Comment Crédit Mutuel Arkéa a développé son propre modèle ?

Le groupe de banque et d’assurance Crédit Mutuel Arkéa a choisi de s’appuyer sur le modèle open source Bloom.

Le projet a abouti à une IA conversationnelle mise à la disposition des conseillers.

 

La genèse

Dès 2009, Crédit Mutuel Arkéa a initié la mise en place d’une plateforme big data reposant sur la technologie open source Hadoop. Le groupe de banque et d’assurance était alors le tout premier établissement financier français à se lancer dans un tel projet. Cette année, l’entreprise récidive dans l’IA générative en développant son propre modèle de fondation. Retour sur un projet à la fois innovant et totalement original.

« Nous avons décidé de mettre au point notre propre modèle de fondation car un développement interne nous permet de maitriser entièrement le projet, du point de vue de la souveraineté et de la sobriété », justifie Maxime Havez, chief data officer et chief data scientist chez Crédit Mutuel Arkéa. Pour ce projet, le groupe est parti du large language model (LLM) open source Bloom. Un LLM qui a été créé en 2022 à l’initiative du franco-américain Hugging Face.

L’open source sous le capot

Crédit Mutuel Arkéa a ré-entrainé Bloom sur un corpus en français en s’appuyant sur des instances graphiques (GPU) du cloud de Google. Le tout au sein d’un environnement sécurisé par des clés de cryptage Thales. « Dans le cadre d’un tel projet, nous pourrons être amenés à utiliser, aussi, le service managé de LLM Palm 2 de la Google Cloud Platform quand celui-ci sera disponible en Europe et couvert par le système de chiffrement de Thales », précise Maxime Havez.

Concrètement, Crédit Mutuel Arkéa a eu recours à la génération augmentée de récupération ou retrieval-augmented generation (RAG). Une technique qui permet d’injecter de nouveaux contenus dans la base vectorielle d’un modèle par le biais d’invites, et ainsi d’éviter un ré-entrainement complet. Une fois cette tâche réalisée, le modèle peut ensuite glaner directement ses réponses au sein des contenus ainsi injectés.

« Les résultats obtenus sont très encourageants, notamment comparés au Bloom historique mais aussi à GPT 3.5 »

Le réapprentissage de Bloom a abouti à un modèle en français centré sur la finance. Résultat : il se retrouve nettement moins volumineux que le modèle Bloom d’origine.

En parallèle, Crédit Mutuel Arkéa a créé son propre outil d’évaluation. Objectif : estimer les performances du modèle issu de Bloom comparé aux LLM du marché. « En toute transparence, les résultats obtenus sont très encourageants, notamment comparés au Bloom historique mais aussi à GPT 3.5 et à Bison (un des quatre sous-modèles de Palm 2, ndlr). Et ce à la fois en termes de performance en langue française, mais également de poids », se félicite Maxime Havez. « On peut désormais se mettre en capacité d’utiliser ce service pour répondre à des cas d’usage. »

Un bot de support interne

Le modèle de fondation du Crédit Mutuel Arkéa est déjà utilisé dans plusieurs domaines. Il a notamment permis d’enrichir un bot conversationnel de support conçu pour la recherche documentaire interne. En ligne de mire : faciliter l’accès à des informations nichées dans des questions-réponses ou des fiches produits. Le modèle est aussi mis en œuvre à destination des conseiller ou des fonctions de gestion centrale pour fluidifier l’accès à des bases documentaires.

Pour mener à bien ces chantiers, Crédit Mutuel Arkéa a développé une task force interne axée spécifiquement sur l’IA générative. Une équipe transverse qui est composée de ressources IT planchant sur l’IA depuis des années, de collaborateurs centrés sur la problématique de la data responsable, mais aussi de salariés chargés de développer le produit conversationnel en tant que tel.

Augmenter les modèles existants

Dans d’autres domaines de l’IA générative, le groupe a lancé plusieurs expérimentations en parallèle. C’est notamment le cas pour l’aide au codage des applications. Et, plus globalement, en vue d’augmenter les capacités de ces modèles d’IA déployés en interne.

« Nous n’avons pas pour vocation à nous limiter au cloud de Google. Nous testerons par exemple Palm 2 sur certains cas d’usage, mais aussi GPT du côté de Microsoft Azure ou d’OpenAI. Nous ne sommes fermés à aucune technologie pour peu qu’elles répondent à nos besoins et nos critères en termes de sobriété et de souveraineté », conclut le CDO. « Dans un domaine aussi critique que l’IA générative, nous avons besoin de dénicher le meilleur service correspondant aux cas d’usage que nous avons identifiés. »

Conseiller financier, fonctions juridique, achat, informatique, RH… Crédit Mutuel Arkéa a cerné une quarantaine de cas d’usage de l’IA générative à tous les étages de ces métiers. Une belle perspective en termes de chantiers de développement numérique.

Lire aussi : Le Crédit Mutuel Arkéa publie son modèle d’IA générative en open source
Publié sur L’Usine Digitale par Maureen Le Mao le 17 novembre 2023

L’IA dans les services financiers : s’agirait-il de la nouvelle bulle Internet ?

Une excellent tribune de la société de la banque Lombard Odier

 

L’intelligence artificielle (IA) est omniprésente. Les assistants vocaux Alexa d’Amazon et Siri d’Apple, par exemple, s’appuient sur l’IA pour interpréter les instructions et apprendre. L’IA permet de déverrouiller les écrans par reconnaissance faciale des téléphones portables et d’alimenter les fils sur les réseaux sociaux et les systèmes de streaming vidéo.

Quoique moins visibles, certaines de ses applications sont sans doute plus essentielles à la vie moderne, comme la détection des fraudes, lancée sur toutes les transactions électroniques via les principales plateformes de paiement, ou encore la détermination des notes de crédit à la consommation et l’analyse des demandes d’indemnisation. D’autres domaines d’application de l’IA ne nous viennent peut-être même pas à l’esprit. Comme l’affirmait John McCarthy, l’un des pionniers de l’intelligence artificielle, « dès que cela fonctionne, plus personne ne l’appelle IA ».

La récente prolifération d’outils d’IA « générative », notamment ChatGPT pour la génération de texte et Dall-E pour la création d’images, a remis l’intelligence artificielle sous les projecteurs. Nombreux sont les commentateurs qui anticipent de profondes perturbations économiques dans de multiples secteurs.

Quel sera donc l’impact de l’IA sur les services financiers ?

L’IA générative est libre de faire preuve de créativité. Quand il s’agit de texte, l’IA générative présente donc une certaine tendance à « halluciner », produisant des résultats erronés, voire dénués de sens

Le plan de cette tribune :

  • Suis-je en train d’halluciner ?
  • Meilleure expérience client
  • Détection des fraudes commises par les utilisateurs
  • Gros volumes de données, gros gains
  • Services ciblés
  • Énormes besoins énergétiques
  • Détection des fraudes internes
  • Garbage in, garbage out (GIGO)
  • Cybersécurité
  • Un hiver de mécontentement ?

Texte complet : L’IA dans les services financiers
Publié le 5 octobre 2023

JPMorgan développe IndexGPT

IndexGPT, un outil d’IA générative pour le conseil en investissements

 

La banque JP Morgan ne veut pas rester à la trine, elle à développé sa propre IA : IndexGPT. Cet outil IndexGPT exploitera un logiciel de cloud computing utilisant l’intelligence artificielle afin d’analyser et sélectionner des titres adaptés aux besoins des clients.

Why Choose IndexGPT

Backed by the strength of J.P. Morgan, leading in technology Personalized investment strategies to meet diverse

Pourquoi choisir IndexGPT

Soutenu par la force de J.P. Morgan, à la pointe de la technologie Des stratégies d’investissement personnalisées pour répondre à des besoins diversifiés.

Our Philosophy

Simple and user-friendly, no need for specialized financial knowledge Start winning as an investor, starting now!

Notre philosophie

Simple et conviviale, pas besoin de connaissances financières spécialisées Commencez à gagner en tant qu’investisseur, dès maintenant !

Plan de déploiement

Recruit volunteers

We plan to recruit a limited number of volunteers from the cryptocurrency financial sector to the market. They will actively use the IndexGPT AI to predict financial product services. During usage, they will provide timely feedback on their experience with the IndexGPT AI predictions. The technical department will use actual training and operational data from the market to enhance the accuracy of AI predictions. This is to enable the IndexGPT prediction system to accurately provide the highest quality AI predictions for financial products to clients.

Recruter des volontaires

Nous prévoyons de recruter sur le marché un nombre limité de volontaires issus du secteur financier des crypto-monnaies. Ils utiliseront activement l’IA IndexGPT pour prédire les services de produits financiers. Pendant l’utilisation, ils fourniront un retour d’information opportun sur leur expérience avec les prédictions de l’IA IndexGPT. Le département technique utilisera les données opérationnelles et de formation réelles du marché pour améliorer la précision des prédictions de l’IA. Cela permettra au système de prédiction d’IndexGPT de fournir aux clients des prédictions d’IA de la plus haute qualité pour les produits financiers.

Pourquoi choisit InexGPT ?

Customized Investment Strategies

Whether you’re a novice or a professional investor, IndexGPT can tailor investment strategies to your risk preferences and goals.
D

Stratégies d’investissement personnalisées

Que vous soyez un investisseur débutant ou professionnel, IndexGPT peut adapter les stratégies d’investissement à vos préférences en matière de risque et à vos objectifs.

Intelligent Predictive Analysis

Built on J.P. Morgan’s powerful technology, IndexGPT employs artificial intelligence to analyze vast market data, forecasting the future trends of cryptocurrencies and assisting in wise decision-making.

Analyse prédictive intelligente

Construit sur la puissante technologie de J.P. Morgan, IndexGPT utilise l’intelligence artificielle pour analyser de vastes données de marché, en prévoyant les tendances futures des cryptocurrencies et en aidant à la prise de décisions judicieuses.

Real-time Investment Advice

IndexGPT not only provides you with real-time market data but also offers real-time investment advice based on predictive results, ensuring worry-free investing and easy opportunity grasping.

Conseils d’investissement en temps réel

IndexGPT vous fournit non seulement des données de marché en temps réel, mais aussi des conseils d’investissement en temps réel basés sur des résultats prédictifs, ce qui vous permet d’investir en toute sérénité et de saisir facilement les opportunités qui s’offrent à vous.

Que vont devenir nos cher conseillers financiers ?

JPMorgan joue la carte de la transparence avec les régulateurs américains en matière d’IA générative

PMorgan Chase, plus grande banque des États-Unis, cherche à utiliser l’intelligence artificielle pour concurrencer ses rivaux. L’institution financière s’est rapprochée des régulateurs américains afin qu’ils puissent l’accompagner au mieux dans l’implémentation de son IA. Les régulateurs financiers sont toujours très méfiants lors de l’apparition de nouvelles technologies. Le besoin d’explicabibilité et de transparence doivent toujours être là.

BARBIE – Par Quentin Tarantino

Alexandre Servage

Terminator parody – Jesus

DaMaGepy

Quelques articles trouvés de ci de là…

 

IA et gestion des risques : garder l’Humain au cœur des processus

Tribune de M. Cyril Amblard-Ladurantie publiée sur Les Échos Solutions le 27 octobre 2023

L’essor de l’intelligence artificielle et l’arrivée de ChatGPT suscite une multitude de questions éthiques et pratiques, allant de la confidentialité des données à la propriété intellectuelle, en passant par les biais cognitifs. Dans l’univers complexe de la gestion des risques, une constante demeure : peu importe le degré de sophistication de l’IA, une supervision humaine demeure nécessaire.

 

Risques et méfiance vis-à-vis de l’IA

Après leur apparition tonitruante, ChatGPT et les autres intelligences artificielles génératives telles que Bard et Bing AI, ont rapidement suscité des opinions divergentes. Selon une enquête menée par BlackBerry, 82 % des entreprises françaises, et 75 % à l’échelle mondiale, envisagent de restreindre son utilisation dans le contexte professionnel. Parallèlement, Gartner révèle que les solutions d’intelligence artificielle générative figurent parmi les principales préoccupations des responsables de la sécurité informatique.

Pourtant, au-delà de leur succès auprès du grand public, une majorité des entreprises ont immédiatement sollicité ces IA génératives pour diverses tâches : annonces de recrutement, création de contenus, prédiction de tendances, etc. Mais très vite, un ensemble de préoccupations et de problèmes ont émergé, avec des risques liés à la confidentialité (divulgation d’informations, réutilisation des données par les IA), à la propriété intellectuelle (question de l’appartenance des contenus générés), aux biais cognitifs et même à la fiabilité des réponses, qui peuvent s’avérer inexactes.

Malgré tout, l’IA occupe une place croissante au sein des entreprises, s’intégrant dans des processus essentiels tels que la gestion des relations clients, la finance, le marketing, le recrutement, entre autres domaines clés. Dans ce contexte, même si son potentiel en termes de création de valeur est immense, les risques qui y sont associés nécessitent une gestion attentive pour ne pas compromettre l’intégrité de l’organisation.

IA : une gouvernance traditionnelle pour des solutions innovantes 

Tout comme pour d’autres algorithmes déployés dans les entreprises, la gestion des risques liée à l’intelligence artificielle suit une logique similaire. Dans un premier temps, il s’agit de dresser un inventaire des IA intégrées aux processus, y compris celles qui sont utilisées de manière informelle par les collaborateurs, appelées « shadow IA » (IA générative librement accessible et utilisable par tous). Ensuite, il convient d’appliquer une approche par les risques tout au long du cycle de vie de l’IA, du développement au décommissionnement, en passant par la validation, les tests de résistance, la mise en production, la surveillance, etc.

Que ce soit pour les IA externes ou celles qui sont développées internes, il est nécessaire d’effectuer dès le départ une analyse approfondie des risques en fonction de leur degré d’implication dans les processus (essentiel, cœur de métier, critique, etc.). Mais cette analyse doit être plus rigoureuse que celle appliquée aux solutions technologiques traditionnelles : elle doit englober l’identification et la correction éventuelle de biais cognitifs, la protection des données et les enjeux de propriété intellectuelle notamment.

C’est alors que l’entreprise sera en mesure de personnaliser le niveau de sécurité de chaque solution d’IA utilisée, en priorisant la mise en place de dispositifs de surveillance et de procédures spécifiques en cas d’incidents, surtout lorsque les intelligences artificielles sont déployées dans des processus critiques pour l’organisation.

IA & gestion des risques : une supervision humaine nécessaire

Bien que leur gestion puisse sembler comparable à celle d’autres solutions technologiques, la présence des IA dans l’entreprise n’est pas neutre, surtout en raison de leur potentiel créatif et de leur accès facile (les IA génératives notamment). Cela nécessite de mettre en place des mesures de contrôle à la fois en amont et en aval de leur utilisation.

Les formations destinées aux utilisateurs, dont l’objectif est de sensibiliser aux bonnes pratiques et à la formulation adéquate des questions pour éviter des réponses biaisées, est un bon exemple. Pendant toute la durée d’utilisation de l’IA, il est également crucial de procéder à des tests réguliers pour prévenir toute dérive en termes d’apprentissage, de compréhension et de réponses. Après décommissionnement de l’IA, il est aussi essentiel de s’assurer que les données sont détruites ou archivées (en vue d’audits réglementaires par exemple).

C’est dans le cadre de ces procédures de vérification que le facteur Humain reste au cœur de tout projet IA. Cela soulève également la question de la disponibilité des compétences (en interne ou à travers des recrutements), et donc du risque éventuel de leur absence au sein de l’entreprise.

Il est tout aussi essentiel de ne pas sous-estimer le fait que l’IA ne résoudra pas tous les problèmes d’une organisation. Au contraire, la décision d’intégrer l’IA dans certains processus peut révéler une inadéquation du SI, telles que l’existence de silos de données entre les entités, l’absence d’historique ou de compétences (data scientistes), etc.

En d’autres termes, le déploiement de l’IA ne s’improvise pas et, surtout, n’est pas sans risque, à moins d’une supervision humaine constante et adaptée. Ce qui est plutôt rassurant pour nous, les Humains.

Tribune de M. Cyril Amblard-Ladurantie publiée sur Les Échos Solutions le 27 octobre 2023

Pourquoi l’IA est-elle indispensable pour optimiser les services bancaires et financiers ?

Excellente tribune écrite par Jean-Baptiste Rainsart

 

Le secteur financier adopte peu à peu la puissance de l’intelligence artificielle et de l’automatisation pour booster la productivité et conserver une longueur d’avance sur la concurrence.

Dans le monde en constante évolution des services bancaires et financiers, l’innovation est indispensable pour conserver une longueur d’avance sur la concurrence. Pour répondre aux demandes des clients et atteindre l’excellence opérationnelle, les organisations du secteur s’en remettent progressivement à la puissance de l’intelligence artificielle combinée à l’automatisation. De la transformation du traitement des documents à la révolution de la communication avec les clients, ces technologies de pointe sont en train de transformer le secteur.

Traiter les documents avec efficacité et précision

Le secteur des services bancaires et financiers traite un large éventail de documents, qu’ils soient structurés, semi-structurés ou non structurés. Cet environnement riche en documents aboutit souvent à la réalisation de processus manuels fastidieux et peut être source d’erreurs. C’est donc sans surprise que le secteur financier est celui qui présente la plus grande part de tâches à fort potentiel d’automatisation (plus de 50 %).

Dans le secteur des services bancaires et financiers, les modèles d’apprentissage machine (ML) de compréhension des documents alimentés par l’IA permettent d’extraire des données à partir de documents tels que les passeports, les justificatifs d’identité et les emprunts bancaires. Les organisations peuvent entraîner leurs propres modèles à répondre aux différents types de documents qu’elles traitent. L’automatisation du processus d’extraction réduit considérablement le temps nécessaire au traitement de ces documents, ce qui permet des gains en termes d’efficacité exponentiels.

Gérer les communications non structurées pour améliorer la relation client

L’essor des e-mails, des chats virtuels et des SMS en tant que canaux de communication est un nouveau défi à relever pour les institutions financières : l’automatisation alimentée par l’IA permet de gérer efficacement le traitement de ces communications non structurées en analysant et en comprenant les demandes, les plaintes et les litiges émanant des clients.

Les modèles ML interprètent ces communications non structurées, extraient les informations pertinentes et prennent les mesures nécessaires. L’automatisation réduit considérablement les temps de réponse, ce qui se traduit par une amélioration de la satisfaction client.  A cela s’ajoute la problématique de la compréhension des sentiments des clients qui est devenue essentielle lorsque l’on traite des demandes entrantes.

Ainsi, des banques grand public ont mis en place des modèles pour effectuer deux niveaux de classification, en catégorisant les e-mails pour   en comprendre leur intention. Ces banques ont ainsi pu se faire une idée précise de l’état d’esprit des clients et identifier leurs domaines de frustration ou leurs difficultés liées à certains produits. Cette approche a été mise en œuvre dans trois catégories de produits bancaires : les cartes, les dettes et les prêts. En outre, des données de terrain pertinentes ont été extraites à l’aide d’une combinaison d’automatisation et de modèles ML. Cela a permis la création d’un cadre automatique pour adresser des réponses contextuelles à environ 30 % des e-mails. Les résultats ont été impressionnants, avec une précision de près de 95 % en matière de classification multi-niveaux et une réduction drastique du temps de réponse.

En exploitant les modèles ML et en investissant dans le domaine du Communications Mining, les banques peuvent améliorer l’expérience clients et obtenir des retours sur investissement significatifs.

Combiner l’automatisation et les outils de nouvelle génération

L’intégration de l’automatisation avec des outils de nouvelle génération tels que ChatGPT offre de nouvelles perspectives au secteur. En combinant ces technologies, les organisations peuvent élargir le champ des cas d’usage et fournir des solutions encore plus personnalisées et efficaces.

L’utilisation de l’automatisation et de ChatGPT dans la gestion de patrimoine illustre bien cette approche. L’automatisation recueille des données pertinentes tandis que ChatGPT génère un contenu sur mesure, créant ainsi des présentations visuellement attrayantes utilisées par les conseillers en gestion de patrimoine pour fournir des conseils personnalisés à leurs clients.

À l’avenir, l’automatisation alimentée par l’IA continuera de façonner le secteur des services bancaires et financiers, en leur permettant de rester compétitives, de s’adapter à l’évolution des besoins des clients et de fournir des services de qualité optimale. L’adoption de ces technologies va être cruciale pour les organisations désireuses de se démarquer dans un environnement bancaire et financier en constante évolution.

ndlr : Tout est dit…

Texte source : Pourquoi l’IA est-elle indispensable pour optimiser les services bancaires et financiers ?
Publié sur Le journal du Net par Jean-Baptiste Rainsar le 15 novembre 2023

Selon Yuval Noah Harari, l’IA pourrait provoquer une crise financière aux conséquences catastrophiques

L’écrivain et philosophe Yuval Noah Harari a, à plusieurs reprises, soulevé les problèmes existentiels que pose l’IA. Il est d’ailleurs l’un des premiers signataires de la lettre ouverte de mars dernier “Pause Giant AI Experiments”. C’est lors d’une interview au Guardian qu’il a alerté récemment sur les menaces que l’IA fait peser sur le système économique mondial et leurs conséquences.

L’arrivée de ChatGPT a suscité un réel engouement mais également de nombreuses craintes. Auteur du fameux bestseller “Sapiens: une brève histoire de l’humanité”, Yuval Noah Harari fait partie de ceux qui ont exprimé leurs inquiétudes envers des IA incontrôlables qui surpasseraient l’être humain.

En mai dernier, il déclarait lors d’une interview à à l’émission Tout un monde :

“L’IA est fondamentalement différente de toutes les inventions de l’histoire de l’humanité. Les technologies inventées dans le passé nous ont toujours donné du pouvoir, parce qu’aucun outil n’était capable de prendre des décisions par lui-même, ni de générer de nouvelles idées”.

Selon ses déclarations au Guardian, contrairement aux armes nucléaires, il n’y a pas de “grand scénario dangereux” clairement compris par tous en ce qui concerne l’IA, ce qui rend difficile la prévision de ses dangers.

Il met à nouveau en garde contre le fait que l’IA, en raison de sa capacité à prendre des décisions autonomes, à générer de nouvelles idées et à apprendre de manière autonome, présente une multitude de scénarios dangereux, chacun ayant une probabilité relativement faible, mais qui, combinés, pourraient constituer une menace existentielle pour la civilisation humaine.

L’IA pourrait engendrer une crise financière majeure

Harari met en lumière le secteur financier comme étant particulièrement vulnérable à l’IA en raison de sa nature basée sur les données. Il envisage un scénario où l’IA aurait un contrôle accru sur le système financier mondial, créant des instruments financiers si complexes que seules les IA pourraient les comprendre. Cette opacité pourrait, selon lui, conduire à une crise financière majeure, surpassant peut-être celle de 2007-2008 provoquée par des instruments financiers tels que les obligations adossées à des créances (CDO).

Bien qu’il ne considère pas une crise financière provoquée par l’IA comme une menace existentielle en soi, il souligne que les conséquences indirectes, telles que des conflits ou des guerres déclenchés par une telle crise, pourraient avoir des répercussions catastrophiques sur les plans économique, social et politique.

L’urgence d’une coopération mondiale autour de la sécurité de l’IA

L’auteur a salué la volonté de coopération internationale lors du sommet mondial sur l’IA et autour de la création de l’AI safety Institute. Il préconise cependant de doter les instituts de sécurité de l’IA d’experts comprenant l’impact potentiel de l’IA sur des secteurs spécifiques, tels que la finance.

Il a également insisté sur le fait que l’accent ne devrait pas être mis sur des réglementations détaillées, mais plutôt sur la mise en place d’institutions régulatrices agiles capables de réagir rapidement aux évolutions technologiques.

La suite sur : Selon Yuval Noah Harari, l’IA pourrait provoquer une crise financière aux conséquences catastrophiques
Publié sur ActuIA par Pierre-yves Gerlat le 16 novembre 2023

D’autres articles sur ce sujet