C’est ce qu’ont partagé les participants à une table ronde organisée par l’Association des marchés de valeurs et des investissements (AMVI), lors de la 19e édition du Colloque québécois sur l’investissement, le 13 mai, à Montréal.

Willie Savard, PDG et fondateur de Tchat N Sign, une plateforme destinée aux conseillers en sécurité financière, décrit ce que l’IA peut déjà faire : prendre en charge une interaction client, collecter l’information nécessaire, préremplir des formulaires, obtenir une signature électronique et transmettre la transaction au système de back-office. Le tout de manière fluide. Cependant, accorder cette autonomie d’emblée serait une erreur, prévient l’entrepreneur saguenéen.

« Jour 1, tu ne donnes pas à un nouvel employé toutes les permissions. Tu ne lui dis pas qu’il peut faire la même chose que quelqu’un qui a mis 30 ans à comprendre le métier. Tu le formes progressivement, tu lui confies des tâches simples, puis tu élargis son champ d’action quand sa fiabilité est établie. »

L’IA prépare. Le conseiller décide.

L’humain conserve le rôle décisionnel. L’IA prépare, automatise, signale des anomalies, suggère, mais elle ne remplace pas le jugement du conseiller. Cette distinction est importante : dans un environnement aussi réglementé que les services financiers, un agent IA qui agit sans traçabilité ni contrôle pose un risque majeur.

« L’IA qui fait des actions pour nous, c’est ce qui va révolutionner plusieurs industries, dont la nôtre, si on est capable de mixer la complexité de la conformité à l’intérieur », résume Willie Savard.

Le premier risque lié à une autonomie mal encadrée est réglementaire. Dans un univers soumis aux exigences des régulateurs et aux obligations de traçabilité, un agent qui agit sans historique vérifiable est inacceptable. « En finance, donner à un agent la capacité d’agir de façon autonome sans encadrement, c’est inadmissible », souligne-t-il. Chaque action doit être documentée, vérifiable et réversible.

Le deuxième obstacle est humain. Katie McKay, vice-présidente secteur de détail chez Manuvie et Investissements John Hancock, constate une résistance au changement chez des conseillers dont l’identité professionnelle est étroitement liée à leurs façons de faire. Elle cite le cas d’un conseiller pour qui la valeur professionnelle tenait essentiellement à la qualité de ses notes. « On a eu un débat pour voir qui finit où à la fin de l’année : celui qui a adopté l’IA, ou celui qui ne l’a pas fait », explique-t-elle. La vraie question du changement, dit-elle, ne réside pas dans le fait d’accepter la technologie, mais de redéfinir ce que signifie « bien faire son travail » quand une part des tâches est automatisée.

Autre défi : les conseillers jonglent quotidiennement entre des systèmes étanches (CRM, portail, boîte courriel, téléphone, fax) qui ne communiquent pas entre eux. Une transaction simple peut mobiliser une heure, entre les copier-coller, les captures d’écran, les allers-retours pour corriger les erreurs et les validations successives. Dans ce contexte, chaque nouvel outil non intégré est un silo supplémentaire.

Pour casser les silos tout en respectant les contraintes réglementaires, Tchat N Sign a développé un environnement unifié, une « room », où échanges, documents et actions sont regroupés avec une traçabilité de bout en bout. L’agent IA peut y orchestrer une séquence complète, de l’interaction initiale à la transmission au back-office, en passant par la collecte d’information, le préremplissage de formulaires et la signature électronique. Chaque étape critique est validée par un humain.

Chez Placements Mackenzie, l’approche est plus compartimentée. Matthew Schnurr, responsable de la mise en œuvre de l’IA, décrit un système à deux agents distincts : l’un exécute la tâche, l’autre vérifie la conformité. Ils ne communiquent pas directement. Un orchestrateur central coordonne leurs actions, tandis que des modèles légers surveillent en continu les écarts et les anomalies. La séparation des rôles vise à réduire les risques et à renforcer les contrôles.

30 minutes de saisie ramenées à 5

Malgré des défis, les gains concrets sont là. Manuvie utilise Jump.ai, un outil de prise de notes assisté par l’IA conçu pour le secteur des services financiers. Cette technologie a permis de réduire de manière appréciable le temps consacré à la documentation. Avant chaque rencontre, l’outil génère une fiche de préparation : historique du client, suivis en cours, occasions potentielles. Pendant la rencontre, il prend des notes. Après, il produit un résumé, propose des tâches de suivi et rédige un courriel de rappel au client. Le conseiller corrige si nécessaire, valide, envoie.

Résultat : ce qui prenait 30 minutes de saisie manuelle en prend désormais 5. Katie McKay estime que ses équipes gagnent ainsi environ trois heures par semaine, du temps réinvesti dans ce que la technologie ne peut pas faire à leur place : comprendre les besoins des clients et les accompagner. L’effet a surpris les gestionnaires : les représentants ne passent plus leurs appels pour cocher une case. Ils arrivent préparés et parlent de ce qui intéresse vraiment leurs interlocuteurs. Le volume d’appels n’a pas augmenté, comme les équipes l’espéraient, mais la qualité des conversations s’est améliorée, indique Katie McKay.

L’adoption de l’IA dans le secteur du conseil financier ne se fera pas du jour au lendemain. Elle suppose une transformation graduelle des pratiques, des outils et des mentalités. Mais ne pas commencer représente aussi des occasions manquées.

L’article L’IA, ce nouveau collègue qu’il faut apprendre à gérer est apparu en premier sur Finance et Investissement.

« En tant que cabinet qui place la technologie au premier plan, nous innovons, mettons en œuvre et déployons continuellement de nouvelles avancées en IA et d’autres technologies émergentes afin de pouvoir mieux soutenir les organisations canadiennes et leur donner les moyens de réussir », déclare Stephanie Terrill, associée directrice canadienne, Transformation numérique chez KPMG Canada.

Ces investissements visent à améliorer les résultats, à soutenir la productivité et à simplifier certains processus, tout en ouvrant la voie à de nouvelles possibilités pour les organisations canadiennes, continue-t-elle.

Le cabinet met notamment de l’avant la capacité de ces outils à passer du stade expérimental à des applications concrètes. Par exemple, dans le service à la clientèle, des agents d’IA peuvent prendre en charge certaines demandes de bout en bout.

L’élargissement de l’offre de KPMG en matière d’IA agentique comprend le lancement de quatre laboratoires d’IA, situés à Toronto, un à Vancouver, un à Calgary, puis un à Montréal. Ces derniers offrent des environnements d’essai sécuritaires pour créer des solutions d’IA, les concevoir et les mettre à l’essai en quelques semaines.

Ces laboratoires visent à accompagner les organisations dans l’évolution de leurs flux de travail et à identifier les usages potentiels de l’IA, notamment en matière de recherche, de coordination et de prise de décision.

Ils permettront ainsi :

• d’expérimenter avec différents modèles d’IA dans un environnement sécurisé et contrôlé ;
• de développer des compétences en IA grâce à des ateliers pratiques ;
• de concevoir des agents d’IA adaptés à des usages concrets en entreprise.

« Maintenant plus que jamais, les organisations canadiennes ont besoin d’équipes dignes de confiance pour enrichir leurs opérations axées sur l’IA. Grâce à des investissements en IA agentique, à des idées pratiques, à de la formation pour les dirigeants et à la recherche appliquée, KPMG aide les clients à passer de l’expérimentation à l’obtention de résultats commerciaux réels », déclare Walter Pela, leader, Développement de marchés et relations avec la clientèle en matière d’IA chez KPMG Canada.

L’article KPMG élargit ses capacités en matière d’IA agentique est apparu en premier sur Finance et Investissement.

Depuis des années, les gestionnaires de relations bancaires peinent à atteindre leur plein potentiel. Systèmes défaillants, pistes de vente de piètre qualité, surcharge administrative : autant d’obstacles qui les empêchent de consacrer du temps à ce qui compte vraiment, soit leurs clients. Mais une solution émerge.

Selon une nouvelle étude de McKinsey, l’IA agentique, cette technologie capable d’agir de façon autonome plutôt que de simplement générer du contenu, transforme déjà le travail des équipes commerciales dans les institutions financières de pointe.

Un levier de transformation

L’étude, intitulée « Agentic AI is here. Is your bank’s frontline team ready? », s’appuie sur un sondage mené auprès de 406 banquiers, gestionnaires et responsables des ventes aux États-Unis et au Canada.

Le constat est clair :

• la pression sur les marges,
• le ralentissement de la croissance
• et la hausse des coûts forcent les banques à repenser leur modèle opérationnel.

Dans ce contexte, l’IA agentique apparaît moins comme un simple outil de productivité que comme un véritable levier de transformation du travail de première ligne.

Les chiffres avancés sont éloquents. Lorsque l’IA agentique est déployée de bout en bout sur un seul domaine, par exemple la prospection, McKinsey observe des hausses de revenus par conseiller allant de 3 % à 15 %, combinées à une réduction de 20 % à 40 % des coûts de service. Des gains mesurables obtenus en quelques mois, et non sur plusieurs années.

Contrairement aux outils d’IA générative déjà répandus, qui se limitent souvent à produire du contenu à la demande, les agents intelligents peuvent interpréter des objectifs, les découper en sous-tâches, interagir avec des systèmes internes, exécuter des actions et ajuster leur comportement en fonction des résultats. Dans les équipes commerciales, cela se traduit par une automatisation de flux de travail complexes que les banques tentaient, sans réel succès, d’optimiser depuis des décennies.

Éliminer des irritants

Le rapport met en lumière un malaise bien connu sur le terrain. Plus de la moitié des répondants (53 %) citent le manque de pistes commerciales de qualité comme principal frein à la croissance. À cela s’ajoutent des tâches administratives chronophages et des outils mal intégrés. Plusieurs conseillers interrogés se décrivent davantage comme des « commis à la saisie de données » que comme des partenaires stratégiques de leurs clients. Résultat : un taux de roulement élevé, oscillant entre 15 % et 35 % dans plusieurs institutions.

C’est précisément sur ces irritants que l’IA agentique promet d’intervenir. En prospection, par exemple, des agents peuvent croiser des données structurées et non structurées, registres d’entreprises, transactions, signaux de marché, afin de générer des listes de clients potentiels hiérarchisées et mises à jour en continu. McKinsey indique que les banques ayant adopté ce type de cartographie intelligente du marché ont vu leur pipeline croître d’environ 30 %, avec des revenus en hausse de 10 %. Dans un établissement commercial, les conseillers utilisant des listes générées par l’IA auraient même doublé leur taux de conversion.

Des prospects mieux qualifiés

L’apport ne se limite pas à l’amorce du cycle de vente. Les agents peuvent aussi assurer le suivi automatisé des pistes commerciales, en répondant aux demandes, en envoyant des contenus personnalisés et en planifiant des rencontres dès que l’intérêt est confirmé. Les premiers projets pilotes montrent un doublement, voire un triplement, du nombre de pistes qualifiées, ainsi qu’une amélioration mesurable des taux de conversion.

La préparation des rencontres clients, souvent citée comme un gouffre de temps, est un autre terrain d’application. En agrégeant automatiquement les données issues des systèmes internes, des courriels et des rapports, les agents génèrent des dossiers clients et des notes de rencontre en quelques minutes. Certaines banques ont ainsi réduit de 25 % le temps consacré à cette préparation, libérant davantage de plages horaires pour les échanges directs avec la clientèle.

Même les décisions de tarification et de structuration des transactions peuvent être assistées par l’IA agentique. En analysant les comportements de rabais, les profils clients et la disposition à payer, des agents recommandent des conditions optimales en temps réel, tout en facilitant les approbations internes. McKinsey fait état de gains de marge de l’ordre de 10 % et d’un raccourcissement significatif des délais de conclusion des ententes.

Conseiller : un rôle plus stratégique

Au-delà des indicateurs financiers, l’étude souligne un effet plus qualitatif : la redéfinition du rôle des conseillers. « La plus grande valeur de l’IA n’est pas le temps qu’elle fait gagner, mais ce qu’elle permet de faire avec ce temps », confie un dirigeant cité dans le rapport. Délestés des tâches répétitives, les banquiers peuvent se concentrer sur la relation, le conseil et la compréhension fine des enjeux de leurs clients, des dimensions où la technologie ne remplace pas l’humain.

McKinsey prévient toutefois que capter pleinement cette valeur exige un changement d’approche. Les banques les plus avancées ne se contentent pas d’ajouter des outils à leurs processus existants : elles redessinent leurs modèles opérationnels de bout en bout, investissent dans des fondations technologiques réutilisables, encadrent l’autonomie des agents par des règles de gouvernance strictes et misent sur la requalification des équipes.

À l’heure où plusieurs institutions expérimentent encore des cas d’usage à faible impact, le message est sans équivoque. Dans un environnement concurrentiel sous tension, un potentiel de hausse de revenus pouvant atteindre 30 % constitue un argument difficile à ignorer. Pour les banques restées en retrait, conclut McKinsey, l’IA agentique n’est plus une option à étudier, mais un virage à négocier rapidement.

L’article L’IA agentique : la nouvelle arme des banques contre l’inefficacité est apparu en premier sur Finance et Investissement.

S’appuyant sur notre rapport 2023 Getting in Pole Position, cette nouvelle étude offre une vision prospective de la manière dont les gestionnaires de fonds et les allocataires naviguent à la fois dans les occasions et les risques de l’IA générative (Gen AI).

Avec la contribution de plus de 150 gestionnaires de fonds (représentant près de 800 milliards de dollars américains d’actifs sous gestion) et de 18 investisseurs institutionnels dans le monde entier, le rapport distille les leçons les plus importantes tirées des premiers utilisateurs du secteur. Les conclusions soulignent que si la gouvernance et l’atténuation des risques restent des priorités absolues, les entreprises qui adoptent l’expérimentation et la formation sont les mieux placées pour exploiter tout le potentiel de ces outils.

Le rapport confirme que l’adoption de l’IA se généralise dans le secteur des placements non traditionnels. 95 % des gestionnaires utilisent aujourd’hui l’IA générative dans une certaine mesure, et les trois quarts d’entre eux affirment que leur utilisation a augmenté au cours de l’année écoulée. Mais l’adoption ne signifie pas une utilisation illimitée. La plupart des grands gestionnaires ont mis en place des garde-fous à l’échelle de l’entreprise, notamment des restrictions sur le partage des données et des politiques exigeant la divulgation lorsque l’IA a été utilisée dans le cadre d’un travail en contact avec le client.

Là où les petits gestionnaires sont souvent à la traîne, c’est dans la gouvernance formelle. Près de la moitié d’entre eux opèrent encore sans restriction ni politiques, ce que les responsables de l’IA interrogés dans le cadre de l’étude ont qualifié de « signal d’alarme ». La leçon est claire : la taille d’une entreprise ne doit pas déterminer son approche de la gestion des risques.

L’un des messages les plus constants des investisseurs est qu’ils attendent désormais des dirigeants qu’ils disposent d’une politique générale d’utilisation de l’IA générative. Pourtant, seule la moitié des entreprises en ont développé une. En l’absence de telles politiques, les entreprises sont confrontées à la « triple menace » des outils en libre accès, de l’utilisation sans restriction et de l’absence de directives formelles. Il s’agit d’une combinaison qui augmente considérablement le risque de fuite de données sensibles.

Même outre des politiques, la formation du personnel reste essentielle. Les grandes entreprises ont une longueur d’avance à cet égard et intègrent la formation à l’IA générative dans le cadre d’initiatives plus larges de transformation numérique. La formation couvre à la fois les risques (par exemple, les hallucinations, la sécurité des données) et les compétences avancées telles que l’ingénierie rapide. Les petites entreprises accordent souvent peu d’importance à la formation, mais le rapport souligne que même une sensibilisation de base est essentielle pour rassurer les investisseurs et les régulateurs.

Quelle utilisation fait-on de l’IA ?

Les cas d’utilisation de l’IA générative sont de plus en plus nombreux. Au début, l’adoption s’est concentrée sur des tâches administratives telles que le résumé de documents et la rédaction de questionnaires. De plus en plus, les gestionnaires expérimentent des applications de gestion de clientèle, en particulier pour la recherche, la génération de signaux et l’analyse du sentiment des appels à bénéfices ou des comptes rendus de la Fed par exemple. Bien que seul un faible pourcentage de gestionnaire utilise actuellement l’IA pour l’optimisation de leur portefeuille, les attentes sont passées de « si » à « quand » l’IA se généralisera.

Les relations avec les investisseurs sont un autre domaine d’expérimentation active. Les gestionnaires utilisent l’IA générative pour rationaliser les réponses au questionnaire de diligence raisonnable, rédiger des lettres trimestrielles et contribuer aux voyages de marketing. Le rapport met toutefois en garde contre une automatisation excessive : l’authenticité et la confiance restent les fondements de la communication avec les investisseurs.

Les associés commanditaires surveillent de près la situation. Près d’un tiers d’entre eux incluent déjà des questions relatives à l’IA dans leurs questionnaires de diligence raisonnable, et un autre tiers prévoit de le faire cette année. Les investisseurs se concentrent surtout sur la gouvernance des données, la conformité et l’explicabilité. Il est encourageant de constater que 60 % des investisseurs se disent plus enclins à allouer des fonds aux gestionnaires qui prévoient un budget significatif pour l’adoption de l’IA générative, ce qui suggère que la transparence et l’engagement peuvent se traduire par un avantage concurrentiel.

Mais la crédibilité est essentielle. La surestimation des capacités de l’IA — « blanchiment de l’IA » — a été signalée comme un risque pour la réputation. Les investisseurs sont favorables à l’expérimentation, mais attendent des progrès mesurables dans les mois et les années à venir.

La conclusion la plus prospective de l’étude est peut-être l’émergence de l’« IA agentique » — des systèmes capables d’agir avec une plus grande autonomie, de planifier et d’exécuter des tâches plutôt que de se contenter de répondre à des invites. Bien qu’encore naissante, l’IA agentique est déjà explorée par des entreprises de pointe pour la recherche, la surveillance des risques et les flux de travail opérationnels.

Si l’IA générative était le meilleur stagiaire du monde, l’IA agentique pourrait devenir le copilote de confiance du secteur. Les entreprises qui prospéreront seront celles qui se préparent dès maintenant en renforçant la gouvernance, en formant le personnel et en construisant des bases de données solides.

La nécessité de recourir aux ressources

Le rapport conclut en rappelant aux membres qu’aucune entreprise ne devrait naviguer seule dans cette voie. L’AIMA propose une bibliothèque croissante de ressources — depuis sa liste de contrôle sur l’IA et son répertoire des fournisseurs de technologies jusqu’aux podcasts, groupes de travail et tables rondes organisées par ses membres — conçues pour aider les gestionnaires à échanger leurs points de vue et à apprendre de leurs pairs.

Dans un contexte où les attentes des investisseurs augmentent et où la technologie évolue rapidement, l’engagement et la collaboration au sein de la communauté de l’AIMA seront essentiels. Les entreprises qui mettent en place une gouvernance solide, forment leur personnel et expérimentent de manière responsable seront en mesure de transformer les gains de productivité d’aujourd’hui en percées concurrentielles de demain.

Téléchargez le rapport complet ici.

L’article Les leçons des leaders de l’IA dans les placements non traditionnels est apparu en premier sur Finance et Investissement.

Dans un rapport publié en août 2025, McKinsey identifie une piste prometteuse pour remédier à cette inefficacité persistante : l’introduction de l’intelligence artificielle (IA) agentique, une forme avancée d’IA capable de prendre des décisions autonomes, d’exécuter des tâches complexes et de collaborer avec des humains dans un cadre structuré.

Un coût élevé pour une efficacité limitée

Entre 2015 et 2022, les dépenses annuelles consacrées à la conformité KYC/AML ont bondi jusqu’à 10 % dans certains pays avancés, sans gains significatifs.

Jusqu’à 15 % des effectifs à temps plein dans les banques sont affectés à ces tâches, avec un faible taux d’automatisation en raison de la fragmentation des données et de leur manque de standardisation. Résultat : un lourd fardeau opérationnel et une expérience client souvent dégradée.

Trois formes d’intelligence artificielle

McKinsey distingue trois niveaux d’IA mobilisables dans le cadre de la lutte contre la criminalité financière :

• L’IA analytique, déjà bien implantée, permet d’accélérer les tâches de détection (faux positifs, filtrage de noms, modèles de notation) et d’améliorer la surveillance des transactions.
• L’IA générative, plus récente, facilite la synthèse d’informations non structurées, l’analyse des médias défavorables et la rédaction de rapports.
• L’IA agentique, quant à elle, marque un changement de paradigme : elle permet à des agents numériques d’exécuter de bout en bout des processus KYC/AML avec une supervision humaine minimale.

De l’efficacité à la transformation

L’IA analytique et générative améliorent la productivité (gains de 15 % à 20 %), mais l’IA agentique peut aller beaucoup plus loin. Selon McKinsey, un superviseur humain pourrait gérer jusqu’à 20 agents IA, pour des gains de productivité allant de 200 % à 2000 %. Ces « usines numériques » augmentent également la qualité et la cohérence des résultats grâce à des protocoles d’assurance qualité intégrés.

Étude de cas

Une grande banque internationale a mis en place une « usine d’IA agentique » couvrant l’ensemble du processus KYC, du déclenchement à la synthèse finale. Elle a déployé dix équipes d’agents numériques chacune composée de quatre à cinq agents IA incluant un agent principal, des agents experts-praticiens et un agent d’assurance qualité.

Chaque équipe se concentre sur une étape spécifique : extraction des données clients, recherche dans les registres gouvernementaux, analyse de la structure de propriété, filtrage des personnes politiquement exposées, ou encore compilation des résultats dans un dossier KYC consolidé.

Cette approche permet une traçabilité complète de chaque interaction, favorise la standardisation et réduit drastiquement les délais de traitement.

Conditions de succès

McKinsey identifie six conditions essentielles à la réussite :

1. Mobiliser les bonnes compétences, notamment en KYC, en science des données et en DevOps (développement et opérations).
2. Clarifier les processus pour éviter l’automatisation de pratiques inefficaces.
3. Investir dans une architecture technologique évolutive et modulaire, compatible avec les infrastructures existantes.
4. Miser sur la qualité des données, en identifiant et corrigeant les problèmes en amont.
5. Optimiser la gestion des risques, avec des processus adaptés et des rôles bien définis.
6. Accompagner le changement, car la transformation organisationnelle prend souvent plus de temps que le déploiement technologique lui-même.

McKinsey recommande de débuter par un projet pilote, afin d’évaluer les impacts concrets d’une usine numérique d’IA agentique. Une fois les bénéfices démontrés, l’extension à grande échelle devient envisageable. Les enjeux sont de taille : améliorer la conformité, renforcer l’efficacité opérationnelle, et offrir une expérience client plus fluide dans un contexte réglementaire de plus en plus exigeant.

L’article L’IA agentique : la nouvelle arme des banques contre le crime financier est apparu en premier sur Finance et Investissement.

« Il y a environ deux décennies, écrit McKinsey, alors que le commerce électronique devenait omniprésent et plus sophistiqué, les consommateurs se sont habitués à des commandes fluides et à des livraisons rapides, et en sont venus à attendre ces capacités de la part de tous les commerçants. De la même manière, l’IA a modifié les attentes des consommateurs au point qu’ils exigent désormais une plus grande précision et fiabilité tout au long de leur parcours d’achat, des conversations quasi humaines avec des robots IA (qu’elles soient textuelles ou vocales), des offres et des communications hyper-personnalisées, ainsi que des produits et des interactions à la demande adaptés à leurs besoins. »

Résultats impressionnants

C’est ce qui sera de plus en plus demandé de la part des assureurs. Déjà, quelques firmes ont embrassé la transformation pour en tirer des résultats tangibles. McKinsey constate qu’au cours des cinq dernières années, les leaders en IA chez les assureurs ont produit un rendement total pour les actionnaires (TSR ou Total Shareholder Return) 6,1 fois supérieur à celui des retardataires. Dans d’autres secteurs, cette avance n’est que deux ou trois fois.

Par exemple, l’assureur britannique Aviva a conçu plus de 80 modèles d’IA pour améliorer la performance des réclamations, réduisant le temps d’évaluation dans les cas complexes de 23 jours et abaissant de 65 % le nombre de plaintes des clients. Un autre assureur, dont le nom demeure confidentiel, a recouru à l’IA pour la proposition de devis et la vente de polices d’assurance. Résultat : 80 % des transactions sont passées en ligne, et les scores de satisfaction client, en particulier l’indicateur mesurant la probabilité qu’un client recommande un assureur à une connaissance, ont augmenté de 36 points de pourcentage. Un troisième, anonyme lui aussi, a haussé de 11 % ses ventes hors des heures de bureau en implantant un robot conversationnel (chatbot) qui opère 24 heures par jour, 7 jours par semaine.

Les outils IA

McKinsey dénombre trois grandes disciplines de l’IA susceptibles de trouver une application dans l’industrie de l’assurance.

• L’IA analytique traditionnelle comprend les modèles dans les données ;
• L’IA générative améliore ces capacités grâce à une meilleure compréhension des formes de données non structurées et permet d’ajouter une hyperpersonnalisation et de l’empathie dans les réponses ;
• L’« agentique » dans ses plus récents perfectionnements ajoute des niveaux d’automatisation sans précédent aux flux de travail complexes, permettant aux assureurs d’en maximiser les avantages.

Armés de cette polyvalence, les assureurs utilisent l’IA dans tous les domaines clés, notamment la productivité des ventes et l’hyperpersonnalisation ; l’automatisation et l’amélioration de la précision de la souscription, la gestion améliorée des sinistres ; les opérations de service à la clientèle avec des agents vocaux ; la transformation des fonctions administratives telles que les finances ; l’actuariat et l’informatique.

L’étude de McKinsey s’attarde surtout sur la façon de procéder à une transformation IA, affirmant que pour créer de la valeur commerciale durable, il ne suffit certainement pas de « bizouner » à la marge. Il faut « définir une vision audacieuse et globale du potentiel de l’IA, affirme l’étude, et repenser en profondeur et de manière fondamentale le fonctionnement de divers domaines d’activité (souscription, sinistres, distribution, service client, etc.), en intégrant la technologie dans chaque partie de l’organisation. »

Un avantage majeur de l’IA qui peut en faciliter et en accélérer l’implantation tient à sa « modularité » réutilisable. Sous des applications concrètes très diverses, le même engin IA sous-jacent peut être mis à contribution. Par exemple, une capacité d’IA générative peut être appliquée autant dans le support des services informatiques, dans la création de contenu marketing ou dans la rédaction de documents légaux.

Défis et risques de l’IA

Une implantation IA à l’échelle de l’entreprise présente des défis et des risques considérables :

• Risques de sécurité ;
• coûts élevés ;
• le risque d’être emprisonné dans l’étau de fournisseurs clés, le manque de recrues qualifiées ;
• la résistance culturelle, des manques dans la gouvernance et le frein imposé par des systèmes informatiques hérités

Susciter une vigoureuse culture de changement est un atout capital. De plus, à la base, il faut accroître considérablement les données au fondement de l’IA et leur traitement.

McKinsey propose quelques approches prudentes pour aborder le dossier IA : commencer une implantation dans deux ou trois secteurs d’activité seulement, qu’il s’agisse des ventes, de la tarification ou des réclamations. Et le choix de ces secteurs doit offrir un maximum d’impacts mesurables.

Attention aux risques. L’étude de McKinsey ne s’y attarde pas, mais ils peuvent être névralgiques, avertit une étude de Morningstar DBRS. « En fin de compte, les entreprises n’ont pas le choix d’investir en IA pour demeurer concurrentielles », reconnaît Nadja Dreff, vice-présidente senior et responsable du secteur Global Insurance & Pension Ratings chez Morningstar DBR. « Toutefois, elles ne doivent pas perdre de vue l’importance de disposer de cadres de gestion des risques adaptés. Du point de vue de la notation de crédit, l’IA peut à la fois renforcer et nuire à la solidité d’une franchise en affectant l’expérience client. Et, bien qu’elle puisse améliorer la rentabilité grâce à des gains d’efficacité, elle contribue généralement aussi à augmenter les risques opérationnels, notamment les risques juridiques et de conformité. »

L’article L’IA propulse les leaders de l’assurance est apparu en premier sur Finance et Investissement.

« L’IA agentique a le potentiel de révolutionner la façon dont les organisations exercent leurs activités. Il s’agit de l’IA la plus puissante à ce jour, et nous croyons qu’elle peut aider les entreprises canadiennes à accroître leur efficience jusqu’à 30 % au cours des trois prochaines années en donnant aux équipes les moyens d’accroître leur rendement », affirme Stephanie Terrill, associée directrice canadienne, Transformation numérique, KPMG au Canada.

Cette dernière espère que les agents numériques permettent d’atténuer la crise de productivité et les effets néfastes de la guerre commerciale pour les entreprises. « Les agents numériques peuvent transformer nos méthodes de travail, nous aider à réaliser d’énormes gains d’efficience et à améliorer la qualité », soutient-elle.

« Il est donc impératif pour nous d’investir dans les entreprises canadiennes en leur offrant des outils et des solutions conçus au Canada qui les aideront à prospérer, tant au pays qu’à l’échelle mondiale », continue-t-elle.

Sans oublier qu’un sondage récent révélait que 88 % des dirigeants d’entreprises canadiens affirmaient que l’adoption de l’IA agentique aiderait leur entreprise à être plus concurrentielle, car cela leur permettrait notamment de réduire leurs coûts d’exploitation et d’accroître leur rentabilité.

« Notre investissement dans cette technologie nous a permis d’acquérir les connaissances et les compétences nécessaires pour aider les organisations d’ici à accélérer leur parcours technologique afin d’atteindre ces objectifs et se préparer à l’avenir en cette période d’incertitude économique », affirme Walter Pela, leader, Développement de marchés et relations avec la clientèle en matière d’IA chez KPMG au Canada.

Développer le moteur d’IA agentique de KPMG

Une partie des investissements servira à mettre en œuvre le moteur d’IA agentique de KPMG. Ce dernier favorisera le développement de solutions d’intelligence artificielle agentique pour les entreprises canadiennes, soutiendra les activités de recherche et développement, et permettra le déploiement d’agents numériques tant sur les plateformes de KPMG que dans la prestation de ses services.

Ce moteur devrait favoriser la collaboration entre les chefs de file de l’industrie, les instituts de recherche en intelligence artificielle et les innovateurs technologiques, en facilitant notamment le partage des connaissances et les perspectives sur les avancées de l’IA agentique.

Déjà, plusieurs agents numériques développés à l’aide de ce moteur sont en usage dans des entreprises canadiennes. Parmi eux :

• Un agent de souscription, qui permet de simplifier le traitement des demandes de prêt et des réclamations et d’automatiser la vérification des documents et de conformité.
• Un agent de service à la clientèle, qui trie les demandes, personnalise les offres et gère les retours.
• Un agent de gestion des risques, qui analyse en continu les données afin d’aider les équipes à identifier, évaluer et atténuer les risques. Il génère également des rapports, assure une surveillance en temps réel et émet des alertes.
• Un agent d’évaluation, qui extrait et analyse des données provenant de multiples sources — procès-verbaux, modèles, sondages — afin de repérer les axes d’amélioration au sein d’une organisation.
• Un agent de diligence ESG, conçu pour accompagner les sociétés de capital-investissement dans l’analyse des risques environnementaux, sociaux et de gouvernance (ESG).

Ce moteur soutient également la création de nouvelles applications d’IA agentique.

L’article KPMG investit dans l’IA agentique est apparu en premier sur Finance et Investissement.