Le COVID-19 n’a pas freiné l’appétit des banques européennes pour l’apprentissage automatique et la science des données, mais pourrait à court terme avoir limité leur capacité d’investissement en intelligence artificielle.
Avant le COVID-19, les banques étaient de fervents adeptes de l’intelligence artificielle (IA), y compris l’apprentissage automatique et d’autres techniques avancées de science des données. Après le secteur de la technologie, le secteur des services financiers a été le plus gros dépensier en services d’IA en 2018. Grâce à ces investissements massifs, l’IA gère désormais un large éventail de tâches. Les systèmes d’apprentissage automatique négocient, détectent les fraudes, interagissent avec les clients et aident les banques à se conformer aux exigences réglementaires.
À première vue, la pandémie devrait renforcer l’adoption de l’IA par les banques. La numérisation accélérée génère de nouveaux besoins en matière de traitement des données, tandis que des taux d’intérêt extrêmement bas et des revenus affaiblis nécessitent des économies de coûts. Mais la crise affaiblit l’analyse de rentabilisation de l’IA à au moins deux égards. Les modèles d’apprentissage automatique formés sur des données historiques sont moins utiles lorsque le présent ne ressemble en rien au passé – les données de 2019 ne sont guère utiles pour prédire si les hôtels espagnols survivront à 2021. Une faible rentabilité peut également épuiser les budgets de R&D des banques et la patience des dirigeants pour investir dans des transformation. Plutôt que d’accélérer l’adoption de l’IA, la pandémie pourrait-elle donc entraver l’utilisation et les dépenses par le secteur bancaire de l’IA?
COVID-19 et l’analyse de rentabilisation bancaire pour l’IA
Les premières preuves suggèrent que l’intérêt des banques pour l’adoption de l’apprentissage automatique et de la science des données s’est poursuivi pendant la crise du COVID-19 et pourrait avoir augmenté. La moitié des banques interrogées lors d’une enquête de la Banque d’Angleterre de l’été 2020 ont déclaré que la crise du COVID-19 avait rendu l’apprentissage automatique et la science des données plus importants pour l’avenir[1]. Plus d’un tiers ont signalé une augmentation du nombre de leurs cas d’utilisation prévus, les domaines d’activité directement touchés par la pandémie, tels que l’engagement des clients, étant censés croître le plus. Une explication à cela est que l’apprentissage automatique et la science des données font partie d’une numérisation plus large des services bancaires, qui s’est accélérée à la suite du COVID-19. La première vague de la pandémie a provoqué une augmentation de 10 à 20% des services bancaires en ligne et mobiles en Europe. La tendance vers des services bancaires de plus en plus numériques semble s’être poursuivie tout au long de 2020.
[1] L’enquête a été envoyée à 26 banques en août 2020, qui représentent collectivement environ 90% des actifs du secteur bancaire britannique. Les répondants au sondage comprenaient des banques ayant leur siège au Royaume-Uni et des banques européennes, nord-américaines et japonaises opérant au Royaume-Uni.
Figure 1: Impact du COVID-19 sur le projet des banques d’investir dans l’apprentissage automatique et la science des données par cas d’utilisation
Source: Banque d’Angleterre.
Mais une proportion importante des banques interrogées par la Banque d’Angleterre ne dépensent pas plus en IA. Même si la moitié des banques considèrent l’IA comme plus importante pour leurs opérations futures, moins d’un quart prévoient d’augmenter le financement et les ressources pour les applications prévues. De plus, 12% des banques prévoient de réduire le financement des futures applications. Certaines preuves corroborant cela peuvent être trouvées dans les données d’embauche, qui montrent que les banques ont embauché moins de talents en IA en 2020 par rapport aux années précédentes (Figure 2). Alors pourquoi cet écart?
La crise du COVID-19 explique en partie les réticences budgétaires des banques. Le revenu net des banques européennes a considérablement baissé pendant la crise (bien que la majeure partie de la baisse soit due aux provisions, qui pourraient être reprises si les pertes sur prêts ne se matérialisent pas à l’échelle anticipée). Benoit Cœuré, qui dirige le pôle d’innovation de la Banque des règlements internationaux, a mis en garde contre un éventuel fossé technologique entre les banques européennes sous-performantes et leurs homologues américaines plus rentables.
Outre des budgets plus serrés, la crise a affecté les performances des modèles des banques (à la fois d’apprentissage automatique et non-machine learning), ce qui peut expliquer leur réticence à investir dans de nouveaux projets. L’apprentissage automatique n’est aussi bon que les données passées utilisées pour le former. Compte tenu de la nature soudaine, grave et imprévisible des événements épidémiologiques récents, les performances des modèles d’apprentissage automatique des banques ont souffert. Plus d’un tiers des banques interrogées par la Banque d’Angleterre ont déclaré que leurs modèles avaient été affectés par le COVID-19 (figure 3).
Figure 3: Opportunités et risques rencontrés par les applications bancaires d’apprentissage automatique et de science des données à la suite du COVID-19
Source: Banque d’Angleterre.
Et ensuite? Les perspectives de l’utilisation de l’IA par les banques dans un monde post-COVID
L’impact du COVID-19 se fera probablement sentir pendant des années. Néanmoins, malgré la pandémie, l’intérêt général pour l’IA a été résilient. Dans le monde entier, les recherches Google sur le thème de l’IA sont restées largement inchangées en 2020 et ont augmenté au cours des premiers mois de 2021. De même, la production académique sur l’IA est restée sur la bonne voie (en termes de publications académiques, avec soit « l’apprentissage automatique » ou « l’intelligence artificielle » comme mots clés, dans les bases de données EBSCO et Scopus).
L’intérêt et l’application de l’IA dans le secteur bancaire européen ont également été résilients. Dans le monde qui suit immédiatement la pandémie, de nombreuses banques peuvent chercher à améliorer leur rentabilité grâce à des stratégies de maîtrise des coûts. Pour l’IA, cela pourrait signifier une réaffectation des ressources du développement de nouveaux modèles de négociation au remplacement des processus manuels existants par des routines automatisées, telles que les évaluations hypothécaires. En 2016, JP Morgan a réduit le temps d’examen des contrats de prêt commercial de 360000 heures-homme à quelques secondes-machine. D’autres cas d’utilisation de ce type seront probablement explorés par les banques.
Les banques peuvent également chercher à recycler les modèles d’apprentissage automatique pour mieux fonctionner dans des conditions d’instabilité durable, par exemple en s’appuyant davantage sur des indicateurs économiques rapides et des techniques de simulation avancées qui utilisent l’apprentissage par renforcement.
Certaines tendances à long terme pré-COVID-19 persisteront probablement. La numérisation de la société (accélérée sous verrouillage) et de la banque continuera à générer davantage de données que les banques pourront utiliser. Et à mesure qu’une nouvelle génération de travailleurs dotés de compétences en science des données rejoint le marché du travail, les capacités d’IA pourraient devenir plus abordables.
La clarté de la réglementation pourrait également stimuler davantage l’adoption de l’IA. Les banques centrales et les régulateurs, fervents adopteurs de l’IA eux-mêmes, engagent un dialogue avec les entreprises pour soutenir une adoption sûre et comprendre comment les cadres politiques existants affectent et englobent l’IA. Les régulateurs prudentiels français et allemands ont déjà publié des documents de réflexion qui exposent certaines des considérations relatives au contrôle de l’utilisation de l’IA par les banques. La Commission européenne est sur le point de proposer cette année un cadre réglementaire pour une IA digne de confiance, qui résoudra les incertitudes entourant la responsabilité et fournira des garanties contre les biais algorithmiques.
Le COVID-19 a peut-être tempéré temporairement l’appétit de dépenses des banques pour des projets d’IA coûteux, mais la pression pour réduire les coûts et automatiser est plus forte que jamais. L’utilisation de l’IA pourrait aider les banques à augmenter leurs revenus, à réduire les coûts et à découvrir des opportunités nouvelles et non réalisées auparavant. Dans le même temps, l’utilisation des services bancaires en ligne et mobiles devrait se poursuivre à des niveaux plus élevés une fois la pandémie apaisée, avec entre 15% et 45% des consommateurs prévoyant de réduire leurs visites dans les succursales après la fin de la crise. Malgré leurs contraintes budgétaires actuelles, il semble probable que les banques à travers l’Europe continueront à renforcer leur capacité d’IA.
David Bholat est senior manager en Advanced Analytics, le centre d’excellence de la Banque d’Angleterre en science des données, et était un chercheur invité Bruegel en 2019. Mohammed Gharbawi et Oliver Thew sont des spécialistes Fintech seniors au Fintech Hub de la Banque d’Angleterre.
Citation recommandée:
Anderson, J., D. Bholat, M. Gharbawi et O. Thew (2021) « L’impact du COVID-19 sur l’intelligence artificielle dans le secteur bancaire », Blog Bruegel, 15 avril
Republication et référencement
Bruegel se considère comme un bien public et ne prend aucun point de vue institutionnel. Tout le monde est libre de republier et / ou de citer cet article sans consentement préalable. Veuillez fournir une référence complète, indiquant clairement Bruegel et l’auteur concerné comme source, et inclure un lien hypertexte bien visible vers le message original.
