Airwallex : l'IA redéfinit la finance avec des défis initiaux

Déployer l'IA dans le secteur financier : premiers pas et écueils à éviter

Points clés

Pour intégrer efficacement l'intelligence artificielle (IA) dans le secteur financier, il est crucial de commencer par un ou deux cas d'usage à fort impact. Ces cas doivent permettre à l'IA d'avoir un effet concret dès les premières semaines, soulageant ainsi les équipes de travail répétitif. Les décisions concernant l'infrastructure sont plus déterminantes que la simple liste de fonctionnalités IA. Des systèmes déconnectés peuvent limiter les capacités de l'IA.

Airwallex, par exemple, réunit sur une même plateforme une infrastructure financière mondiale et des logiciels, offrant à l'IA une visibilité complète sur les données bancaires, l'acceptation des paiements et la gestion des dépenses. L'omniprésence soudaine de l'IA laisse entrevoir des possibilités où elle pourrait gérer nos comptes, prédire les déficits de trésorerie, et automatiser les opérations financières. Cependant, ces promesses peuvent être déroutantes, et il est essentiel de savoir par où commencer.

Les équipes qui réussissent commencent à petite échelle, se concentrant sur l'efficacité du travail. Elles attendent que les bases fonctionnent de manière fiable avant de passer à une échelle supérieure. Cette approche permet de transformer les grandes promesses en progrès régulier et l'ambition en actions concrètes.

Les domaines où l'IA apporte rapidement de la valeur aux équipes finance

L'IA a déjà prouvé son efficacité dans certains aspects de la finance. Les processus à gros volumes, avec des résultats clairement définis, bénéficient particulièrement de l'IA. Par exemple, la gestion des dépenses des employés est un processus chronophage, car chaque reçu doit être vérifié et classé. L'IA accélère ce processus grâce à l'extraction automatique de données et à la catégorisation des dépenses.

Les échecs de paiement perturbent la trésorerie et nécessitent des suivis manuels. L'IA améliore le taux de réussite des paiements en identifiant les routes de paiements et les stratégies de nouvelle tentative de paiement les plus efficaces pour chaque type de transaction. Airwallex utilise l'IA pour améliorer le taux d'acceptation des paiements et réduire les faux positifs.

En matière de contrôles anti-fraude, les systèmes traditionnels basés sur des règles bloquent souvent des paiements légitimes. Les modèles IA évaluent le risque à l'aide de l'historique de transactions complet, ce qui améliore la fiabilité et réduit les signalements injustifiés. Mastercard rapporte que son système Decision Intelligence Pro a amélioré la détection des fraudes de 20 % en moyenne, et jusqu'à 300 % pour certains déploiements.

Le rapprochement des comptes est une autre tâche où l'IA peut faire une différence. Elle compare les transactions en continu et signale les problèmes à un stade précoce. Une étude de l'Université de Stanford et du MIT a déterminé que les comptables utilisant l'IA générative clôturaient les comptes mensuels 7,5 jours plus tôt et libéraient environ 3,5 heures par semaine pour des tâches à plus forte valeur ajoutée.

Comment déployer l'IA dans le secteur financier : guide pratique

Première étape : choisissez deux cas d'usage définis

La plupart des équipes obtiennent de meilleurs résultats en commençant par des actions ciblées et mesurables. Choisissez un processus qui ralentit votre équipe et un processus où les erreurs et retards ne pardonnent pas. Pour la plupart des entreprises, il s'agit généralement des dépenses professionnelles, des contrôles anti-fraude ou des nouvelles tentatives de paiement. Le but est de démontrer que l'IA peut réduire votre charge de travail dans un délai raisonnable.

Deuxième étape : Évaluer votre infrastructure

L'IA obtient de meilleurs résultats quand elle dispose de vos relevés bancaires, de vos cartes et de vos données financières réunis au même endroit. Si ces éléments sont dispersés entre différents systèmes, il vous faudra peut-être les reconnecter à l'aide d'intégrations ou bien adopter une plateforme unifiée. Dans tous les cas, le plus important est d'avoir une idée du coût et des efforts que cela implique, afin d'éviter toute surprise en cours de projet. Se lancer avec des outils déconnectés révèle bien souvent que les coûts d'intégration sont plus élevés que les coûts de migration vers une plateforme unifiée. Faites bien vos calculs avant de choisir quelle voie suivre.

Troisième étape : définissez des politiques et fixez des limites

Avant toute chose, établissez les principes de bases : limites de dépenses, règles d'approbation, procédures d'escalade et définition des exceptions. Plus vos règles sont clairement définies, plus l'IA pourra vous aider. De plus, ces règles rassureront votre équipe sur le fait que tout ce qui se passe en coulisse reste sous contrôle, traçable et facile à annuler si nécessaire.

Quatrième étape : pilotez avec une supervision humaine

Au cours des premières semaines, laissez l'IA suggérer des actions que votre équipe étudiera et validera. Cette pratique vous donne une idée du comportement du modèle, de sa valeur ajoutée et des points à surveiller. Scrutez aussi bien les gains (temps gagné, moins de rejets, meilleurs rapprochements de comptes) que les erreurs éventuelles. Un bilan hebdomadaire devrait suffire à faire avancer les choses.

Cinquième étape : étendez l'usage aux processus adjacents

Une fois que vous voyez des résultats concrets dans un domaine, passez au processus suivant. Si tout a fonctionné pour les dépenses, passez à la facturation. Si la détection des fraudes s'est améliorée, ajoutez l'optimisation des paiements. L'astuce est de maintenir l'ensemble connecté, afin d'éviter de nouveaux silos. La croissance doit prendre la forme d'un système qu'on bâtit et non de mini expériences qu'on associe les unes aux autres.

« On ne s'intéresse pas seulement aux améliorations progressives. On réimagine la manière dont les entreprises gèrent leurs finances. Dans l'ensemble de nos produits, on intègre systématiquement l'intelligence artificielle en vue d'éliminer les processus manuels, de donner accès à une prise de décision plus éclairée et d'offrir une véritable autonomie à nos clients. » Shannon Scott, Chief Product Officer, Airwallex

Mesurer la réussite de votre déploiement IA

Souvent, soit les équipes compliquent trop l'évaluation en suivant des dizaines d'indicateurs inutiles, soit elles l'évitent complètement, car la notion de réussite leur semble subjective. Un bon compromis consiste à retenir 3 à 5 indicateurs concrets liés à vos cas d'usage, établir un point de départ avant toute intervention et surveiller aussi bien l'évolution quantitative que les signaux qualitatifs relayés par votre équipe à mesure qu'ils utilisent le système.

Choisissez des indicateurs pertinents pour vos cas d'usage

Les indicateurs à suivre dépendent entièrement de votre point de départ. Dans tous les cas, prenez note des chiffres de départ avant de changer quoi que ce soit. Sinon, vous ne pourrez que deviner si les choses s'améliorent ou si ce n'est qu'une impression.

Par exemple, si vous décidez d'appliquer l'IA à l'un des domaines mentionnés plus haut, nous vous suggérons les indicateurs suivants pour chaque type de processus :

• Gestion des dépenses des employés : durée moyenne de traitement par note de frais ; taux d'exception à la politique nécessitant un traitement manuel ; et délai entre la demande et le remboursement.

• Paiements et nouvelles tentatives de paiement : taux d'acceptation distribué par site ou par type de carte ; les raisons spécifiques de refus ; et fréquence à laquelle les nouvelles tentatives de paiement aboutissent.

• Contrôle des fraudes : taux de détections de faux positifs et taux de détection de fraudes effectives ; ainsi que le temps moyen consacré par votre équipe à l'examen de chaque transaction signalée.

• Rapprochement des comptes et clôture : taux de concordance, nombre d'exceptions nécessitant une vérification manuelle et nombre de jours nécessaires à la clôture des comptes comparé à votre processus actuel.

Soyez vigilant aux points de friction

Vous saurez que votre modèle d'IA fonctionne lorsque votre équipe cessera d'établir des stratégies de contournement ou de vérifier manuellement chaque résultat avant d'avancer. À l'inverse, un modèle d'IA déficient crée de nouvelles formes de travail au lieu d'éliminer les anciennes tâches. Les équipes consacrent alors leur temps à corriger de mauvaises catégories de dépenses, annuler des décisions de routage qui n'ont pas de sens, ou expliquer aux parties prenantes pourquoi le système a signalé une transaction légitime comme suspecte. Des points hebdomadaires pendant la phase pilote devraient faire apparaître l'un ou l'autre schéma suffisamment tôt pour apporter des ajustements avant que ces écueils ne se transforment en habitudes susceptibles de saboter le déploiement.

Fiez-vous aux signaux qualitatifs

Les chiffres vous indiquent ce qui a changé, mais c'est la manière dont vos équipes parlent de l'IA qui vous révélera comment elle sera adoptée à long terme. Le meilleur indicateur de succès du déploiement est que les équipes commencent à proposer de nouveaux cas d'usage sans qu'on le leur demande. Cela signifie qu'elles ne sont plus sceptiques et qu'elles voient l'IA comme un outil pour leur faciliter la vie. Une fois la confiance installée, les questions passent de « Est-ce qu'on peut se fier à ce truc ? » au début de la phase pilote à « Est-ce qu'on pourrait aussi l'utiliser pour le traitement de la facturation ? » Des équipes qui font confiance au système cessent de mener des processus manuels en parallèle.