IA, Crédit 3 min de lecture
Compte-rendu de la table ronde du Money20/20 à Las Vegas : ChatGPT sait écrire, mais l'IA est-elle capable d'évaluer les risques ?
Depuis son lancement, ChatGPT a retenu l'attention du monde entier, suscitant de nombreux débats sur la manière dont il pourrait potentiellement révolutionner le secteur des services financiers, en particulier dans le domaine de l'évaluation de la solvabilité.
La semaine dernière, j'ai eu le plaisir de discuter des défis et des opportunités liés à l'utilisation de l'intelligence artificielle (IA) dans la souscription de crédit lors du salon Money20/20 Vegas, aux côtés de trois leaders du secteur :
- Sarah Hinkfuss, associée chez Bain Capital Ventures, une société de capital-risque qui investit dans des entreprises ambitieuses en phase de croissance dans les domaines de la fintech, des logiciels d'application et des technologies climatiques.
- Matt Mollison, responsable des données et architecte en apprentissage automatique chez Branch International, l'un des plus grands organismes de microcrédit au monde.
- Seema Amble, associée chez Andreessen Horowitz, une société mondiale de capital-risque qui investit dans l'avenir des logiciels B2B et de la fintech.
Voici les principaux points à retenir de notre discussion :
1. En raison de son manque de précision et des risques qu’il présente, ChatGPT ne remplacera pas de sitôt les modèles de risque actuels des souscripteurs.
ChatGPT est un produit développé par OpenAI, l’une des principales entreprises mondiales spécialisées dans l’intelligence artificielle. Il s’agit d’une interface qui permet aux utilisateurs d’interroger ou de dialoguer avec GPT-4, le grand modèle linguistique (LLM) d’OpenAI. GPT-4 ayant été entraîné sur une quantité colossale de données (c’est-à-dire pratiquement l’intégralité de l’Internet public), il dispose d’une vaste base de connaissances et, de par la nature même de l’IA générative, il est capable de créer du contenu entièrement nouveau.
Cependant, l'IA générative, telle qu'elle est utilisée dans ChatGPT, n'est qu'une sous-catégorie de l'IA et ne représente pas l'ensemble des algorithmes d'IA. Les algorithmes d'IA et d'apprentissage automatique sont utilisés dans le domaine de la souscription depuis des années déjà, bien avant la sortie de ChatGPT.
À mon avis, ChatGPT ne remplacera pas de sitôt les modèles de risque existants utilisés actuellement par les prêteurs. Je suis toutefois très optimiste quant à la capacité de l'apprentissage automatique, en général, à permettre de prendre des décisions plus précises en matière de risque.
Sarah a confirmé que, dans la mesure où les grands modèles de langage (LLM) tels que ChatGPT sont entraînés à partir de données publiques et n’ont jamais eu accès à des données privées relatives aux défauts de paiement, le recours à ChatGPT pour prendre des décisions de souscription serait extrêmement imprécis et risqué.
Matt a souligné que les décisions de souscription ne peuvent pas non plus être prises à l'aveugle. Il faut comprendre les raisons qui sous-tendent ces décisions pour pouvoir s'approprier pleinement sa propre logique décisionnelle.
Les professionnels du machine learning responsables doivent être capables de comprendre les facteurs qui influencent les prédictions du modèle. Vous devez être en mesure de garder le contrôle sur le modèle et ses données d'entraînement. Les modèles tels que ceux utilisés dans ChatGPT s'appuient sur de vastes ensembles de données historiques, qui contiennent souvent des biais – ce qui peut entraîner un non-respect des réglementations, selon votre contexte d'exploitation.
2. ChatGPT est effectivement capable d'améliorer la précision et l'efficacité des modèles de risque
Matt a expliqué que, même s'il est trop risqué d'utiliser ChatGPT pour prendre des décisions en matière de souscription, cet outil peut servir à atteindre des performances hors du commun.
« Chez Branch, nous avons utilisé ChatGPT pour l'enrichissement des ensembles de données, notamment l'étiquetage, afin de faciliter l'entraînement de nos propres modèles que nous utilisons dans le cadre de l'ingénierie des caractéristiques, lesquels sont ensuite intégrés à nos modèles d'évaluation du risque de crédit. »
Je reconnais que ChatGPT peut s'avérer très efficace pour créer de nouveaux signaux et de nouvelles variables, et pour améliorer la précision des modèles de risque. J'ai déjà vu plusieurs clients exploiter la puissance des modèles de langage de grande envergure (LLM) tels que ChatGPT pour interpréter et classer des transactions bancaires.
Auparavant, chez Taktile, nous devions embaucher 15 étudiants salariés pour aider un prêteur à classer ses données de transactions bancaires. Nous avons comparé les résultats : ChatGPT affiche désormais une précision presque équivalente.
Matt a expliqué en quoi ChatGPT excelle dans l'analyse du langage humain. Tout comme dans l'exemple des transactions bancaires, Branch peut fournir au modèle de langage de grande échelle (LLM) un ensemble de données en langage naturel non structurées, accompagnées d'instructions pour classer différents types de SMS, ce qui permet d'accomplir rapidement une tâche fastidieuse.
Seema a également souligné à quel point ChatGPT peut s'avérer utile dans le cadre des relations avec la clientèle. Il peut aider à guider les clients tout au long du processus de demande de prêt (en leur expliquant la signification des différents éléments et en leur indiquant où trouver les informations à fournir), répondre à leurs questions concernant la décision d'octroi de prêt et apporter un soutien continu dans le cadre des activités de vente et de prospection.
La véritable force de ChatGPT réside dans le fait que vous pouvez lui fournir des données confidentielles, même si vous ne l'utilisez pas spécifiquement pour prendre des décisions en matière de souscription.
3. Au-delà des modèles de langage de grande envergure (LLM), l'IA reste extrêmement performante pour prédire le risque de crédit
Matt a expliqué que, sur les marchés émergents, il a été démontré que les modèles d'IA amélioraient la précision des prêteurs, et que Branch les utilise depuis des années pour opérer à grande échelle sur ses marchés.
Branch opère sur des marchés dont l'infrastructure d'information est moins développée qu'aux États-Unis ; l'entreprise doit donc s'appuyer largement sur des sources de données alternatives.
Au lieu de s'appuyer sur les scores traditionnels des agences d'évaluation du crédit pour évaluer le risque, Matt a expliqué comment ils entraînaient en interne des modèles d'apprentissage automatique afin de prédire le risque lié à l'octroi d'un prêt d'un certain montant à un client.
Comme l’ont souligné Sarah et Seema, il existe des différences marquées entre le crédit à la consommation et le crédit aux entreprises. Sur les marchés développés, par exemple, il est difficile d’utiliser l’IA pour les décisions de souscription de crédit à la consommation en raison de la réglementation, mais elle peut s’avérer très utile dans le cadre de la souscription de crédit aux entreprises, où la réglementation est moins stricte. Aux États-Unis, les prêteurs à la consommation restent soumis à la loi sur l’égalité des chances en matière de crédit (Equal Credit Opportunity Act), qui oblige les créanciers à expliquer les raisons spécifiques justifiant toute décision défavorable.
4. À mesure que l'utilisation de l'IA dans le domaine de la souscription ne cesse de se développer, la réglementation qui l'encadre se renforce également : les prêteurs devraient se préparer dès maintenant aux changements à venir.
L'IA est déjà largement utilisée dans le domaine de la souscription, et nous pensons que cette tendance ne fera que s'accentuer à l'avenir.
Avec la mise en œuvre de la première loi européenne sur l’IA déjà en cours, de nombreux prêteurs – même ceux qui n’utilisent pas strictement l’IA au sens technique du terme – devront adapter leurs activités afin de se conformer à la fois à la réglementation bancaire et à celle relative à l’IA. De plus, une mise en conformité pourrait être exigée en dehors de l’UE pour toute personne utilisant des modèles d’IA ou des résultats générés dans un pays de l’UE. Les prêteurs doivent donc commencer dès maintenant à se préparer aux changements à venir.
Pour approfondir ce sujet, consultez notre article consacré à l'avenir de l'évaluation du risque de crédit dans le cadre de la réglementation sur l'IA.
