Nous contacter

Tendances Technologiques 2021

Après une année 2020 où les entreprises ont du faire face, malgré elles, à la soudaineté de la pandémie de Covid-19 qui les a forcé à mieux prendre en main leur transition digitale et écologique, de nombreuses tendances technologiques et comportementales de fond ou émergentes se sont accélérées et doivent être désormais intégrées dans les stratégies des dirigeants d’entreprises.

Ces tendances font émerger de nouveaux risques pour les entreprises, amènent des réflexions sur des changements réglementaires mais offrent surtout des opportunités de croissance, d’efficacité opérationnelle et d’amélioration de la satisfaction client.

Nous analysons dans cet article 5 évolutions technologiques qui ne peuvent plus être ignorées en 2021.

Digital Risks : Deep fakes, fuites et vol de données

La digitalisation de notre économie présente de nombreux avantages, notamment economiques et permet aux entreprises de recueillir et de stocker de nombreuses données sur les comportements et caractéristiques de leurs clients. Cette digitalisation est accélérée par le recours au cloud, au developpement de l’open source et desormais par l’intelligence artificielle qui permet de proposer des expériences client fluides qui incitent à partager plus de données.

Néanmoins cette digitalisation effrénée amène de nouveaux risques car les entreprises n’anticipent pas assez les risques nombreux inhérents à cette transformation, par précipitation et méconnaissance, et laissent un espace important à ceux qui savent exploiter les failles qu’elles ont introduites pour en tirer un profit.

Au travers de ces failles, en fevrier 2021, une fuite de données baptisée ‘Comb’ a permis de constituer sur le dark web une base de plus de 3Mds d’emails, qui a elle même été utilisée pour accéder à d’autres services comme Linkedin. En 2021, avec le recours massif au cloud et la multiplication d’attaques informatiques de grande ampleur de plus en plus élaborées à l’instar de l’attaque de 2020 ayant exploité le logiciel de SolarWinds ou l’attaque plus recente du groupe Hafmium sur Microsoft ayant touché l’Autorité Bancaire Européenne, la securisation des données des grandes entreprises est un défi. Ce défi demande d’avoir recours à de nouveaux outils (dont certains qu’il nous faudra encore inventer) pour détecter les intrusions ou rendre incompréhensibles les données hébergées via de nouvelles technologies de chiffrement.

Dans ce contexte et alors que l’utilisation des données et du cloud sont devenues incontournables, les technologies de chiffrement différentiel permettent à la fois de sécuriser les données stockées mais d’utiliser les techniques d’intelligence artificielle moderne et peuvent faciliter la transition vers le cloud.

Le developpement des technologies d’intelligence artificielle et la mise à disposition large de ces technologies via l’open source amène quant à lui à l’émergence de nouvelles attaques telles que les attaques adversariales qui permettent d’induire en erreur un modèle d’apprentissage machine en exploitant ses biais. D’un autre côté la généralisation des algorithmes, notamment de génération du langage facilite la désinformation à grande échelle avec des implications sur la marque d’une enteprise, la prise de décision d’algorithmes de trading, ou une manipulation du cours d’une entreprise. Par ailleurs, cela peut-être un défi pour les systèmes de KYC automatisés qui peuvent être induits en erreur par des algorithmes capables de produire des photos de personnes de plus en plus convaincantes.

Comment DreamQuark peut aider ?

DreamQuark, conscient de ces problèmes developpe des technologies pour mitiger les risques de fuite de données. Nous avons développé un système d’obfuscation pour permettre le transfert sécurisé de données dans le cloud ou dans une autre région géographique tout en permettant à des algorithmes de travailler sur ces données chiffrées. Les données peuvent ainsi être hébergées sans risque au moment de leur traitement par des algorithmes d’apprentissage machine.

Par ailleurs nous fournissons des techniques pour reduire les problèmes de robustesse des algorithmes pouvant être exploités par des tiers.

Ethical AI problem/ progres in explainable AI, AI regulation

Le licenciement de deux chercheurs en éthique chez Google mettant en avant les problématiques éthiques en lien avec les recherches et developpements en IA réalisés dans l’entreprise, montre que la conciliation du developpement économique et technologique et de l’ethique est un defi pour les entreprises en particulier avec une technologie aussi pervasive que l’IA. Les événements recents ont montré les fractures dans nos sociétés et les biais divers et variés que nous pouvions avoir et que les algorithmes reproduisent voir demultiplient au profit de quelques entreprises tout en ayant parfois un effet polarisant.

Depuis longtemps les consommateurs demandent plus d’éthique de la part des entreprises chez qui elles achètent mais désormais les employés demandent aussi plus d’éthique de la part des entreprises dans lesquelles elles travaillent et la réaction des employés à l’annonce du licenciement de ces deux chercheuses en éthique le demontre.

Le principal problème de ces technologies, au-delà de leurs biais, réside dans le manque de transparence concernant leur conception et des données ayant été utilisées pour les concevoir ainsi que le manque d’explications fournies en parallèle des résultats qu’elles fournissent. Différentes solutions ont été développées pour pallier à ce problème, que ce soient des approches pour expliquer à posteriori les decisions prises par un algorithme ou la conception d’algorithmes capables d’expliquer eux-mêmes leurs décisions. Tous les algorithmes n’ont bien entendu pas vocation à devoir expliquer leurs decisions mais cela devient essentiel lorsque des algorithmes avancés (notamment les algorithmes de deep-learning auquels nous devons les progrès recents en IA) sont utilisés pour des applications critiques ou fortement réglementées. Des solutions existent déjà et de nouvelles devraient continuer à émerger pour permettre à des algorithmes jusque là non explicable de le devenir et surtout pour fournir des explications adaptées aux destinataires de ces decisions.

Les enjeux économiques et sociétaux des algorithmes et les considérations éthiques associées sont aujourd’hui étudiés par le parlement Européen et la commission européenne ainsi que par de nombreux régulateurs notamment la MAS (Monetary Authority of Singapore) et l’ACPR qui ont émis des lignes de conduites ainsi que des principes. L’Union Européenne après avoir sorti un document présentant 7 principes éthiques, ainsi qu’une liste de questions à étudier lors du déploiement d’un algorithme d’IA présentera un projet de réglementation le 21 avril sur le thème de l’IA éthique.

Comment DreamQuark peut vous aider?

DreamQuark developpe des technologies d’intelligence artificielle responsable depuis 2016. Grâce à notre logiciel Brain, un utilisateur peut entraîner des algorithmes explicables pour différents types de tâches (classification de client, pricing, recommendation de produits) et ainsi répondre aux exigences grandissantes des régulateurs. Nous offrons aussi une librairie open source avec une nouvelle approche d’algorithme explicable. Nous avons aussi développé des technologies pour corriger les biais discriminatoires des modèles d’intelligence artificielle.

IA pour la transition climatique – green AI

La pandémie de covid-19 a achevé de faire prendre conscience de la nécessité de changer de modèle de développement. Tout le monde a désormais compris qu’il fallait transformer notre économie pour intégrer la dimension extra-financière et notamment le capital naturel et accélérer la transition vers une économie zero carbone respectueuse de la planète. Il s’agit désormais de réaliser cette transformation. L’intelligence artificielle peut en être un formidable accélérateur mais il faut pour cela aussi que ceux qui concoivent ces technologies inventent des mécanismes plus frugaux pour réaliser les mêmes succès que ceux qui ont permis son développement fulgurant. Aujourd’hui les technologies d’intelligence artificielle sont de plus en plus gourmandes en ressources, que ce soient les puces utilisees pour le traitement, les infrastructures de cloud et de transfert de données que les algorithmes eux mêmes. On estime que l’ensemble des activités liées à Internet produisent 2% des emissions de CO2 de la planète et cette proportion devrait croitre à mesure que les activités seront digitalisees et que nous passons aux technologies 5G et superieures. Un champ de recherche s’ouvre autour de l’IA frugale qui vise à développer des puces et infrastructures de stockage, de calcul et de transfert de données moins gourmandes en ressources, d’utiliser seulement les données dont on a besoin et de concevoir des algorithmes optimisés avec moins de paramètres pour consommer moins d’energie et de ressources naturelles non renouvelables.

D’un autre côté, les technologies d’intelligence artificielle doivent être utilisées pour accélérer la transition energetique et elles peuvent l’etre de nombreuses façons. On peut par exemple les utiliser pour extraire les données extra financières de documents divers afin de mesurer précisément ses emissions de carbone, pour optimiser le fonctionnement de data centers, pour optimiser l’acheminement sur des grilles énergétiques. Un cas d’usage émergent en finance consiste à identifier les investisseurs  en mesure de rediriger leurs investissements dans des actifs échoués (stranded assets) vers des actifs soutenables afin de pouvoir financer cette transition énergétique en leur proposant des supports d’investissement à impact environnemental faible. Au dela du flux de capitaux que cela engendre pour les acteurs qui investissent dans cette transition, cela pousse les acteurs moins vertueux à l’action s’ils ne veulent pas que leurs capacités d’investissement ne soient trop fortement reduites.

Comment DreamQuark peut vous aider?

Conscient de ces enjeux, DreamQuark a développé avec Atos une offre autour de d’investissement responsable. Grâce à cette offre, un acteur de la gestion de patrimoine peut utiliser ses données client et des données de fournisseurs tiers de données extra-financières pour identifier les investisseurs appetants à l’ESG et leur recommender des produits d’investissement en ligne avec leurs objectifs d’impact.

Modeles de traitement automatisés du langage et modeles de langage Multimodaux.

Jusqu’en 2017, les progrès les plus impressionnants en intelligence artificielle ont eu lieu dans le domaine de l’analyse d’images, dans la transcription vocale ainsi que dans le traitement de données structurées notamment grâce aux nouvelles technologies de Big Data et plusieurs innovations algorithmiques.

Les progrès en traitement du langage étaient significatifs mais restaient néanmoins limités et la qualité des textes produits par des algorithmes restaient bien inférieurs à ceux produits par un être humain.

À partir de 2017 et l’invention d’une nouvelle architecture de réseau de neurones appelée ‘transformer’, puis du modèle BERT en 2018, les progrès en traitement du langage se sont accélérés. En 2020 l’entreprise OpenAI a annoncé avoir développé un modèle de transformer à 175 Milliards de paramètres dit génératif (capable d’ecrire du texte) nommé GPT3 et produisant du texte remarquablement bien écrit et difficilement distingable d’un texte écrit par un humain. Il est par ailleurs capable sur la base d’instructions relativement simples de produire du code informatique pouvant être exécuté.

Lorsque j’ai commencé à écrire cet article en 2020, le plus gros progrès que j’anticipais du côté de ces algorithmes de traitement naturel concernait les modeles multimodaux (capable de prendre en entrée des données de types differents comme du texte et des images) et multitaches (capable de réaliser plusieurs tâches comme générer un texte ou realiser l’analyse des émotions d’un paragraphe à partir du même algorithme) qui permettraient de comprendre des concepts de haut niveau (plusieurs objets empilés) en utilisant à la fois du texte et des images. Apres les publications de OpenAI sur un algorithme de DALL-e et de Facebook ‘Transformer is all you need’, nous y sommes déjà. Ces algorithmes semblent être l’approche adaptée pour concevoir une intelligence artificielle dotée de sens commun.

Forbes annonçait par ailleurs dans ses predictions pour 2021 que nous aurions en 2021 un modèle avec plus de 1000 Milliards de paramètres, le 12 janvier c’était déjà fait. Il faut donc s’attendre à ce que les progrès dans ce domaine soient fulgurants et à de nombreuses avancées en 2021.

Neanmoins, ces algorithmes posent de nombreuses questions :

Tout d’abord du fait de la qualité du texte qu’ils produisent et leurs capacités impressionnantes, ils peuvent etre en mesure de produire du contenu à moindre coût pour mener des campagnes de spam, de phishing ou de désinformation à très grande échelle.

Ensuite l’utilisation et l’analyse du contenu produit par ces algorithmes fait émerger des problèmes liés aux biais qu’ils contiennent du fait des sources de données utilisées. En particulier, la présence de biais discriminatoires de genre, de biais envers certaines minorités ou vis à vis de personnes ayant certaines convictions politiques et religieuses ont été mise en avant et des solutions doivent émerger pour réduire ces biais discriminatoires.

Finalement, l’entrainement de ces algorithmes pose un véritable défi environnemental alors que les ressources informatiques nécessaires pour obtenir un tel modèle coûtent plusieurs dizaines de millions d’euros et que la production de CO2 resultant de l’entraînement d’un modèle est estimée par certains chercheurs à l’equivalent de la production de CO2 d’une voiture sur l’ensemble de sa vie.

Malgré ces risques sur lesquels les chercheurs et entreprises vont inévitablement se pencher pour apporter des solutions, ces algorithmes offrent un grand potentiel pour imaginer de nouveaux produits, de nouvelles expériences utilisateur et client et gagner en efficacité opérationnelle en accélérant le traitement d’informations textuelles non structurées sans avoir recours à des armées d’analystes.

Alors que nombre d’informations sont dans des documents écrits, dans des emails et obtenus à l’occasion d’une discussion avec un client de laquelle un résumé est produit plutôt que dans des bases de données structurées et qu’il est difficile sinon impossible de pouvoir lire tout ce qui est produit, ces algorithmes peuvent simplifier l’extraction d’informations pertinentes et aider à leur standardisation. Alors que la réglementation pour la divulgation de données extra financières entre en vigueur, ces algorithmes peuvent par exemple se révéler extrêmement utile pour obtenir de l’information de qualité sur ses investissements à partir de l’ensemble des informations produites par les entreprises dans leurs différents rapports.

Comment DreamQuark peut vous aider?

DreamQuark developpe des solutions autour du traitement du langage naturel responsables pour différentes problématiques en lien avec les besoins de la gestion de patrimoine, pour extraire des informations, classifier un document ou un email à des fins de relation client et ainsi vous aider à mieux tirer partie de la masse d’informations en lien avec votre activité et vos clients pour renforcer votre expérience client et optimiser votre efficacité operationnelle

Wealthtech et systèmes de recommendation pour democratiser la gestion de patrimoine au-delà de l’investissement traditionnel

L’industrie de la gestion de patrimoine est soumise à de nombreuses forces qui l’obligent à repenser son offre pour répondre aux nouvelles attentes de ses clients, des regulateurs et à la transformation de l’environnement compétitif.

Par ailleurs les évolutions technologiques et la digitalisation accélérée offrent l’opportunité à de nouveaux entrants de fournir des services jusqu’à présent réservés à une clientèle haut de gamme ou professionnelle et de s’affranchir des limitations des premières générations de solutions de gestion de patrimoine automatisées ou des offres existantes d’investissement pour offrir des offres disruptives qui peuvent serieusement concurrencer à long terme l’offre d’acteurs établis.

Les événements récents concernant Gamestop ou AMC entertainment montrent que les particuliers n’hésitent plus à recourir aux reseaux sociaux et au trading social pour obtenir des conseils d’investissement et à se coordonner pour spéculer sur les marchés en ayant recours à des services qui démocratisent la gestion de patrimoine pour lutter contre des fonds spéculatifs symboles de la finance deraisonnée. Certains de ces investisseurs ont pu d’ailleurs tirer des bénéfices importants en utilisant cette stratégie.

Le succès des cryptomonnaies s’appuie sur une dynamique équivalente. Un nombre croissant de particuliers ne trouvent pas le rendement suffisant et n’ont plus confiance dans le système financier traditionnel et voient dans les cryptomonnaies un système alternatif, sans intermédiaire, plus équitable, transparent et démocratique qui peut leur permettre de s’enrichir alors que le système traditionnel est perçu comme inégalitaire en favorisant un petit nombre de privilégiés.

Une verticale naissante au sein de la fintech, la wealthtech, développe de nouvelles solutions digitales et technologiques en tirant partie de ces tendances émergentes pour fournir de nouveaux services à des utilisateurs non ciblés par les entreprises traditionnelles ou en offrant des services à une clientèle haut de gamme qui ne sont pas disponibles via les acteurs traditionnels.

Les évolutions récentes en intelligence artificielle, notamment en traitement du langage naturel, ou dans les systèmes de recommandation peut aider les acteurs traditionnels à ouvrir leurs services de gestion à une clientèle plus large ou à offrir des offres digitales ou hybrides plus complètes que celles fournies par les traditionnels robo-advisor souvent limité aux ETFs tout en prélevant des frais de gestion moindre. Par ailleurs ces offres ne se limitent pas aux services d’investissement en proposant des services adjacents personnalisés.

Ces systèmes de recommandation peuvent apprendre les comportements de consommation et d’investissement d’un individu ou d’un segment de client et faire des recommendations personnalisées et contextualisées de plus en plus precises en s’appuyant sur des informations aussi larges que les articles lus par l’utilisateur, ses choix d’investissement, ses habitudes d’interaction.

Alors que les nouvelles générations sont habitués aux acteurs comme Netflix ou aux acteurs asiatiques émergents les acteurs du wealth management ne peuvent plus ignorer ces technologies pour proposer à leur plus jeune clientèle ou à leurs plus jeunes employés des services de gestion de portefeuille fournissant des expériences similaires et des produits différenciés en ligne avec leurs objectifs, leurs valeurs et leurs nouvelles habitudes de consommation et d’investissement.

Comment DreamQuark peut vous aider?

DreamQuark est une wealthtech qui travaille avec les acteurs de la gestion de patrimoine traditionnels. Nous fournissons différentes solutions pour les banquiers privés, les conseillers et les agents d’assurance pour les aider à mieux répondre aux attentes de leur clientèle haut de gamme. Nous fournissons aussi des technologies de systemes de recommendation pour offrir un service personnalisé et évolutif au travers d’une personne physique ou en self-service.

Conclusion

Lorsque j’ai réfléchi à ma liste de prédiction pour 2021 en décembre 2020, je ne m’attendais pas à ce qu’elles se produisent aussi vite en 2021. Pourtant c’est ce qui s’est produit. La pandémie a accéléré les tendances émergentes, les technologies se sont perfectionnées et encouragés par leurs succès les entreprises, les chercheurs, les réseaux criminels explorent des pistes toujours plus audacieuses pour faire émerger des solutions toujours plus efficaces. Ces innovations font émerger de nouveaux risques non maîtrisés que les régulateurs essayent de maitriser via de nouvelles réglementations, vis à vis desquel il faudra se mettre rapidement en conformité, et le développement de nouveaux outils mais l’approche par la réglementation, certes nécessaire, ne sera pas suffisante. Face à ces évolutions rapides, les entreprises doivent s’appuyer sur des partenaires expérimentés capables de comprendre et maitriser ces risques, tendances et évolutions technologiques et de développer des technologies innovantes et différenciées pour y répondre. C’est de ces partenariats réussis et de l’intégration de ces technologies à des processus existants ou de la conception de nouveaux processus que viendra un avantage compétitif durable.

Ce site web est protégé par reCAPTCHA et la politique de confidentialité et les conditions d’utilisation de Google s’appliquent. En utilisant DreamQuark, vous acceptez l’utilisation de cookies.