OCBC, deuxième banque de Singapour en termes de profitabilité, se distingue dans un secteur bancaire hautement concurrentiel, avec une rentabilité bien supérieure à des institutions de taille comparable en Europe. Dans un marché axé sur l’efficacité opérationnelle, OCBC a rapidement reconnu l’importance d’intégrer l’IA pour rester compétitive, tout en respectant les contraintes réglementaires strictes et la gestion des risques.
L’enjeu principal pour la banque est de transformer ses processus internes tout en exploitant les avantages de l’intelligence artificielle, notamment en termes de rapidité, de précision et de personnalisation. Cela inclut l’utilisation de l'IA générative pour des tâches aussi variées que la gestion de la relation client, la détection de fraude ou l’automatisation de la vérification documentaire.
Une méthodologie rigoureuse pour le choix des projets à implémenter
Le processus de sélection des projets IA chez OCBC se distingue par une méthodologie rigoureuse. Comme le souligne Adrien Chenailler, le point central réside dans une expertise technique solide. Le choix des cas d’usage n’est pas dicté par une simple demande business, mais par une évaluation précise des capacités technologiques et des bénéfices potentiels.
- Évaluation technique préliminaire : OCBC opte pour des analyses techniques préalables afin d'évaluer rapidement la faisabilité d’un projet IA. Contrairement à certaines entreprises qui se concentrent uniquement sur la faisabilité business, OCBC donne une place primordiale à l'analyse technique dès le départ. Cela garantit que les solutions proposées sont ancrées dans la réalité des capacités technologiques disponibles.
- Distinction entre bruit et impact : L’un des défis majeurs rencontrés par OCBC a été de distinguer les véritables cas d’usage à fort potentiel des projets exagérément plébiscités. L’IA générative, avec l’arrivée de technologies comme ChatGPT, a généré beaucoup d'attentes. Cependant, OCBC a adopté une approche pragmatique, se concentrant sur les solutions ayant un véritable impact mesurable, tant sur l’expérience client que sur l’efficacité opérationnelle, tout en évitant les projets sans fondement réel.
- Anticipation des commodités technologiques : OCBC anticipe également l’évolution rapide des offres technologiques. La question clé que se pose Adrien Chenailler est : « Est-ce qu’un grand acteur comme Microsoft ou Google pourrait rendre notre projet caduque en lançant une fonctionnalité similaire à faible coût ? ». Cela permet à la banque d’éviter de s’engager dans des développements qui risqueraient de devenir obsolètes rapidement.
Une approche pragmatique et rapide du POC
Chez OCBC, la vision du POC est très pragmatique et orientée vers l'efficacité. Adrien Chenailler souligne que le POC n'est pas une phase prolongée de tests ou de prototypes. Il considère le POC comme une étape rapide, d’une durée maximale d'une semaine, destinée à valider la faisabilité technique d'un projet. L'objectif est simplement de répondre à la question : "Est-ce faisable, oui ou non ?" Si c'est le cas, l'intégration dans les systèmes existants devient la priorité. OCBC évite de transformer les POC en pilotes prolongés, ce qui permet de se concentrer directement sur l'industrialisation et l'impact réel des projets, une approche qui reflète leur orientation claire vers la productivité et l'innovation à long terme.
Les cas d’usage priorisés : focus sur l’impact
L’objectif d’OCBC est de s'assurer que les projets IA apportent une véritable valeur ajoutée et s’intègrent harmonieusement aux systèmes existants. Deux exemples marquants de cas d’usage sont actuellement en cours de déploiement.
Co-Pilot pour la gestion de fortune
Dans la gestion de la relation client, OCBC a développé un « co-pilot » pour ses chargés d’affaires en gestion de fortune. Le but est d'assister ces professionnels dans leurs recommandations d’investissements, en leur fournissant des informations claires et concises issues de plusieurs sources : rapports financiers, analyses internes et données du marché.
L’IA générative ne se contente pas de proposer des actions ou des titres à vendre ; elle synthétise les informations pertinentes sur ces titres, permettant ainsi aux chargés d'affaires de personnaliser leur discours en fonction des attentes spécifiques de chaque client. Cela représente un gain de temps considérable, tout en améliorant la qualité des interactions et en augmentant la satisfaction client.
Automatisation de la lecture de documents
OCBC s’est également concentrée sur l’automatisation des processus de vérification documentaire, une tâche cruciale dans un environnement bancaire où la conformité et la gestion des risques sont prioritaires. Avec l’utilisation de modèles de Vision-Language, comme CogVLM, la banque a réussi à réduire le temps nécessaire pour traiter les dossiers de plusieurs semaines à quelques jours.
Grâce à cette technologie, OCBC peut extraire et structurer des informations à partir de documents complexes, comme des rapports financiers ou des relevés d’imposition, ce qui permet de traiter plus rapidement les demandes d’emprunts ou de gestion de patrimoine.
L'infrastructure et les modèles open-source : colonne vertébrale de l'innovation
La réussite de ces initiatives repose sur une infrastructure technique robuste et flexible, véritable épine dorsale de la stratégie d'IA d'OCBC. Au cœur de cette infrastructure se trouve une plateforme centralisée de déploiement de modèles, conçue pour faciliter l'expérimentation rapide et l'itération continue : le framework Ray.
Ce framework n'est pas un simple outil de déploiement, c'est un écosystème complet qui gère l'ensemble du cycle de vie des modèles d'IA, de la phase de développement à la mise en production, en passant par le monitoring en temps réel. Elle intègre des fonctionnalités avancées de versioning, permettant aux Data Scientists de suivre l'évolution de leurs modèles et de revenir rapidement à des versions antérieures si nécessaire.
L'un des défis majeurs relevés par l'équipe d’Adrien Chenailler a été la transition vers des systèmes en temps réel. Cette évolution, dictée par les exigences opérationnelles croissantes du secteur bancaire, a nécessité une refonte en profondeur de l'architecture des données et des modèles. L'équipe a dû repenser ses approches de traitement des données, passant de systèmes par lots à des architectures de streaming capables de traiter et d'analyser les données en continu.
Cette transition a impliqué l'adoption de technologies de pointe telles que Kafka pour la gestion des flux de données en temps réel, et l'implémentation de techniques d'apprentissage en ligne permettant aux modèles de s'adapter en continu aux nouvelles données entrantes. Le résultat est un système réactif capable de fournir des insights et des prédictions quasi instantanément, un atout crucial dans un secteur où chaque seconde peut avoir un impact significatif sur les résultats.
Un autre pilier de l'infrastructure d'OCBC est son engagement envers les modèles open-source. En déployant ces modèles sur ses propres infrastructures, la banque a pu garder un contrôle total sur ses systèmes d'IA, réduisant ainsi sa dépendance vis-à-vis des fournisseurs tiers. Cette approche a nécessité un investissement significatif dans le développement des compétences internes, mais a offert en retour une flexibilité et une capacité d'innovation inégalées.
L’importance de l'expertise technique dans le déploiement des cas d’usage IA
OCBC adopte une approche centrée sur l’expertise technique dans le choix et le déploiement de ses cas d’usage IA. Adrien Chenailler insiste sur la nécessité d’intégrer des experts pour garantir la faisabilité technique des projets à long terme. Il note que beaucoup d’entreprises se concentrent trop sur les aspects business sans suffisamment de compétences internes pour évaluer les défis technologiques.
L'une des clés du succès d'OCBC réside dans sa capacité à intégrer progressivement l'IA dans ses processus tout en instaurant un climat de confiance au sein des équipes. Les experts techniques jouent un rôle central dans cette transformation, permettant d'assurer que les projets déployés sont durables et véritablement utiles.
Bilan et perspectives
L’approche méthodique et technique dans la sélection des cas d’usage IA a permis à OCBC de se positionner comme un acteur innovant dans le secteur bancaire tout en maintenant un niveau élevé de conformité. En s’appuyant sur des analyses techniques rigoureuses, une expertise forte et une anticipation des commodités technologiques, la banque réussit à déployer des projets à forte valeur ajoutée, qui optimisent à la fois l’efficacité opérationnelle et l’expérience client.
À long terme, OCBC ambitionne de renforcer l’intégration de l’IA dans tous ses processus métiers, tout en maintenant une approche collaborative avec les régulateurs. La banque reste prudente face aux risques liés à l'IA, notamment en termes de fiabilité des modèles et de conformité, mais elle n’en demeure pas moins à l’avant-garde de l’innovation technologique.
OCBC montre ainsi que dans un secteur aussi traditionnel que la banque, l'IA peut devenir un véritable levier de transformation, à condition d’adopter une approche stratégique et rigoureuse dans le choix des projets à déployer.
.png)
