Depuis l’avènement de ChatGPT fin 2022, l’intelligence artificielle (IA) a franchi le cap de la science-fiction pour devenir un outil du quotidien. Si l’on débat aujourd’hui de ses impacts potentiels, positifs comme négatifs, le secteur des cartes de crédit utilise déjà l’IA depuis des décennies. Des alertes de débits suspects aux augmentations de limites ou encore aux chatbots, votre établissement financier vous connaît mieux que jamais grâce à cette technologie.
Et l’avenir promet encore plus d’innovations, avec des assistants IA capables de gérer vos dépenses. Mais avant d’explorer ces perspectives, comprenons mieux les différentes formes d’IA à l’œuvre.
Comprendre les différentes intelligences artificielles
Il est crucial de distinguer les types d’IA pour appréhender leur utilisation :
- IA déterministe : Elle produit une réponse unique et prévisible pour une entrée donnée. Un chatbot de service client classique en est un exemple ; s’il ne trouve pas de réponse immédiate, il n’inventera pas de solution.
- IA générative : Capable d’apprendre à partir de données et de créer des contenus originaux, elle est plus récente. ChatGPT en est un archétype. Au-delà de l’analyse de données pour identifier des schémas, cette IA peut générer des réponses inédites, y compris pour les requêtes des clients de cartes de crédit.
- IA agentique : Dotée de paramètres initiaux, elle peut agir de manière autonome pour accomplir des tâches complexes ou résoudre des problèmes.
L’IA, un pilier du secteur des cartes de crédit
Les émetteurs de cartes de crédit accumulent d’énormes volumes de données sur leurs clients : informations démographiques, financières, habitudes de consommation. L’IA permet d’exploiter ces données de manière efficace.
« L’IA nous donne accès à une quantité de données bien supérieure à ce que nous pouvons traiter humainement », explique Courtney Cardin, cofondatrice et directrice des produits et affaires chez Aura Finance. « Nous avons généré une masse de données électroniques phénoménale au cours des 50 dernières années, mais notre capacité à les synthétiser reste limitée. L’IA comble cette lacune. »
Détection et prévention de la fraude : un usage historique
Lorsque vous recevez une alerte SMS pour un achat suspect, c’est l’IA qui est à l’œuvre. Elle reconnaît une transaction inhabituelle, comme un achat effectué dans un pays différent de vos habitudes.
« C’est un cas d’usage classique : l’IA comprend le comportement normal des clients et signale les anomalies », précise Michael Storiale, vice-président senior, Innovation, Paiements et IA chez Synchrony. « Nous utilisons l’IA ainsi depuis des années. »
Si les anciennes méthodes de détection de fraude reposaient davantage sur des règles prédéfinies, l’IA générative permet désormais une détection plus rapide et peut même créer des obstacles pour prévenir des fraudes potentielles.
« Nous pouvons simuler des scénarios futurs potentiels », explique Ranjita Iyer, vice-présidente exécutive, Services pour l’Amérique du Nord chez Mastercard. « Nous sommes capables de prédire si une transaction est plausible compte tenu de la combinaison marchand-client-pays. Si elle sort de ce cadre, nous la signalons comme à haut risque. »
Comprendre et servir les clients : une personnalisation accrue
L’IA joue un rôle crucial dans la manière dont les émetteurs apprennent à connaître leurs clients, notamment pour proposer des offres ciblées aux nouveaux prospects ou évaluer la probabilité qu’une personne soit éligible à une carte. Si un client existant est susceptible de changer d’établissement, l’IA peut aider à concevoir une offre de fidélisation personnalisée.
« L’apprentissage automatique et l’IA sont intégrés à l’ensemble du cycle de vie du processus de carte de crédit », confirme Cristián Bravo, professeur et titulaire de la Chaire de recherche du Canada en analyse bancaire et d’assurance à l’Université Western, en Ontario. « C’est probablement l’un des processus les plus automatisés et les plus assistés par l’IA. »
Les agents virtuels intelligents, tels que Sydney de Synchrony, Eno de Capital One ou Erica de Bank of America, souvent accessibles via les applications bancaires et sites web, permettent aux clients de poser des questions et d’obtenir des informations sur leurs dépenses. Bien que leurs capacités puissent être limitées, ces chatbots réduisent significativement le volume de demandes nécessitant une intervention humaine. Michael Storiale indique que Sydney a traité environ 20 millions de conversations clients cette année, résolvant 80 % des problèmes rencontrés.
Des processus optimisés pour gagner du temps
L’IA accélère de nombreux processus internes, du support client aux décisions de crédit, en passant par les contrôles de conformité et le développement d’outils. Chez Synchrony, cela permet d’économiser des milliers d’heures de travail manuel par an.
« Nous nous concentrons sur la manière dont l’IA restitue du temps aux gens », souligne Michael Storiale.
Les agents IA : une nouvelle frontière, mais pas sans défis
L’IA agentique, capable de prendre des décisions et d’agir en votre nom avec votre consentement, représente la prochaine grande étape dans le domaine des paiements et du commerce. Imaginez un assistant personnel autorisé à effectuer des achats pour vous.
Pour un voyage, si une IA générative peut vous aider à créer un itinéraire, un agent IA pourra, sur la base de vos paramètres (destination, nombre de voyageurs, âges, préférences, budget), non seulement définir l’itinéraire, mais aussi réserver vols, hôtels, voitures de location et billets d’attractions.
Cependant, confier la gestion de son argent à une IA soulève des questions de sécurité. Ironiquement, l’IA est utilisée pour surveiller d’autres IA et détecter tout comportement imprévisible des agents.
« L’IA est essentielle pour déterminer : ‘Cet agent se comporte-t-il comme prévu ? A-t-il le bon consentement ? Aurait-il pu être piraté ? Est-il en train de devenir incontrôlable ?’ », détaille Ranjita Iyer. « Ce sont des questions auxquelles nous travaillons actuellement. »
Des obstacles qui nécessitent une approche humaine
L’une des principales préoccupations concernant l’utilisation de l’IA dans les décisions de crédit (offres, approbation ou refus de demandes, création de profils clients) réside dans les biais potentiels.
Ces biais peuvent être intégrés aux algorithmes qui déterminent votre éligibilité à une carte, ainsi que la limite de crédit et le taux d’intérêt qui vous seront attribués. En 2019, une enquête du Département des services financiers de l’État de New York avait été lancée suite à des plaintes concernant la carte de crédit co-brandée d’Apple. Des couples hétérosexuels avaient rapporté que les maris bénéficiaient de limites de crédit plus élevées que leurs épouses, même lorsque leurs finances étaient partagées. L’enquête n’avait pas révélé de discrimination délibérée, mais avait souligné l’influence des biais historiques, raciaux et sexistes, sur les scores de crédit. Les modèles de souscription, s’appuyant sur des données de prêt antérieures, peuvent ainsi perpétuer des inégalités involontaires dans l’accès au crédit.
Pour corriger ces algorithmes, une compréhension humaine est préalable. « Les discussions complexes doivent avoir lieu davantage, non pas au niveau de l’IA, mais au niveau politique et réglementaire », affirme Cristián Bravo. Les algorithmes pourront ensuite être conçus en tenant compte de ce qui est légalement défini comme un accès équitable au crédit, avec des pondérations intégrant l’historique (ou l’absence d’historique) d’accès au crédit.