
Les robots ne remplaceront pas les analystes LCB-FT … encore !
L’accélération réglementaire
Nous assistons depuis quelques années à une accélération des réglementations/régulations au niveau Européen mais aussi au niveau mondial. Des réglementations de plus en plus exigeantes (Basel, Solvency, AML-CTF, IDD, MFIDII, FICOVIE, FICOBA, FATCA, etc.) et qui touchent principalement les institutions financières.
L’application de ces réglementations est souvent accompagnée de contrôles, d’audits et, en cas de non conformité, de sanctions (comme c’était le cas pour de nombreuses companies d’assurances et banques BNP Paribas, Crédit Agricole, Axa France Vie, Generali, La Banque Postale, etc.)
Si on prend l’exemple des réglementations liées au KYC comme la LCB-FT, on ne peut s’empêcher de constater que l’application de ces dernières engendre des impacts conséquents sur les workflows métiers et impose des adaptations régulières des points de collecte de données et de contrôle (complétude, qualité, etc.) qui sont, quoi que nécessaires, chronophage et très consommatrices en termes de charges et de coûts.
Pour pouvoir absorber ces charges il y a les robots …
L’ère de l’automatisation … plus organisée, plus productive !

Et c’est là ou interviennent les RPA/RDA (D pour Desktop)… Ces technologies permettent de reproduire jusqu’à une certaine échelle des actions/tâches informatiques “basiques” comme la re-saisie des données entre plusieurs applications, la collecte des données, l’envoi de mail automatisé, la saisie de formulaire à partir de données sources, etc.
Plusieurs tâches pourront être déléguées à un assistant virtuel dépourvu d’émotions
Toutes ces tâches à basse valeur ajoutée qui absorbent une partie non négligeable du temps et de l’énergie des opérateurs/gestionnaires et augmentent le stress à cause des temps de réponse et des problèmes liés à la performance… pourront être déléguées à un assistant virtuel dépourvu d’émotions qui les exécutera et attendra le temps qu’il faut pour obtenir les résultats.
Imaginez le gestionnaire ouvrant sa session le matin pour trouver un mail lui indiquant que tous les processus de saisie sont terminés, et en PJ un rapport détaillé des tâches ! Il pourra simplement effectuer des contrôles afin de s’assurer que tout s’est bien déroulé pour ensuite s’occuper des tâches à plus haute valeur ajoutée et sur lesquelles on a besoin d’analyse humaine …
Il faut savoir que les technologies RPA reposent sur des softwares « visuels » qui ne font que reproduire les tâches/workflows basiques d’un opérateur.
Elles sont indépendantes des technologies des applicatifs qu’elles manipulent, ce qui leur donnent une grande flexibilité face au legacy système
Elles ne sont pas intrusives: ne modifient pas les programmes des applications mais utilisent directement les interfaces disponibles
Elles ont vocation à agir comme des assistants virtuels plutôt que des robots autonomes…
Les Analystes ne disparaîtront pas …

Dans la majorité des cas, les gestionnaires, les business analystes et les opérateurs n’ont pas vocation à être remplacés par les RPAs. Au contraire, cette technologie leur met à disposition une flotte d’assistants virtuels qui leur permettent d’atteindre une plus grande productivité. Elle leur offre le luxe de se focaliser sur des tâches à forte valeur ajoutée.
Prenons pour exemple la direction de conformité au sein des banques et des companies d’assurance. Suite à l’implémentation des dispositifs automatisés de génération d’alertes (sur la fraude, ou la lutte anti-blanchiment par exemple) les acteurs ont été submergés d’alertes à traiter … l’une des actions les plus chronophage pour le traitement de ces alertes est de faire des comparaisons de données, des recherches dans les bases internes et externes, des extractions d’informations à partir des systèmes de gestions, etc. Déléguer cela à des assistants virtuels laisse aux analystes un temps confortable pour faire ce pourquoi ils ont été recrutés … analyser les données et le comportements suspect des clients pour identifier les cas avérés et effectuer les démarches de déclaration nécessaires.
En ce qui concerne le machine Learning, l’intelligence artificielle, le deep Learning, etc. On constate actuellement que ces technologies sont plus orientées vers « la détection » que vers le « traitement ». Des exemples concrets seraient Comply Advantage et Neurensic qui utilisent le machine learning et l’intelligence artificielle pour effectuer les contrôles LCB-FT ou bien afin d’identifier des patterns complexes de blanchiment en analysant les transactions financières.
Il est indéniable que la technologie évolue à grand pas
The next step, l’accélération cognitive …

Même si certains acteurs parlent déjà d’une transition rapide vers des « robots RPA » plus sophistiqués et plus intelligents — IPA, l’émergence du machine learning, des améliorations « cognitives » et de l’intelligence artificielle risque de prendre plus de temps pour 3 raisons principales :
Ce type de technologies est très demandeur de données
Contrairement aux RPA, elles ont des interférences très fortes avec les systèmes d’information en place (legacy)
Elles ont un champs d’utilisation infini et représentent un avantage concurrentiel non-mesurable (aujourd’hui), ce qui a un impact considérable sur l’approche que les acteurs adoptent vis à vis de ces technologies
Une des constatations les plus partagées actuellement sur la place est que les acteurs (financiers) préfèrent investir (incuber, financer, etc.) dans des startups porteuses de projets IA plutôt que d’acheter des solutions pré- packagées. Cela freine en quelque sorte la démocratisation de ces technologies mais n’empêche pas leur développement. Les exemples sont nombreux … la Deutsche Bank a ouvert récemment un Innovation Lab orienté IA à New-York, BNP Paribas quant à elle a lancé son Accélérateur Fintech …
