IA et data redéfinissent la gestion des risques

L’intelligence artificielle et l’exploitation massive des données redéfinissent les pratiques de gestion des risques. Les échanges lors de la conférence RegTech Day ont mis en lumière un cercle vertueux : l’IA nécessite des données de qualité pour fonctionner, tout en contribuant à leur fiabilisation.

Les enjeux de la qualité des données

Les modèles d’IA, qu’ils soient basés sur le machine learning ou les modèles génératifs, ne peuvent être performants sans des données structurées et fiables. En audit et contrôle interne, l’automatisation de la collecte de données, notamment via l’OCR sur les liasses fiscales ou la segmentation fine des dossiers, permet une revue plus exhaustive des risques.

L’assistance par l’IA dans les fonctions risques

Des assistants en langage naturel sont utilisés mensuellement par des collaborateurs pour rechercher des informations documentaires. Les grilles d’analyse générées produisent des indicateurs d’aide à la décision avant la publication de politiques de risque. La consolidation de masses documentaires enrichit les avis de la fonction risques, tandis que l’intégration de données publiques officielles améliore les analyses.

Le rôle central du jugement humain

Malgré l’automatisation, le jugement humain reste déterminant dans l’évaluation des risques. En gestion du risque opérationnel, les incidents déclarés par les métiers sont souvent de qualité inégale. Un agent conversationnel guide le déclarant dans la description et la qualification des incidents, facilitant ainsi leur déclaration et leur suivi.

La résolution des entités et la détection des risques de contagion

Une même contrepartie peut être enregistrée différemment selon les systèmes, masquant des réseaux de filiales. La résolution d’entités permet de reconstituer ces liens et de visualiser les risques de contagion en crédit. En gestion des tiers, cette approche révèle des concentrations cachées, où plusieurs prestataires apparemment distincts peuvent appartenir à un même groupe.

Les agents IA dans le financement des PME

Des agents analysent l’historique des transactions bancaires pour identifier des remboursements anormaux, signalant un endettement problématique. Ils rédigent des demandes de justificatifs personnalisées, analysent les documents reçus, puis résolvent la situation ou l’escaladent vers un analyste. Contrairement à l’IA générative, ces agents prennent des actions concrètes.

La gouvernance des agents IA

Chaque agent dispose d’une identité, d’adresses et de droits d’accès propres, ainsi que d’un périmètre de compétences défini. Avant d’agir, il soumet une demande de décision justifiée au regard de la politique de crédit, revue par un agent indépendant utilisant un modèle différent. La traçabilité est assurée par la règle appliquée et une explication en langage courant.

Explicabilité, équité et montée en compétences

La priorité est donnée à la connaissance et à la mise en qualité des données. Les modèles doivent être contrôlés contre les biais, y compris ceux introduits par des variables indirectes. Les métiers évoluent vers un rôle de challenge, où l’IA assiste l’analyse sans décider seule sur des sujets à fort impact prudentiel.

Vers une gouvernance des risques intégrée

Les participants soulignent la nécessité d’une analyse globale des risques, tant pour l’établissement que pour ses clients. L’expérience des banques en gestion du risque de modèle est mobilisée pour éviter une complexité ingérable liée à l’ajout successif de processus réglementaires.