Étude de cas :

Démocratiser l’IA générative dans une grande institution financière

image
  • Étude de cas
  • 4 minutes de lecture
  • 21/02/25

Étude de cas sur la transformation numérique

Secteur : Services financiers
Enjeu d’aujourd’hui :
 La transformation
Pays :
 Canada


Introduction

Une grande banque canadienne s’est lancée dans un processus de transformation visant l’intégration de l’IA générative à l’échelle de l’organisation. Animée par l’ambition d’accroître ses capacités en matière d’IA pour répondre aux besoins évolutifs du marché et améliorer l’expérience client, cette banque avait de la difficulté à démocratiser l’accès à l’IA et à aller au-delà d’expériences cloisonnées.

La banque recherchait une plateforme exhaustive permettant d’exploiter l’IA générative dans tous ses services tout en maintenant le contrôle, la gouvernance et l’harmonisation avec les objectifs d’affaires.


Les défis liés aux idées conventionnelles et à l’approche traditionnelle

  • Des efforts fragmentés en matière d’IA générative : La banque a testé divers modèles d’IA générative dans différents services (service à la clientèle, analyse des risques, marketing, etc.). Cependant, ces efforts se faisaient de façon cloisonnée, ce qui a entraîné un dédoublement des ressources et des résultats incohérents.

    Chaque cas d’utilisation était traité séparément, sans stratégie unifiée ni infrastructure partagée, ce qui a créé des inefficacités, différentes équipes ayant dû trouver, configurer et déployer des modèles génératifs de façon indépendante.
  • Une attention portée à des modèles précis : La stratégie d’IA de la banque se concentrait principalement sur des modèles génératifs distincts pour chaque cas d’utilisation, limitant la flexibilité et l’évolutivité de ses initiatives en matière d’IA. Chaque service testait différents modèles, entraînant une mise en œuvre décousue.

    Il y avait une compréhension limitée du potentiel des applications génératives, qui nécessitent l’intégration de multiples modèles pour des tâches complexes en situation réelle et qui soutiennent des processus d’IA à plusieurs étapes.
  • Une démocratisation déficiente : Les capacités d’IA générative étaient concentrées au sein d’une petite équipe d’experts en science des données. Les utilisateurs avaient un accès limité aux outils d’IA et n’avaient pas la capacité de les tester, ce qui ralentissait l’innovation et limitait les retombées potentielles de l’IA dans l’ensemble de la banque.
  • Des problèmes liés à la gouvernance et à la sécurité : La banque a également eu du mal à s’assurer que les modèles d’IA générative étaient conformes à la réglementation du secteur et qu’ils étaient à l’abri de risques comme des fuites de données et des résultats biaisés. En raison de l’absence d’une plateforme unique pour l’ensemble de l’entreprise, il était très difficile d’obtenir une gouvernance cohérente de ces modèles.

L’approche

Ce projet visait à fournir une plateforme d’IA générative à la portée de tous dans l’organisation, en se concentrant non seulement sur des modèles distincts, mais plutôt sur la création d’une plateforme exhaustive pour soutenir les applications génératives.

Voici les principaux éléments de notre approche :


Les solutions mises en œuvre

Nous avons mis en œuvre une plateforme d’IA générative robuste, qui permet à la banque de développer et de gérer des applications génératives plutôt que des modèles distincts. Cette plateforme permet d’intégrer de multiples modèles pour diverses tâches, notamment la génération de contenu, l’analyse prédictive et la prise de décision.

La plateforme prend en charge une grande variété de modèles d’IA générative, notamment des modèles personnalisables et préentraînés, offrant ainsi une flexibilité pour différents cas d’utilisation.

L’adoption d’une approche axée sur les portefeuilles a permis à la banque de déployer l’IA générative à l’échelle de l’organisation. Les équipes ont ainsi pu mettre en commun les pratiques exemplaires, les outils et les modèles, ce qui a accéléré l’innovation et optimisé la rentabilité.

Nous avons créé une feuille de route pour les nouveaux cas d’utilisation de l’IA, en veillant à ce que les futures applications puissent être développées sur l’infrastructure de la plateforme existante, ce qui permet de réduire davantage le temps et les coûts nécessaires pour donner vie à de nouveaux projets d’IA.

La plateforme comprend des arbres décisionnels interactifs qui aident les utilisateurs – techniques et non techniques – à choisir et à configurer des modèles adaptés à leurs besoins, malgré la complexité de la tâche. Ces arbres décisionnels alignent les choix techniques sur les exigences d’affaires, ce qui aide la banque à prendre des décisions stratégiques liées au déploiement de l’IA.

Dans le cadre de ce projet, nous avons mis en place un modèle exhaustif de gouvernance de l’IA, qui permet à la banque de s’assurer que ses applications d’IA générative respectent les normes réglementaires et ses politiques internes en matière de sécurité. Celui-ci comprend la surveillance de l’éthique en matière d’IA, comme la prévention des résultats biaisés ou nuisibles.

La plateforme fournit également des outils pour le suivi des modèles, afin que les applications génératives puissent être continuellement améliorées et réentraînées avec de nouvelles données.


L’impact

Accélération de l’innovation

L’approche de démocratisation a permis à toutes les unités d’affaires de la banque de tester l’IA générative et d’innover, ce qui a entraîné une augmentation importante des projets liés à l’IA et une mise en œuvre plus rapide des solutions d’IA. La plateforme permet aux utilisateurs non techniques de développer des applications propulsées par l’IA, éliminant ainsi les goulots d’étranglement découlant de la dépendance envers les experts de la science des données.

Évolutivité et flexibilité

La nouvelle plateforme permet à la banque de déployer l’IA dans plusieurs services et unités d’affaires. Elle procure la flexibilité nécessaire pour l’intégration de nouveaux cas d’utilisation et de modèles supplémentaires, selon les besoins, ce qui permet de soutenir les futures initiatives de la banque en matière d’IA.

Alignement stratégique sur les objectifs d’affaires

Puisqu’elle se concentre maintenant sur des applications génératives qui concordent avec les objectifs stratégiques de la banque, l’IA est devenue un élément central de la stratégie globale de la banque. Les applications d’IA ont été développées à partir d’une compréhension claire de leur incidence sur les activités, entraînant un rendement du capital investi plus élevé et des investissements en IA plus ciblés.

Efficacité opérationnelle

La plateforme unique et l’approche axée sur les portefeuilles ont réduit le dédoublement des efforts, permettant un fonctionnement plus efficace de la banque. La mise en commun de l’infrastructure, des outils et des pratiques de gouvernance a créé un environnement simplifié pour le développement et le déploiement de l’IA à grande échelle.

Gouvernance et gestion des risques améliorées

La centralisation du cadre de gouvernance a permis de s’assurer que toutes les applications d’IA générative respectent les normes réglementaires et que les risques liés aux biais, à la sécurité des données et à l’explicabilité sont atténués. La banque a pu élargir l’utilisation de l’IA en toute confiance, tout en maintenant la conformité aux réglementations du secteur.

Une plateforme d’IA à l’épreuve du temps

La plateforme a été conçue pour être adaptable, afin que la banque puisse y intégrer de nouveaux modèles d’IA et de nouvelles techniques à mesure qu’ils apparaissent. Cette approche axée sur la pérennité a permis de garantir que l’investissement de la banque dans l’IA reste pertinent et continue de générer de la valeur au fil du temps.

Transformer l’approche de la banque en matière d’IA pour stimuler l’innovation, rehausser l’expérience client et améliorer l’efficacité

La démocratisation de la plateforme d’IA générative a transformé l’approche de la banque en matière d’IA. Elle lui a permis de déployer l’innovation propulsée par l’IA dans l’ensemble de ses services tout en optimisant l’alignement de celle-ci sur ses objectifs d’affaires.

En se concentrant sur les applications génératives plutôt que sur des modèles individuels, la banque dispose d’un outil puissant pour stimuler l’innovation, améliorer l’expérience client et accroître l’efficacité opérationnelle, dans le respect des normes de gouvernance et de conformité les plus rigoureuses.

Cette plateforme est désormais un pilier central de la stratégie de transformation numérique de la banque, la positionnant comme un chef de file de l’utilisation de l’IA dans le secteur des services financiers.

Poursuivons la conversation

Nous réunissons une communauté de professionnels de la résolution de problèmes pour répondre aux enjeux les plus importants de nos clients

Contactez-nous

Michelle Bourgeois

Michelle Bourgeois

Leader nationale, Alliances et Conseils en technologie, PwC Canada

Vik Pant

Vik Pant

Chef scientifique, Données, et leader, Technologies émergentes, PwC Canada

Tél. : +1 416 687-9075

Suivre PwC Canada