Afin d'aider ses gestionnaires de risques à surveiller la fiabilité des clients auxquels elle accorde des crédits, ING a conçu et développé un « système d'alerte avancée » qui intègre, à la manière d'un LEGO, un ensemble de briques technologiques fournies par Google, dont ses plates-formes de cloud computing et d'intelligence artificielle.
Pour une institution financière, le risque de contrepartie – qui reflète la confiance qu'elle a en la capacité d'un client à, par exemple, rembourser un emprunt qu'il a contracté – se distingue de la plupart des autres catégories de risques (de taux, de change…) par son caractère fondamentalement qualitatif et, par conséquent, l'impossibilité de le mesurer à partir d'une série d'indicateurs objectifs. Pour cette raison, il est largement confié à des analystes qui exploitent les informations à leur disposition pour former leur jugement.
Or les récents progrès de l'intelligence artificielle (ou, du moins, de l'apprentissage automatique) permettent désormais d'envisager de confier à des machines l'exploration et la compréhension de textes et de documents. ING s'est donc logiquement penchée sur les possibilités d'automatiser, au moins partiellement, son activité de suivi du risque de contrepartie. Elle s'est alors naturellement tournée vers Google, qui possédait les composantes nécessaires pour assembler rapidement la solution imaginée.
Qu'on y pense : Google Actualités pour un accès instantané à la presse du monde entier, Google Traduction pour une analyse multilingue, Google Cloud pour une mise en œuvre rapide, Google AI pour une palette d'outils d'intelligence artificielle prêts à l'emploi… Une connexion aux données de marché en temps réel de Thomson-Reuters est tout ce qu'il manquait pour que l'équipe – constituée d'experts des risques d'ING, d'un architecte, de spécialistes des données, d'un développeur et d'un designer – puisse démarrer.
Pour une institution financière, le risque de contrepartie – qui reflète la confiance qu'elle a en la capacité d'un client à, par exemple, rembourser un emprunt qu'il a contracté – se distingue de la plupart des autres catégories de risques (de taux, de change…) par son caractère fondamentalement qualitatif et, par conséquent, l'impossibilité de le mesurer à partir d'une série d'indicateurs objectifs. Pour cette raison, il est largement confié à des analystes qui exploitent les informations à leur disposition pour former leur jugement.
Or les récents progrès de l'intelligence artificielle (ou, du moins, de l'apprentissage automatique) permettent désormais d'envisager de confier à des machines l'exploration et la compréhension de textes et de documents. ING s'est donc logiquement penchée sur les possibilités d'automatiser, au moins partiellement, son activité de suivi du risque de contrepartie. Elle s'est alors naturellement tournée vers Google, qui possédait les composantes nécessaires pour assembler rapidement la solution imaginée.
Qu'on y pense : Google Actualités pour un accès instantané à la presse du monde entier, Google Traduction pour une analyse multilingue, Google Cloud pour une mise en œuvre rapide, Google AI pour une palette d'outils d'intelligence artificielle prêts à l'emploi… Une connexion aux données de marché en temps réel de Thomson-Reuters est tout ce qu'il manquait pour que l'équipe – constituée d'experts des risques d'ING, d'un architecte, de spécialistes des données, d'un développeur et d'un designer – puisse démarrer.
Grâce à ces éléments, PWC, qui accompagnait la banque dans son projet, a mis sur pied un démonstrateur convaincant en 2 semaines, tandis que l'étape suivante, une preuve de concept (PoC) opérationnelle a demandé moins de 3 mois. Aujourd'hui, ce premier système aide quelques gestionnaires à détecter automatiquement les informations pertinentes pour l'évaluation de la qualité d'emprunteur des grands comptes, des administrations et des institutions financières, parmi environ 80 000 articles quotidiens.
L'objectif est maintenant de déployer l'application auprès de tous les collaborateurs concernés, ce qui exige au préalable une intégration étroite avec les processus existants et avec le Système d'Information de la banque, ainsi qu'une campagne de formation. Surtout, en cible, le responsable de la gestion de portefeuille espère que le raffinement des algorithmes et des modèles analytiques aboutira à une véritable prédiction des risques, en continuant toutefois à laisser la prise de décision finale à l'humain.
L'objectif est maintenant de déployer l'application auprès de tous les collaborateurs concernés, ce qui exige au préalable une intégration étroite avec les processus existants et avec le Système d'Information de la banque, ainsi qu'une campagne de formation. Surtout, en cible, le responsable de la gestion de portefeuille espère que le raffinement des algorithmes et des modèles analytiques aboutira à une véritable prédiction des risques, en continuant toutefois à laisser la prise de décision finale à l'humain.
Aucun commentaire:
Enregistrer un commentaire
Afin de lutter contre le spam, les commentaires ne sont ouverts qu'aux personnes identifiées et sont soumis à modération (je suis sincèrement désolé pour le désagrément causé…)