Gestion de l'IA et des actifs: efficacité jusqu'à 40% selon McKinsey

Le secteur de l'épargne géré est à la croisée des chemins. Après des années de croissance soutenues par les faibles taux d'intérêt et la stabilité macroéconomique, le contexte change clairement, les marges diminuent, les coûts augmentent, ainsi que les pressions concurrentielles.

Pour faire face à tout cela, l'intelligence artificielle s'impose comme le levier le plus prometteur pour relancer la productivité et transformer l'économie et les résultats de la gestion des actifs.

Selon un récent rapport de McKinsey, « Banque sur la génération A dans le secteur du crédit: la voie de la création de valeur« , L'adoption stratégique de l'IA-en notamment de ses variations les plus avancées, telles que l'IA générative et l'AI- » « peut générer une efficacité égale à 25 à 40% des coûts des coûts d'un gestionnaire financier moyen. Un potentiel qui, s'il est bien traité, peut représenter un tournant pour un secteur qui lutte pour traduire les investissements technologiques en rendements concrètes « .

Le paradoxe de la productivité

Au cours des 5 dernières années, les coûts d'exploitation ont augmenté plus que les revenus – comme les analystes McKinsey certifient -, avec une augmentation moyenne de 18% en Amérique du Nord face à une augmentation des revenus de 15%.

En Europe, la situation est encore plus critique, avec une contraction des marges opérationnelles prédéfinies de cinq points de pourcentage. Pourtant, malgré la forte augmentation des investissements technologiques – + 8,9% du TCAC entre 2019 et 2023 – la productivité ne s'est pas améliorée de manière significative.

Le rapport met en évidence un paradoxe: les entreprises qui dépensent le plus en technologie ne sont pas nécessairement plus efficaces. Quel est le problème? Une grande partie du budget informatique (jusqu'à 80% du total) est absorbée par la maintenance des systèmes hérités, tandis que seulement une petite partie finance des projets de transformation numérique. Traduit: il se passe à rester à flot, pas à innover.

Ce déséquilibre génère une «dette technologique» qui entrave l'innovation et perpétue une structure de coûts rigides et fragmentée.

Les opportunités de l'IA

L'intelligence artificielle offre une issue de ces problèmes critiques. Ses applications sont transversales et touchent toutes les fonctions d'entreprise: de la gestion des investissements à la conformité, du marketing à la distribution.

Parmi les cas les plus prometteurs, par exemple, « il existe ceux des assistants virtuels pour les gestionnaires de portefeuille, capables de synthétiser des données des conférences téléphoniques, des rapports financiers et de l'analyse du marché. Les équipes de marketing et de distribution peuvent exploiter les moteurs de personnalisation pour améliorer l'engagement des clients et optimiser les stratégies commerciales ».

Et aussi: de nouveaux systèmes de développement de logiciels, qui accélèrent les cycles de libération et réduisent la dépendance à l'égard des fournisseurs externes; Surveillance des agents de conformité, capable de détecter les anomalies dans les activités financières et d'interpréter des réglementations complexes.

Ces solutions, si elles sont intégrées de manière systémique, peuvent générer des impacts significatifs: + 9% de l'efficacité des fonctions commerciales, + 8% dans la gestion des investissements, + 5% en conformité et jusqu'à + 20% dans le développement technologique.

Mais pour obtenir ces résultats, il ne suffit pas d'adopter l'IA superficiellement ou fragmenté. Une transformation profonde est nécessaire, impliquant toute l'organisation.

Cas d'utilisation en béton

Les cas d'utilisation concrets se multiplient et ne concernent pas uniquement l'efficacité opérationnelle: ils touchent le centre du processus de prise de décision, la relation avec le client et la gestion des risques.

L'un des premiers domaines dans lesquels l'IA a montré son impact est la distribution de l'offre financière sur le marché. Les gestionnaires adoptent des modèles prédictifs pour segmenter les clients plus précisément, anticiper leurs besoins et personnaliser les propositions d'investissement.

Il ne s'agit plus de proposer le même produit financier à tous, mais de construire un dialogue basé sur les données comportementales, l'histoire et même l'analyse sémantique des interactions passées. Certaines plateformes d'IA sont en mesure de suggérer le meilleur moment pour contacter un client, le ton à utiliser et le canal le plus efficace, les taux de conversion croissants et excellents.

Intelligence artificielle et investissements

Mais c'est dans le processus d'investissement que l'intelligence artificielle montre son visage le plus sophistiqué. Les algorithmes d'apprentissage automatique analysent des milliers de titres en temps réel, identifiant des modèles cachés, des corrélations non linéaires et des signaux faibles qui échapperaient à l'œil humain.

Certains fonds d'investissement ont déjà intégré des modèles d'analyse des sentiments qui interprètent le flux de nouvelles, les médias sociaux et les rapports des analystes pour anticiper les mouvements du marché. En parallèle, l'IA est utilisée pour optimiser les portefeuilles financiers, simulant les scénarios futurs et suggérant des réédiments en fonction des objectifs de performance et des contraintes de risque.

Compliance et gestion des risques

Un autre domaine en plein essor est celui de la conformité et de la gestion des risques. Ici, l'IA agit comme toujours sur le radar, capable de détecter des comportements anormaux, des transactions suspectes ou des violations réglementaires potentielles en temps réel.

Les modèles de traitement du langage naturel (NLP) sont utilisés pour lire et interpréter des documents réglementaires, signaler automatiquement les risques ou les zones non complices. Cela réduit non seulement les coûts de contrôle, mais augmente la réactivité de l'organisation aux changements réglementaires, un avantage concurrentiel qui n'est pas négligeable dans un contexte de plus en plus réglementé.

La clé du succès

La zone technologique interne bénéficie également de l'IA, en particulier grâce à l'IA générative. Certains managers utilisent déjà des outils de génération de code automatiques pour accélérer le développement d'applications, réduire les erreurs et améliorer la qualité du logiciel.

De plus, l'IA entre également dans les salles de boutons. Les équipes stratégiques utilisent des modèles avancés pour simuler l'impact des décisions complexes sur les marges, les coûts et les actifs sous gestion. En ce sens, l'IA ne remplace pas l'intuition humaine, mais l'améliore, offrant une base de données plus riche et une capacité de traitement infiniment plus élevée.

Par conséquent – c'est la conclusion du rapport -, les entreprises qui intégreront l'IA de manière stratégique « non seulement récupéreront les marges, mais redéfiniront également leur modèle d'exploitation, améliorera l'expérience du client et renforcera la résilience ».

La clé du succès réside dans la capacité de repenser les modèles d'exploitation, de former le personnel aux nouvelles compétences requises – telles que l'ingénierie des données et l'ingénierie rapide – et à construire une culture d'entreprise ouverte au changement.