Grâce à l'intelligence artificielle (IA) et à l'apprentissage machine, les entreprises peuvent désormais réduire considérablement leurs coûts et améliorer leur efficacité, trop rares sont encore les fintechs à leur emboîter le pas. Lors de mon séjour dans la Silicon Valley, j'ai constaté qu'il était possible d'optimiser l'activité et les processus quotidiens en combinant correctement l'IA et l'apprentissage machine. La technologie permet de prendre de meilleures décisions et ouvre ainsi la voie à une croissance internationale. Et je ne suis pas seul à le penser. Ainsi, le cabinet conseil ...

Grâce à l'intelligence artificielle (IA) et à l'apprentissage machine, les entreprises peuvent désormais réduire considérablement leurs coûts et améliorer leur efficacité, trop rares sont encore les fintechs à leur emboîter le pas. Lors de mon séjour dans la Silicon Valley, j'ai constaté qu'il était possible d'optimiser l'activité et les processus quotidiens en combinant correctement l'IA et l'apprentissage machine. La technologie permet de prendre de meilleures décisions et ouvre ainsi la voie à une croissance internationale. Et je ne suis pas seul à le penser. Ainsi, le cabinet conseil McKinsey a estimé que les technologies d'IA permettant au secteur bancaire mondial de générer chaque année 1.000 milliards $ de valeur supplémentaire. Pourtant, l'IA se limite surtout à un effet de mode dans les fintechs. Moins de 5% de ces entreprises ont déployé la technologie avec succès. Nombre d'entreprises sont en retard en raison d'un manque de connaissances. D'ailleurs, elles ne rejettent pas tant l'IA pour une question de coûts que de défis opérationnels en matière d'intégration. Souvent, il leur manque une bonne structure opérationnelle, des fonctions de données de base et un soutien à l'intérieur de l'entreprise. Or c'est surtout une politique claire en matière de données qui se révèle déterminante pour le succès d'un projet d'IA. La force de l'IA et de l'apprentissage machine réside dans l'ouverture des données et des analyses, ce qui était autrefois impossible en raison de processus dépassés et souvent manuels. En l'occurrence, ce n'est pas vraiment la taille de l'entreprise qui détermine le succès ou non de l'implémentation de ces technologies, mais plutôt de la capacité à ouvrir les données disponibles au départ d'une seule et même source d'informations commune où sont interconnectées les données stockées. Si les fonctions de données de base font défaut, il est judicieux pour les entreprises de désigner une personne capable de renouveler et de restructurer l'architecture des données. En mettant par exemple en place un 'data lake' (pour la consolidation de grandes quantités d'informations brutes et non structurées) ou un entrepôt de données (pour le stockage de données essentiellement structurées) ou en repensant les flux de données dans l'organisation. Les entreprises qui optent pour l'IA et l'apprentissage machine connaissent une croissance deux fois supérieure. En outre, leur retour sur investissement est trois fois plus élevé que dans les entreprises qui continuent à exploiter leurs données de manière traditionnelle et en silos. Mais pour relever ce défi, les fintechs doivent oser franchir le pas. Elles doivent s'approprier la technologie comme partie intégrante de leur modèle de revenus. Si les entreprises fintech y parviennent, elles pourront en récolter les fruits. De même, la collectivité en tirera profit grâce à un service de meilleure qualité et sur-mesure.