Publié le 2024-02-29 14:35:00. L’intelligence artificielle, longtemps cantonnée à la science-fiction, s’immisce désormais dans le quotidien des consommateurs, et plus particulièrement dans la gestion de leurs cartes de crédit. Au-delà de la détection de fraude, les acteurs du secteur explorent des applications plus poussées, allant jusqu’à l’automatisation complète des achats.
- L’IA est utilisée depuis longtemps par les émetteurs de cartes de crédit pour la détection de fraude, l’augmentation des limites et l’assistance clientèle.
- Différents types d’IA existent : déterministe, générative et agentique, chacun ayant des capacités distinctes.
- L’avenir pourrait voir l’émergence d’agents d’IA capables de gérer les dépenses à la place des consommateurs, mais des questions de sécurité et de biais algorithmiques restent à résoudre.
Si l’intelligence artificielle (IA) a explosé dans l’imaginaire collectif avec le lancement de ChatGPT en 2022, transformant une idée de film de science-fiction en un outil accessible au grand public, elle est en réalité utilisée par les sociétés de cartes de crédit depuis des décennies. Aujourd’hui, lorsque vous recevez une alerte pour une transaction suspecte, que l’on vous propose une augmentation de votre plafond de dépenses ou que vous interagissez avec un chatbot, vous expérimentez déjà les multiples façons dont votre banque utilise l’IA pour mieux vous connaître et vous faire gagner du temps.
Les applications potentielles de l’IA dans ce secteur sont vastes. On parle même d’acheteurs personnels virtuels, capables de dépenser votre argent en votre nom. Une perspective qui, bien que séduisante, soulève des questions importantes en matière de sécurité et de contrôle.
Avant d’aller plus loin, il est utile de comprendre les différents types d’IA :
- IA déterministe : Dans ce type d’IA, une entrée spécifique produit toujours la même sortie. Un chatbot de service client en est un exemple : s’il ne peut pas répondre à votre question, il ne cherchera pas de solution créative.
- IA générative : Cette forme d’IA apprend à partir des données qui lui sont fournies pour créer de nouvelles réponses uniques en réponse aux requêtes des utilisateurs. ChatGPT est un modèle d’IA générative. L’IA générative est une évolution de l’apprentissage automatique, qui se concentre sur l’analyse des données et la reconnaissance de schémas, tandis que l’IA générative peut créer du contenu, y compris des réponses aux questions des clients.
- IA agentique : Dotée de paramètres initiaux, cette forme d’IA peut agir de manière autonome pour effectuer des tâches ou résoudre des problèmes.
Comment l’industrie des cartes de crédit utilise actuellement l’IA
Les sociétés de cartes de crédit collectent une quantité considérable de données sur leurs clients : informations démographiques, financières, habitudes de dépenses, etc. L’IA permet d’exploiter efficacement ces données de plusieurs manières.
« L’IA nous donne accès à beaucoup plus de données que nous ne pouvons traiter en tant qu’humains », explique Courtney Cardin, cofondatrice et responsable des produits et des agents d’affaires chez Aura Finance, une plateforme de bien-être financier. « Au cours des 50 dernières années, nous avons créé d’énormes quantités de dossiers électroniques, mais notre capacité à les synthétiser est limitée. L’IA comble cette lacune. »
Courtney Cardin, cofondatrice et responsable des produits et des agents d’affaires chez Aura Finance
Détection et prévention de la fraude
Lorsque vous recevez un SMS vous alertant d’une transaction suspectée sur votre carte de crédit, c’est l’IA qui est à l’œuvre. Elle identifie les transactions qui s’écartent de vos habitudes de dépenses habituelles, comme un achat effectué dans un pays où vous ne vous trouvez pas.
« C’est un cas d’utilisation classique : l’IA comprend le comportement normal des clients et signale les anomalies », explique Michael Storiale, vice-président directeur de l’innovation, des paiements et de l’IA chez Synchrony. « Nous utilisons l’IA de cette manière depuis des années. »
Michael Storiale, vice-président directeur de l’innovation, des paiements et de l’IA chez Synchrony
Les premières utilisations de l’IA pour la détection de fraude étaient basées sur des règles prédéfinies, selon Ranjita Iyer, vice-présidente exécutive, services, Amérique du Nord chez MasterCard. Le système était programmé pour réagir d’une certaine manière si une transaction s’éloignait de certains schémas. Mais l’IA générative permet désormais de détecter la fraude plus rapidement et même de bloquer les transactions potentiellement frauduleuses avant qu’elles ne soient effectuées.
« Nous pouvons simuler des scénarios qui ne se sont pas encore produits, mais qui pourraient se produire à l’avenir », explique Iyer. « Nous sommes en mesure de prédire si une transaction est susceptible d’être frauduleuse en fonction de la combinaison du commerçant, du client et du pays. Si elle sort de ces paramètres, nous pouvons la signaler comme étant à haut risque. »
Ranjita Iyer, vice-présidente exécutive, services, Amérique du Nord chez MasterCard
Comprendre et servir les clients
Selon Cristián Bravo, professeur et titulaire de la Chaire de recherche du Canada en analyse bancaire et assurance à l’Université Western de Londres, en Ontario, l’IA joue un rôle important dans la manière dont les émetteurs de cartes de crédit apprennent à connaître leurs clients. Elle est utilisée pour créer des offres ciblées pour les nouveaux clients potentiels et pour évaluer leur probabilité d’approbation. Si un client existant envisage de changer d’émetteur, l’IA peut aider à élaborer une offre de rétention pour le fidéliser.
« L’apprentissage automatique et l’IA sont intégrés à tout le cycle de vie du processus de carte de crédit », explique Bravo. « C’est probablement l’un des processus les plus automatisés et les plus soutenus par l’IA. »
Cristián Bravo, professeur et titulaire de la Chaire de recherche du Canada en analyse bancaire et assurance à l’Université Western de Londres
Les assistants virtuels intelligents – tels que Sydney de Synchrony, Capital One et Erica de Bank of America® – sont souvent accessibles via les applications bancaires et les sites web, et permettent aux clients de poser des questions ou d’obtenir des informations sur leurs habitudes de dépenses. Les chatbots du service client peuvent avoir des capacités limitées en termes de types de questions auxquelles ils peuvent répondre, mais ils peuvent réduire le nombre de demandes nécessitant une assistance humaine. Storiale précise que Sydney a géré environ 20 millions de conversations avec les clients cette année et a pu résoudre 80 % de leurs problèmes.
Des processus qui « rendent le temps aux gens »
L’utilisation de l’IA accélère un certain nombre de processus internes, tels que le service client, les décisions de crédit, les contrôles de conformité et le développement de nouveaux outils.
Selon Storiale, cela permet à Synchrony d’économiser des milliers d’heures de travail manuel chaque année.
« Nous nous concentrons sur la façon dont l’IA rend le temps aux gens », explique Storiale.
Michael Storiale, vice-président directeur de l’innovation, des paiements et de l’IA chez Synchrony
Agents de l’IA : la prochaine frontière (et source d’inquiétude)
L’IA agentique, capable de prendre des décisions et d’agir en votre nom avec votre consentement, est le dernier sujet à la mode dans le secteur des paiements et du commerce. Imaginez avoir un assistant personnel autorisé à faire vos achats.
Par exemple, si vous prévoyez des vacances, l’IA générative peut vous aider à élaborer un itinéraire, mais vous devrez réserver le voyage vous-même. Avec un agent d’IA, vous pouvez définir des paramètres (lieu, taille du groupe, âges, préférences d’activités et budget), et l’agent définira non seulement un itinéraire, mais réservera également les vols, les hôtels, les voitures de location et les billets pour vous.
Mais si un agent d’IA peut dépenser votre argent, il doit être sécurisé. Ironiquement, l’IA est utilisée pour surveiller l’IA et identifier les situations où l’agent agit de manière imprévisible.
« L’IA est essentielle ici : elle tente de comprendre : « Cet agent se comporte-t-il comme prévu ? A-t-il obtenu le consentement approprié ? Pourrait-il être compromis ? » Ce sont toutes des questions que nous abordons actuellement. »
Michael Storiale, vice-président directeur de l’innovation, des paiements et de l’IA chez Synchrony
D’autres obstacles nécessitent des ajustements humains
Une préoccupation majeure concernant l’utilisation de l’IA pour les décisions de crédit – l’octroi d’offres, l’approbation ou le refus des demandes, la création de profils de clients basés sur les habitudes de dépenses – est le risque de biais.
Par exemple, des biais peuvent être intégrés aux algorithmes utilisés pour déterminer votre admissibilité à une carte et, le cas échéant, votre limite de crédit et votre taux d’intérêt. En 2019, le Département des services financiers de l’État de New York a ouvert une enquête sur la carte de crédit co-marquée d’Apple suite à des plaintes de couples hétérosexuels affirmant que les maris avaient obtenu des limites de crédit plus élevées que leurs femmes, malgré des finances similaires.
L’enquête a conclu qu’il n’y avait pas de discrimination intentionnelle, mais le rapport a reconnu comment les cotes de crédit sont affectées par des décennies de discrimination raciale et sexuelle passée. Et comme les modèles de souscription s’appuient sur des données de prêt antérieures, les biais involontaires peuvent affecter l’accès au crédit.
Mais corriger l’algorithme nécessite d’abord de s’assurer que les humains sont sur la même longueur d’onde. « Des discussions complexes doivent avoir lieu, non pas au niveau de l’IA, mais au niveau politique et réglementaire », explique Bravo. Les algorithmes peuvent ensuite être conçus en fonction de ce qui est légalement défini comme un accès équitable au crédit, en tenant compte de l’accès passé (ou de l’absence d’accès) au crédit.
L’article AI peut planifier un voyage. Souhaitez-vous lui prêter votre carte de crédit pour le réserver ? Initialement paru sur Nerdwallet.
