16.03.17

Avis d'Expert

Les Personal Robo-Advisors arrivent et vont bouleverser la relation client des banques

  • #Management & Transformation

Frédéric Maserati | Directeur Conseil – Keyrus Management

Taoufik Amri | Directeur Data Science – Keyrus

Les conseillers-robots personnels (ou Personal Robo-Advisors) commencent à apparaître dans la banque de détail. Tirant parti des avancées rapides des technologies d’Intelligence Artificielle (IA), ces robots logiciels seront, à court terme, à même de gérer de plus en plus de demandes actuellement traitées par le personnel des agences et des centres de contact. Si la capacité des robots à abaisser le coût de la relation client rend leur adoption incontournable, leurs émergences obligent les banques à s’interroger dès maintenant sur leur modèle de distribution et de relation client dans un futur proche, notamment via leurs réseaux d’agences physiques existants et à venir.

1/ L’IA sera incontournable pour les services bancaires : l’exemple des Personal Robo-Advisors.

Les Robo-Advisors sont apparus initialement dans le domaine de la gestion de portefeuille. Pour les particuliers ne disposant pas de patrimoines importants, ils offrent une solution accessible sans trop de barrières à l’entrée.

À l’ère de la convergence du Digital et de la Data, les Robo-Advisors sont une illustration de l’évolution que prend le secteur des services qui va subir ce que l’industrie a déjà vécu avec la robotisation. En effet, les machines sont amenées à prendre de plus en plus d’importance dans les services en accomplissant cette fois des tâches plus cognitives que mécaniques. Ces tâches cognitives sont inhérentes à la plupart des métiers de services, et plus particulièrement les services financiers.

Dans un avenir proche, les conseillers financiers seront remplacés par des Intelligences Artificielles, des Robo-Advisors. Ceux-ci capitaliseront sur l’ensemble des données disponibles sur un client pour lui proposer des réponses personnalisées qui prendront en compte à la fois ses appétences et ses aversions, tout en faisant preuve d’anticipations grâce aux capacités prédictives dont ils seront dotés. Les interactions avec ces Robo-Advisors seront aussi aisées qu’avec un véritable conseiller, comme en témoignent les assistants intelligents dont sont pourvus certains appareils aujourd’hui (SIRI pour les iPhone, Echo pour Amazon, Google Now...).

Ces tâches cognitives abritent en réalité des algorithmes de Machine Learning1 et de Deep Learning2 très consommateurs de ressources et de capacité de calcul. C’est pour cette raison que ces embryons d’assistants intelligents, dont sont équipés les Smartphones, ne sont pas exécutés au sein de l’appareil lui-même mais via le Cloud, ce qui nous laisse penser que nous sommes déjà au début d’une nouvelle ère. Au-delà de faciliter l’usage de ces mini-ordinateurs que sont les Smartphones, ces assistants ont le mérite d’éduquer les utilisateurs à la simplicité et la convivialité d’usage de produits relevant pourtant de très hautes technologies. Nul doute que les consommateurs deviendront ainsi de plus en plus enclins à interagir avec un conseiller financier virtuel, véritable assistant financier augmenté, qui sera disponible à tout moment et qui sera surtout capable d’apporter des réponses personnalisées en temps réel.

Pour les banques, l’avènement des Robo-Advisors apparait donc comme incontournable, même si cela ne signe pas pour autant la fin de l’intervention humaine. En effet, deux évolutions contradictoires se profilent et feront naître un équilibre entre les hommes (clients et collaborateurs) et les machines.

  • Première évolution : Les Robo-Advisors offriront aux banques des possibilités incontournables de fluidifier et d’améliorer la relation client en déléguant aux machines et aux algorithmes une part importante du traitement des demandes encore assurées par le personnel en agences et en centre d’appels. Avec la multitude d’applications cognitives déjà existantes, il n’est pas difficile d’imaginer qu’une large part des demandes courantes soit assurée par ces Robo-Advisors, car elles répondent à des procédures qui sont finalement très systématiques. C’est une opportunité d’optimisation des chaines de valeur que les banques ne devront pas manquer.
  • Seconde évolution : Les avancées en Intelligence Artificielle permettront aux Robo-Advisors de se répandre dans la banque, mais ils ne remplaceront pas totalement l’Homme pour certaines tâches. Citons l’exemple de PAYPAL3 qui a éprouvé les limites du Machine Learning dans la détection de comportements frauduleux. La principale conclusion de leurs expériences sur ce sujet est qu’il est bien plus judicieux d’utiliser l’IA pour augmenter les capacités de l’homme plutôt que d’essayer de le remplacer. L’intelligence humaine est capable d’induction4 mais aussi d’empathie qui font défaut aux machines. Dans cette mutation des services, l’Homme ne disparaitra pas : il interviendra de manière ponctuelle en étant augmenté et prolongé par les machines. La banque de demain intégrera donc en son sein des ressources humaines et artificielles afin de valoriser ce qui est déjà l’un de ses principaux actifs immatériels : la Data. Cette Data qui sera traitée par une multitude de canaux allant des interfaces digitales aux objets connectés.


2/ Les conséquences de la transformation portée par les Personal Robo-Advisors sur le court terme pour les banques.

Cette nouvelle étape de transformation digitale revêt des enjeux absolument cruciaux pour les grands réseaux bancaires. Confrontés à la compression de leurs marges, ils doivent porter une attention toute particulière à leur coefficient d’exploitation notamment via leur masse salariale. Les FinTech qui ont réussi - dans les moyens de paiement notamment – ne sont pas concernées par ce genre de difficultés de par leur taille et leurs chaines de valeur très digitalisées. C’est une belle illustration de l’impact du Digital.

Dans ce contexte, les perspectives ouvertes par l’IA et les Personal Robo-Advisors sont décisives : ces technologies sont à peu près la seule carte que les banques de détail traditionnelles peuvent jouer pour fidéliser des clients devenus beaucoup plus autonomes, mais aussi plus exigeants en termes de qualité de service et de relation client.

D’ailleurs, il est intéressant de constater à quel point la vision des consommateurs vis-à-vis de l’usage des Robo-Advisors change aussi. La dernière enquête d’AT KEARNEY5 sur ce sujet est assez édifiante : on compte aujourd’hui près de 20% des consommateurs aux Etats-Unis disposés à utiliser des Services de Robo-Advisors dans la gestion de leur quotidien.

Même si aujourd’hui on ne compte qu’une dizaine de grandes banques proposant de tels services basés sur des briques d’Intelligence Artificielle, et que seulement près de 3% des consommateurs utilisent des robots pour leurs services bancaires, ils sont près de 48% à estimer que ces services seront demain inévitables, et près de 69% à estimer que les robots seront incontournables dans la gestion d’actifs.

Notons que les robots sont déjà bien établis en finance de marché avec le Trading Haute Fréquence6. En effet, selon les chiffres de l’European Securities and Markets Authority (ESMA), le Trading Haute Fréquence représente aujourd’hui 50% à 70% des ordres (en décembre 2016) exécutés sur la bourse de Paris. Pour les acteurs de la finance de marché, les robots sont déjà une réalité indéniable. A travers ces nouvelles solutions logicielles, les banques vont donc pouvoir offrir un service plus prompt et un accompagnement réellement personnel à la majorité de leurs clients. Elles se donnent ainsi les moyens de :

  • Retenir à moindre coût les clients peu rentables, qui ont peu d’actifs sous gestion, mais qui pourraient malgré tout se laisser tenter par des offres de services à faible valeur ajoutée,
  • Recruter, avec ces technologies d’IA, de nouveaux clients de plus en plus volatiles,
  • Renforcer l’accompagnement humain des clients premium et des plus gros contributeurs au PNB de la Banque, l’utilisation de systèmes d’Intelligence Artificielle permettant aux chargés de clientèle de délivrer des conseils à plus forte valeur ajoutée, tout en déléguant aux robots la gestion à faible valeur, et permettant d’accroître ainsi l’intérêt et la fidélité sur des prestations à haute valeur d’expertise.

Sur ce dernier point, notons l’initiative d’UBS7 qui teste actuellement l’usage de la reconnaissance faciale pour évaluer les comportements de ses clients dans leur stratégie d’investissement. Une façon radicale d’associer cette technologie à l’usage d’un robot qui sera demain capable de mesurer l’état émotionnel d’un client lors d’une transaction.

 

3/ Assumer sa propre « mutation » et miser sur l’accompagnement, la formation, la reconversion…

Compte tenu des conséquences lourdes que nous venons d’évoquer, la question fondamentale n’est évidement pas de savoir quelle est la meilleure technologie d’IA. Pour appréhender toutes les implications de cette nouvelle disruption, les banques doivent commencer par envisager leur avenir avec l’IA et les robots, et doivent se projeter à court et moyen termes, en partant d’un postulat très concret : Quel sera l’impact de l’usage des robots dans ma politique de distribution, et qu’est-ce que cela induira-t-il dans ma stratégie relationnelle avec mes clients ?

L’exercice stratégique consiste alors, à partir de cette situation théorique prospective, de remonter le temps, année par année, pour savoir ce qui doit être fait, afin de préparer les solutions à un tel scénario qui semble inéluctable.

Chaque étape de cette réflexion « à rebours » oblige à clarifier les stratégies de distribution, d’organisation, de formation des collaborateurs à mettre en œuvre, pour accompagner cette mutation numérique du plus grand nombre.

Lorsque l’on essaye de répondre à ce genre de question, on se rend vite compte que les agences physiques ne vont pas forcément toutes disparaître pour autant, à condition que la banque y délivre d’autres prestations et services. C’est ce genre de scenarii prospectifs qui manquent cruellement au secteur bancaire aujourd’hui. On assiste en effet à la redéfinition des métiers traditionnels de la banque à l’aune des nouvelles technologies, mais pas à la définition de nouveaux métiers rendus possibles grâce aux nouvelles mutations technologiques.

Selon Peter Drucker, « la meilleure façon de prédire l’avenir, c’est de le créer ». C’est exactement ce que les banques doivent faire aujourd’hui : créer leur avenir en redéfinissant leur vision et par là, en refondant, à l’ère du tout Digital et de la ‘révolution’ de l’IA, leurs modèles, leurs organisations, leurs offres, avant que d’autres acteurs, voire start-ups, plus expérimentés dans ces domaines, ‘ubérisent’ le secteur et se rendent incontournables.

 

 

A PROPOS DES AUTEURS

  • Frédéric Maserati est titulaire d’un MBA (ESSEC). Il a occupé plusieurs fonctions opérationnelles dans le Marketing et le e-Business pour le compte de grands groupes bancaires. Aujourd’hui, il développe plusieurs offres autour de la Blockchain, des Crypto-monnaies, du commerce de demain et de la banque du futur (avec de nouvelles approches autour de l’Intelligence Artificielle). Il s’intéresse de plus en plus aux impacts des technologies exponentielles (NBIC) sur les nouveaux modèles.
  • Taoufik Amri est normalien et docteur en physique quantique. Il a débuté sa carrière en développant des modèles quantitatifs en banque, finance de marché et en assurance. Il dirige au sein de Keyrus la Business Unit Data Science qui intervient dans les secteurs de la banque, de la finance et de l’assurance.


A PROPOS DE KEYRUS MANAGEMENT

Keyrus Management est le Cabinet de Conseil intégré du Groupe Keyrus qui combine des savoir-faire métiers avec des expertises technologiques en matière de gestion de la donnée.

Cette complémentarité apporte un différenciateur de valeur et confère à Keyrus Management un positionnement unique dans le paysage du conseil.

Keyrus Management aide les entreprises de toutes tailles, aussi bien Grands Comptes que PME, à répondre à leurs besoins accrus de transformation rapide en développant leur agilité et en accélérant l’usage du Digital. Le cabinet développe ses activités en France et à l’international en s’appuyant sur le Groupe Keyrus spécialiste de la Data et du Digital implanté dans une quinzaine de pays et sur 4 continents.

Plus d’informations sur : www.keyrusmanagement.fr

 


1 Machine Learning : On parle en anglais de Machine Learning et en français d'apprentissage automatique ou apprentissage statistique. Le Machine Learning, ainsi couramment appelé, est en réalité un champ d'étude de l'intelligence artificielle qui permet à une machine, au moyen d’algorithmes mathématiques complexes, de remplir des tâches difficiles ou problématiques en dotant la machine d’une capacité apprenante, de sorte que les processus ne se répètent pas nécessairement ou strictement, permettant ainsi à la machine de gagner en « efficacité de traitement ».

2 Deep Learning : On parle de Deep Learning, ou apprentissage profond en français, comme un champ avancé du Machine Learning. Au-delà des algorithmes complexes du Machine Learning, le Deep Learning fait référence à des architectures complexes (non linéaires ou neuronales dans certains cas) qui permettent d’avancer, davantage, vers les capacités d’intelligence artificielle. Ces architectures permettent aujourd’hui de donner du sens à des données sous forme d’image, de son ou de texte, que la machine peut-elle-même interpréter. En d’autres termes, le Deep Learning donne à la machine la capacité de voir, d’entendre et donc, d’interagir avec des êtres humains.

3 Peter Thiel, « Zero to One: Notes on Startups, or How to Build the Future », Crown Business (September 2014, 16th).

4 Les Capacités d’induction de l’intelligence humaine : on parle d’induction comme une manière de raisonner qui consiste à tirer de plusieurs cas particuliers, une conclusion générale. Le procédé inductif est donc précisément l'inverse du procédé déductif. Le premier nous élève de la connaissance de faits particuliers à la connaissance de lois générales, le second nous fait descendre du général au particulier. 

5 AT KEARNEY 2015 / ROBO ADVISORY SERVICES STUDY

6 Le Trading à Haute Fréquence (ou high-frequency trading) est l'exécution à grande vitesse de transactions financières faites par des algorithmes informatiques

7 http://www.ictjournal.ch/news/2016-09-14/ubs-veut-exploiter-les-expressions-faciales-pour-son-conseil-dinvestissement