Gérer les données financières et déployer à grande échelle une IA fiable

BCBS 239 exige que les banques produisent des données de risque précises, rapides et complètes grâce à une gouvernance solide et une infrastructure de données robuste. La plupart des banques rencontrent des difficultés pour se conformer à cette réglementation, car elle impose un lignage complet des données jusqu’au niveau de chaque attribut ainsi que des capacités automatisées d’agrégation des risques. Actian prend en charge la conformité à BCBS 239 grâce à un lignage des données automatisé qui retrace les données depuis la source jusqu’au rapport, à des indicateurs de qualité des données en temps réel et à des graphes de lignage interactifs qui permettent d’agréger rapidement les données de risque dans des situations de stress.

La gestion des métadonnées crée une « carte vivante » de l’écosystème de données d’une organisation, documentant l’origine des données, leur transformation, les personnes qui y accèdent et les règles appliquées à chaque étape. Pour les institutions financières, une gestion complète des métadonnées permet un reporting des risques plus précis en :

• suivant toutes les sources de données utilisées dans les calculs de risque ;
• soutenant la conformité réglementaire grâce à la transparence exigée par les cadres réglementaires ;
• facilitant la gouvernance de l’IA en documentant les données d’entraînement et les entrées des modèles ;
• permettant une réponse plus rapide aux incidents en identifiant rapidement les systèmes et flux de données concernés ;
• réduisant les efforts manuels dans les rapports de conformité grâce à une documentation automatisée et des pistes d’audit.

Une gouvernance efficace des données améliore la détection des fraudes en offrant une transparence et une accessibilité des données en temps réel dans l’ensemble des systèmes, permettant d’identifier plus rapidement les anomalies et les comportements suspects. En supprimant les silos de données et en mettant en place des contrôles automatisés de surveillance qui valident les flux de données entre les systèmes, les institutions financières peuvent détecter des incohérences telles que des transactions manquantes ou dupliquées, des modèles de paiement inhabituels ou des modifications de comptes susceptibles d’indiquer une fraude ou des tentatives de phishing. Les systèmes modernes de détection de fraude alimentés par l’IA nécessitent des données de haute qualité et correctement gouvernées pour atteindre plus de 90 % de précision dans l’identification des activités frauduleuses, tout en réduisant les faux positifs qui frustrent les clients légitimes.

La qualité des données est le fondement de la préparation à l’IA dans les services financiers. Une mauvaise qualité des données compromet directement les modèles d’IA utilisés pour le scoring de crédit, la détection des fraudes, l’évaluation des risques et la personnalisation des services clients, pouvant conduire à des décisions biaisées, des violations réglementaires et des pertes financières. Pour être prêts pour l’IA, les institutions financières doivent mettre en place des cadres solides de gouvernance des données qui garantissent l’exactitude, l’exhaustivité, la cohérence et l’actualité des données dans toutes les sources, établir un lignage complet des données afin de retracer les données d’entraînement de l’IA jusqu’aux sources autoritatives, mettre en place un suivi automatisé et une validation de la qualité des données, et maintenir une documentation appropriée pour l’explicabilité de l’IA et les exigences réglementaires, notamment dans des cadres comme l’EU AI Act qui classe de nombreuses applications d’IA financières comme « à haut risque ».

Un glossaire métier garantit que des termes financiers essentiels tels que « risque de crédit », « taux de défaut » ou « ratio de liquidité » sont définis de manière cohérente dans l’ensemble des départements, réduisant ainsi les malentendus pouvant entraîner des erreurs opérationnelles ou des échecs de conformité. Sans définitions cohérentes, différentes équipes interprètent les données de manière différente, créant des risques dans les rapports réglementaires et la prise de décision. Le glossaire métier automatisé d’Actian permet aux institutions financières de créer et partager des définitions standardisées dans toute l’entreprise, améliorant la collaboration entre fonctions, accélérant les rapports réglementaires et garantissant que tous parlent le même langage des données lors des échanges avec les régulateurs et les auditeurs.