Toutes les organisations doivent gérer une complexité croissante. Dans le secteur financier, la complexité émane notamment d’une réglementation de plus en plus contraignante. «Depuis une bonne dizaine d’années, les institutions financières font face à une déferlante réglementaire, exigeant de chacune de s’adapter sans cesse et de faire évoluer leurs processus et leurs systèmes d’information, explique Julien Baudouin, Lighthouse Intelligent Automation Leader au sein de KPMG Luxembourg. Ce phénomène entraîne des coûts supplémentaires et pèse donc forcément sur les marges et la compétitivité. Le dernier rapport de la CSSF a démontré que, pour certains acteurs bancaires, le ratio charge-revenu était d’ailleurs supérieur à 100%, autrement dit, ces acteurs perdent de l’argent.»
La nécessité de réduire le «cost-to-serve»
Les acteurs traditionnels doivent aussi faire face à une nouvelle concurrence qui développe des services financiers sans être forcément soumise aux mêmes exigences réglementaires, et qui ne souffre pas de systèmes «legacy».
Les acteurs de la finance doivent absolument parvenir à réduire leur ‘cost-to-serve’.
C’est-à-dire les coûts qu’ils doivent assumer pour pratiquer et délivrer leurs services, liés aux obligations inhérentes à la licence bancaire, aux opérations, à la compliance, à la rétention des clients, explique Julien Baudouin
Pour y parvenir, ils doivent donc arriver à faire un usage intelligent des technologies aujourd’hui disponibles.
L’expert de KPMG identifie trois principaux leviers dans les nouvelles technologies disponibles à partir desquels l’entreprise peut activer une transformation rapide.
1. La robotisation, premier levier d’efficience
La Robotic Process Automation (RPA) facilite l’exécution de tâches répétitives qui n’impliquent pas un jugement humain. «Il s’agit de robots auxquels on va demander de prendre une donnée ou une transaction à un endroit pour la traiter d’une manière bien déterminée, précise Julien Baudouin. On peut de cette manière automatiser de nombreux processus manuels et répétitifs, notamment pour la réalisation de reporting, la réconciliation de données, la gestion des blocages de comptes bancaires…». Le premier enjeu dans la mise en œuvre de cette technologie réside dans l’identification des bons processus et la définition d’une gouvernance claire. «Grâce au RPA, on peut à la fois accélérer certains processus et diminuer les coûts tout en réduisant le risque d’erreur.»
2. Le «machine learning» et les assistants virtuels
Le «machine learning» peut soutenir les équipes dans de nombreux domaines. «Cette technologie est notamment utilisée pour extraire de l’information de documents non structurés, faciliter leur classification ou en améliorer le traitement. On peut par exemple envisager l’extraction de données de factures reçues. Il est aussi possible d’orienter plus efficacement les e-mails reçus vers les bonnes équipes en fonction du contenu qu’ils recèlent.» Bien entraînée, une solution d’intelligence artificielle dans le domaine de traitement du langage naturel pourra même identifier le degré d’urgence ou de criticité d’une requête. «C’est aussi cette technologie de ‘machine learning’ qui est utilisée au niveau des assistants virtuels (ou ‘chatbots’). Ceux-ci deviennent alors de réels assistants digitaux qui peuvent répondre directement à diverses requêtes qui leur sont formulées, comme les questions les plus fréquemment posées par exemple, explique Julien Baudouin. On parle ici d’interfaces dynamiques, qui libèrent les collaborateurs de nombreuses demandes, leur permettant de mieux se concentrer sur les requêtes complexes et les exceptions.»
3. Faire face à la complexité grâce aux modèles cognitifs
La technologie cognitive va beaucoup plus loin. À ce niveau, la machine est capable d’apprendre d’elle-même pour arriver aux résultats escomptés. «La technologie va par exemple considérer un grand nombre de variables pour établir des prédictions, assure Julien Baudouin. Une solution va par exemple prendre en compte la météo, les données issues des systèmes de maintenance des avions, la température d’une piste d’aéroport, pour prédire les retards des vols. Cette technologie est aussi utilisée dans la lutte contre la fraude. Mais les cas d’usage sont très nombreux. Dans le monde de l’assurance, elle peut aussi prédire les montants des dommages sur base d’une photo d’un accident. Autre exemple au sein d’un cabinet d’avocat, un algorithme va pouvoir analyser les jugements passés dans certains domaines pour évaluer l’opportunité d’engager des poursuites ou non.»
Ces technologies sont complémentaires. Si elles sont mises en œuvre de manière cohérente et réfléchie à l’échelle de l’entreprise, elles permettent de réduire les coûts opérationnels, de diminuer la charge inhérente à la compliance, tout en améliorant l’expérience utilisateur.
Plus d’infos sur notre KPMG Lighthouse Luxembourg .