Les observations canoniques d’Abernathy et Utterbach (1975) sur le passage de l’innovation expérimentale à l’innovation appliquée, sont elles encore valides un demi-siècle plus tard ? L’exemple de l’IA appliquée aux activités bancaires permettra- t- il de le vérifier ?
Depuis les années 2020, les banques sont engagées dans un vaste processus d’innovation par l’IA de leurs produits, services et systèmes, mais aussi, des relations avec leurs clients, leurs personnels, leurs partenaires et les régulateurs. Ces innovations visent la personnalisation des produits et des services en fonction des segments de clientèles (ménages, entreprises, collectivités locales, Etats), de leurs profils de rendement-risque, et des types de services rendus (paiement, crédit, placement…). Elles cherchent à diversifier l’interface bancaire actuelle et à intégrer la fonction de paiement dans divers objets (téléphone, logement, véhicule, lunettes, montre…). Elles ont pour objet d’adapter à chaque achat les offres de crédit et d’assurance, et à automatiser la gestion des placements en fonction des profils de risque des épargnants, et de leurs exigences de scorings ESG. Elles visent à ce que chaque opération soit accompagnée par un « robot advisor» ou un conseiller bancaire «augmenté » par l’IA, capable de réaliser des prospections, projections, simulations et formations. Elles s’efforcent grace à l’IA de mieux accompagner les start’up dans leurs « vallées de la mort » et les groupes industriels ou financiers dans leurs projets de fusion -acquisition (notamment cross-border), avec l’aide de réseaux structurés multi-disciplinaires. Sur le marché des produits structurés, des applications d’IA permettent déjà une sélection automatique des contreparties, une analyse des niveaux de protection et des barrières offertes, des coupons proposés, du pricing des options implicites, de la solidité des bilans et du rating des émetteurs, de la profondeur et de la qualité du marché secondaire. Mais l’IA permet surtout d’assurer une meilleure sécurité des données des clients, des traitements, des transactions, des réglements-livraisons et des conservations de titres. L’atteinte de ces objectifs mobilise déjà les applications de l’IA les plus avancées comme l’identification biométrique, la traçabilité automatique des flux, la diffusion programmée des données, la systématisation des smart contracts (en MNBC et tokens), le contrôle des crédits finançant les investissements à impacts ESG (comme Tree Token), le développement des « monnaies complémentaires » (comme Bancor) et des micro-paiements favorisant l’inclusion des personnes non bancarisées (comme Arcadia Blockchain)…
Le personnel de chaque banque doit ainsi faire preuve « d’innovisme » (Phelps & al, 2020), afin que sa banque ne soit pas « suiveuse » mais « pionnière » en matière d’application de l’IA. L’innovisme recouvre les capacités à anticiper les situations nouvelles, anormales ou de crise, en se dotant de « laboratoires d’innovaton », en créant un « imaginarium » financier et en stimulant le « désir de créer » parmi le personnel à tous les niveaux. Il semble donc qu’à la lumière de cet exemple, l’accultation technologique des entreprises soit à la fois plus globale et plus rapide qu’elle n’était au cours des « trente glorieuses ».
Abernathy, W. J., & Utterback, J. M. (1975). A Dynamic Model of Process and Product Innovation. Omega, 3(6), 639-656.
Phelps, E., Bojilov, R., Hoon, H. T., & Zoega, G. (2020). Dynamism: The Values That Drive Innovation, Job Satisfaction, and Economic Growth. Cambridge, MA: Harvard University Press.
Jean-Jacques Pluchart
