IA conversationnelle : des cas d’usages concrets pour les banques

Qu'est-ce que l'IA conversationnelle ?
L'IA conversationnelle est l'application de l'apprentissage machine (ML) pour permettre aux humains d'interagir naturellement avec des appareils, des machines et des ordinateurs en utilisant leur propre voix. Lorsqu'une personne parle, l'appareil s'efforce de comprendre et de trouver la meilleure réponse. Appliquée au secteur bancaire, l'IA conversationnelle permet aux clients d'interagir avec leur banque via des chatbots, des assistants vocaux ou des entrées vocales.
Les longs intervalles entre une question et une réponse étant perçus comme gênants par les humains, il est important que le système puisse répondre en moins de 300 millisecondes. Cette exigence pose donc un défi pour les applications d'IA conversationnelle : la rapidité des réponses peut se faire au détriment de la précision, tandis que des temps de réponse lents peuvent réduire la satisfaction des clients. Comme pour la communication entre humains, le processus de question-réponse doit être rapide, précis et contextuel.
Il existe d'autres obstacles potentiels pour une instance d'IA comme les termes techniques, les questions ambiguës et le langage familier. Pour surmonter de tels défis, l'IA conversationnelle utilise des modèles complexes de traitement du langage naturel (NLP) et des procédures d'entraînement élaborées, constituées de milliards de paramètres différents.
Par ailleurs, les banques et les fournisseurs de services financiers, en particulier ceux qui opèrent à l'échelle mondiale, doivent maintenir des modèles NLP en plusieurs langues. Actuellement, les modèles NLP sont principalement disponibles en anglais mais ils peuvent être facilement traduits dans d'autres langues, sans qu’il ne soit nécessaire de développer des modèles spécifiques à une langue en repartant de zéro.
Les modèles NLP deviennent de plus en plus complexes et le nombre d'ensembles de données utilisés pour les entraîner augmente. Bientôt, les modèles NLP comprendront plusieurs trillions de paramètres et cette complexité n'est pas inutile. Un plus grand nombre de données d'entraînement augmente la précision et les performances des modèles et des applications, et les grands modèles peuvent être plus facilement adaptés à différentes tâches à moindre coût. Cela signifie que les développeurs d'applications auront besoin de GPU dotés d'une puissance de calcul nettement supérieure et d'une plus grande mémoire de travail pour l'entraînement de grands modèles linguistiques.

Des avantages concrets pour les clients finaux, les conseillers bancaires et les établissements financiers
Un des avantages de l'IA conversationnelle est l'amélioration apportée au service client grâce à des applications telles que les chatbots et les assistants vocaux. Des requêtes courantes telles que "J'ai perdu ma carte de crédit. Comment puis-je la faire bloquer ?" peuvent être traitées plus rapidement, plus efficacement, à tout moment et sans l'intervention d'un membre du personnel.
Une instance d'IA peut traiter en parallèle des milliers de requêtes comme celles mentionnées ci-dessus et y répondre en quelques secondes. Les clients pourraient ainsi vérifier le solde de leurs comptes ou leurs transactions, modifier leurs mots de passe et leurs codes PIN, et payer leurs factures rapidement et facilement.
L'IA conversationnelle peut également être utilisée en première ligne de défense contre les tentatives de fraude en identifiant et en empêchant les mouvements de compte suspects ou en mettant un terme à l'usurpation d'identité numérique en analysant le schéma vocal de l'appelant.
Une approche combinée est par ailleurs envisageable, et dans laquelle le système d'IA et un conseiller bancaire sont tous deux impliqués. Par exemple, un client qui a besoin d'un prêt hypothécaire peut utiliser l'IA conversationnelle pour découvrir les offres d'une banque, puis clarifier des détails spécifiques avec un spécialiste des prêts qui a accès à toutes les communications précédentes. Si le client demande des documents relatifs aux offres, le système d'IA ou le conseiller peut les lui fournir via un smartphone, un ordinateur portable ou un ordinateur fixe, ainsi qu'un résumé de la consultation.
En mettant en œuvre l'IA de cette manière, les banques ont la possibilité de s'adresser à un plus grand nombre de clients et de prospects de manière ciblée et en dépensant moins de temps.

Bien que, selon une étude de Bain & Company, lorsqu'il s'agit d'exploiter le plein potentiel des solutions d'IA, les banques européennes sont encore loin derrière les banques américaines, elles prévoient tout de même des projets pour les années à venir. Les banques, les fintechs et les fournisseurs de services financiers s'engagent intensivement dans l'IA, en particulier l'IA conversationnelle, comme le démontre ce rapport State of AI in Financial Services de NVIDIA. L'IA conversationnelle, permet aux banques et prestataires de services financiers de faire passer l'expérience client à un niveau supérieur et de répondre aux nouvelles attentes des clients.