Data Management : l’intelligence artificielle au service des contrôles
Si collecter, consolider, modéliser et restituer des données sont des nécessités pour la sphère financière (Banques et Assurances), il ne s’agit pas pour autant d’une nouveauté. Comme toute entreprise, les établissements financiers ont besoin de créer les outils de pilotage des risques et de la performance, de communiquer leurs résultats et de répondre aux régulateurs qui surveillent strictement les métiers de la finance. Pour assurer des analyses et des restitutions de qualité, il est indispensable que les données soient contrôlées.
Une explosion de données à utiliser et à contrôler
Il est inenvisageable de « piocher » dans un puits de données sans savoir si son contenu est valide pour produire des résultats ou établir la plaquette financière d’un établissement. Les régulateurs exigent que tout établissement financier dispose d’une piste d’audit et soit en capacité de justifier de la qualité de ses données. L’exercice d’Asset Quality Review (AQR) exécuté par les Banques européennes en 2014 est l’exemple type de ce que les établissements doivent être en mesure de remettre au régulateur périodiquement.
Le périmètre de contrôle du régulateur est large et s’étend à la qualité des relations des établissements et à leurs clients. Le dispositif de Lutte Anti Blanchiment (LAB) impose de contrôler la qualité et l’honorabilité des contreparties (entreprises, pays, instituions) avec lesquelles les établissements « échangent ». Le dispositif Know Your Customer (KYC) oblige les établissements à connaître leurs clients aussi bien du point de vue de leur identification (identité pour les personnes physiques, documents de référence pour les sociétés et leurs dirigeants), que de leur activité en relation avec les établissements.
Les sanctions supportées par de nombreux établissements ces dernières années attestent de l’extrême vigilance des autorités sur l’exactitude, la cohérence et la consistance des données.
Lors de l’atelier du 19 novembre 2015, animé par Investance et consacré à l’intelligence artificielle au service des contrôles, les établissements présents ont classé les objectifs des contrôles
Un contexte qui évolue
Le monde de la finance est désormais confronté à une triple problématique en matière de gestion de données :
un volume extrême d’informations disponibles provoqué par l’explosion du numérique. 80% de l’information disponible a été créée sur les 2 dernières années, Facebook génère 10 Téraoctets de données par jour, ce qui représente l’équivalent de 6 millions de livres par jour.
une origine multiple : les propres systèmes d’information des établissements, les réseaux sociaux, les plateformes d’échanges de flux financiers, les moyens de paiement à distance…
des usages diversifiés : marketing, statistiques, réglementaire, pilotage financier, scoring, création de modèles pour les front-offices, actuariat dans l’assurance.
Il n’existe plus un domaine de l’entreprise qui peut aujourd’hui se passer de données.
L’utilisation de cette masse de données, souvent informelle et non structurée, requiert des contrôles adaptés capables d’assurer la traçabilité de l’usage qui est fait des données et de la qualité des restitutions qui en résulte.
Or, la structuration des contrôles évolue moins vite que les processus et les activités des établissements, les rendant très rapidement obsolètes.