffisamment souple pour répondre aux besoins du secteur bancaire où il se trouve : avec beaucoup de données, mais avec peu de données accessibles et de haute qualité ou d’intégrations de systèmes modernes nécessaires au développement de l’apprentissage machine.

D’après notre expérience, le bon point de départ est de s’organiser autour de cas d’utilisation stratégiques qui peuvent être alimentés par des flux de données pertinents pour montrer rapidement leur valeur. Avec la bonne preuve de valeur, il est alors possible de libérer le soutien aux changements dans l’infrastructure ou même dans le modèle d’affaires.

À partir de là, les banques peuvent développer les composantes de base pour fournir des idées et des recommandations à un plus grand nombre d’applications et de secteurs d’activité, de sorte que les directeurs des services bancaires sur mesure peuvent rationaliser les décisions commerciales et aider à adapter la relation entre les banques et leurs entreprises clientes. Les données sur les paiements sont un excellent point de départ en raison de leur centralité dans cette relation et de la disponibilité croissante de ces données.

L’apprentissage par la représentation n’est qu’un exemple parmi d’autres de la façon dont l’IA peut aider à libérer de nouveaux niveaux d’information à partir des données de paiement. Il y a déjà beaucoup d’autres possibilités, et d’autres se présenteront demain.

Libérer ce potentiel n’est pas seulement la clé du succès de la gestion des relations aujourd’hui, c’est aussi un facteur déterminant essentiel pour façonner l’avenir des services bancaires aux entreprises dans leur ensemble.