L'IA générative, une technologie révolutionnaire, redéfinit le paysage de l'intelligence artificielle (IA) et de ses applications. Ahsan Shah, vice-président seniordent de l'analyse des données et de l'IA chez Billtrust, souligne le rôle crucial des grands modèles de langage (GML), tels que ChatGPT d'OpenAI, dans cette transformation. La fusion du traitement automatique du langage naturel (TALN) avec les fonctionnalités classiques de l'IA crée un nouveau paradigme, qui impacte particulièrement le secteur des paiements.
L'essor de l'IA générative dans les paiements
Ahsan Shah souligne l'impact considérable de l'IA générative, en insistant sur sa capacité à rédiger, communiquer et générer du contenu. Cette interface centrée sur l'humain, intégrant harmonieusement le traitement automatique du langage naturel (TALN) et l'IA conventionnelle, se révèle complémentaire d'un point de vue technologique. Des applications telles que la détection de fraudes, la prévision, la détection d'anomalies et les recommandations existent depuis des années, mais l'IA générative introduit une dimension inédite en appréhendant la multimodalité du langage. Shah y voit un catalyseur d'innovation dans le secteur des paiements, apportant efficacité, précision et sécurité aux transactions financières.
De l'IA prédictive à l'IA générative : une approche complémentaire
Bien que l'IA, notamment l'apprentissage automatique, fasse partie intégrante des systèmes back-end depuis des années, Shah met en garde contre une adoption précipitée de ce nouvel écosystème sans une réflexion approfondie. Il souligne que les modèles d'IA possèdent des connaissances générales sur le monde, mais manquent de connaissances spécifiques aux besoins métiers. Il devient donc crucial de prendre en compte les paramètres de sécurité, l'infrastructure et les subtilités de l'alimentation des modèles de langage en données. Shah recommande de se concentrer dans un premier temps sur les problèmes connus et les actions les plus faciles à mettre en œuvre. Des gains immédiats peuvent être obtenus dans le support client, les ventes, le marketing et la détection d'anomalies dans les paiements, ce qui permet de rationaliser les processus et de réduire les tâches manuelles.
Mise en place d'une infrastructure technique pour l'IA dans le secteur des paiements
Shah compare l'omniprésence des applications d'IA à une « nouvelle électricité » exploitable universellement. Malgré la diversité de leurs applications, il anticipe l'émergence d'applications d'IA spécialisées, optimisées pour des cas d'usage spécifiques dans le secteur des paiements. Il souligne notamment l'importance de l'organisation des données et suggère de s'attaquer résolument à leur fragmentation, un problème antérieur à l'IA. Shah envisage un avenir où les systèmes d'IA spécialisés, en particulier dans le domaine des paiements, seront entraînés sur leurs propres données. Cette évolution exige une réflexion approfondie sur le partage des données avec les tiers, d'autant plus que les modèles fondamentaux pourraient être développés exclusivement par de grandes entreprises comme OpenAI, Anthropic et Google.
L'avenir de l'IA dans les paiements
Selon Shah, l'inaction est la pire des solutions, mais il déconseille toute adoption précipitée de l'IA. Reconnaissant la dimension conversationnelle de l'IA, il prévoit une adoption rapide grâce aux gains de productivité considérables permis par les interfaces en langage naturel. La saisie manuelle et le tri des données risquent de devenir obsolètes face aux gains d'efficacité substantiels offerts par l'IA, notamment dans le domaine des paiements.
Explorer les frontières de l'IA dans le domaine des paiements
Alors que l'IA générative transforme le secteur des paiements, les entreprises doivent faire preuve de prudence et former leurs équipes à contextualiser les modèles d'IA. L'approchematic de Shah recommande de s'attaquer d'abord aux problèmes connus, de consolider les acquis et d'étendre progressivement les flux de travail à des solutions plus complexes. L'émergence d'écosystèmes multi-agents d'IA se profile à l'horizon, ouvrant la voie à des applications transversales et interfonctionnelles, moyennant une prise en compte rigoureuse des garde-fous nécessaires.
Paysage 