Les chatbots d’IA offrent des conseils financiers peu fiables au Royaume-Uni
Les chatbots d’IA comme ChatGPT et Copilot de Microsoft sont des outils impressionnants. Ils travaillent rapidement, offrent des réponses instantanées et remodèlent la façon dont les gens s’engagent avec l’information. Mais lorsqu’il s’agit de donner des conseils financiers, en particulier au Royaume-Uni, leur fiabilité diminue considérablement.
Ces systèmes ne sont pas conçus en tenant compte des règles locales. Ils sont formés sur la base d’énormes quantités de données accessibles au public, dont la plupart n’ont pas le contexte nécessaire pour les domaines régis par des réglementations spécifiques, comme la fiscalité ou l’assurance au Royaume-Uni. Cela signifie qu’ils donnent souvent des conseils dépassés, incomplets ou carrément incorrects. Les décisions financières, bien entendu, ne doivent pas être basées sur des suppositions.
Des évaluations récentes montrent que ces outils fournissent régulièrement des conseils fiscaux médiocres. Pire encore, ils peuvent orienter les utilisateurs vers des services dont ils n’ont pas besoin. À l’heure actuelle, un chatbot ne comprend pas les distinctions telles que le statut de pension d’une personne, la propriété d’un bien immobilier ou la juridiction fiscale locale, à moins que ces données ne soient spécifiquement et consciemment intégrées dans son modèle. Pour l’instant, ce n’est pas le cas. C’est un problème.
Les dirigeants devraient voir cela pour ce que c’est : un problème de version un. L’IA est là pour rester, mais les modèles publics ont besoin de mises à jour massives avant que vous puissiez leur faire confiance pour la prise de décisions financières. Les cas d’utilisation immédiats sont plus proches de l’automatisation des premiers stades ou de l’assistance initiale, et non du conseil de bout en bout.
Ne rejetez donc pas l’IA dans la finance. Ne confondez pas vitesse et précision. Si vos clients ou vos équipes obtiennent des informations financières à partir de ces modèles, vérifiez les résultats. Vous ne le regretterez pas.
La qualité des données et la gouvernance déterminent l’efficacité des outils financiers d’IA
Les modèles d’IA ne sont pas plus performants que les données données qui les alimentent. À l’heure actuelle, les chatbots financiers sont principalement formés à partir d’informations publiques générales extraites d’internet. C’est utile dans les situations générales, mais cela s’effondre rapidement lorsque la tâche exige de la précision. Le conseil financier britannique en est un excellent exemple.
Ces outils passent souvent à côté d’éléments essentiels : les changements de juridiction, la situation des retraites individuelles ou la propriété de biens immobiliers qui ont une incidence sur l’impôt sur le revenu des personnes physiques. Ce type d’échec n’est pas dû à l’intelligence du modèle, mais aux données. Quelle que soit la puissance de l’algorithme, si les données d’entrée manquent de structure ou de gouvernance, le résultat sera incohérent. En finance, l’incohérence devient un risque, et pour les décideurs, c’est inacceptable.
Pour y remédier, vous avez besoin de bases de données propres, réglementées et bien gouvernées. Cela signifie que vous devez travailler directement avec les banques, les réseaux d’assurance et les données réglementaires dès le départ. Si vous ne le faites pas, vous obtiendrez des réponses partielles qui ne tiendront pas compte de variables financières essentielles. La promesse de l’IA ne fonctionne pas si elle est alimentée par des données mauvaises ou superficielles.
Levent Ergin, stratège en chef pour le climat, le développement durable et l’intelligence artificielle chez Informatica, le dit clairement : « Les chatbots d’IA ne sont jamais aussi bons que les données et le contexte qui les sous-tendent. Il a raison. C’est ce qui échappe à la plupart des gens. Le modèle n’a pas besoin d’être meilleur, il a besoin de meilleures informations.
Ainsi, même si les modèles d’IA continueront à s’améliorer sur le plan technique, la véritable révolution dans la finance ne viendra pas de la puissance de calcul, mais de la qualité des données. Construisez avec clarté. Gouvernez de manière stricte. C’est ainsi que vous rendrez les résultats de l’IA dignes de confiance.
La demande croissante des consommateurs pour des conseils financiers basés sur l’IA
Les consommateurs utilisent déjà l’IA pour obtenir des informations financières, et ce n’est pas près de s’arrêter. Malgré les problèmes de précision, de plus en plus de personnes se tournent vers des outils tels que ChatGPT et Copilot pour obtenir des réponses sur les impôts, les assurances et l’épargne. La commodité est le moteur de l’adoption. C’est la tendance, et elle s’accélère.
Lorsque l’adoption prend le pas sur la précision, le risque augmente. Mais ignorer la demande n’y changera rien. Ce qui compte maintenant, c’est de savoir si les développeurs, les institutions financières et les leaders technologiques sont prêts à pousser ces systèmes à devenir plus ciblés, plus précis et plus sensibles au contexte. Rester immobile, c’est prendre du retard. Soit vous vous attaquez à la faiblesse des données de base, soit vous laissez la désinformation façonner les décisions financières à grande échelle.
C’est là que les entreprises ont une véritable responsabilité. L’IA ne fera que devenir plus visible dans les interfaces consommateurs, les applications bancaires, les outils de courtage, les portails d’assistance à la clientèle. Si les modèles intégrés dans ces plateformes continuent de s’appuyer sur des ensembles de données ouvertes qui ne tiennent pas compte des facteurs liés à la juridiction ou au niveau de revenu, les orientations continueront d’être insuffisantes.
Levent Ergin, stratège en chef pour le climat, le développement durable et l’intelligence artificielle chez Informatica, a été clair : l’intérêt des consommateurs pour les recommandations financières pilotées par l’IA « ne va pas s’inverser ». La conclusion est simple : pour répondre à cette demande avec une réelle utilité, il faut une intégration profonde des données gouvernées et fournies par les institutions.
Les dirigeants doivent considérer cette situation comme un moment d’évolution du produit. La demande est verrouillée. La base de données ne l’est pas. Celui qui résoudra ce problème en premier établira une nouvelle référence pour la confiance des consommateurs et les services financiers numériques.
L’écosystème collaboratif est essentiel pour améliorer l’orientation financière par l’IA
L’amélioration de la précision des outils financiers d’IA ne se limite pas à la performance des modèles. Il s’agit de mettre en place le bon écosystème. Au-delà de l’apprentissage automatique, il s’agit d’aligner les fournisseurs de technologie, les institutions financières et les organismes de réglementation autour d’un cadre commun pour l’accès aux données, la gouvernance et la conformité.
À l’heure actuelle, les modèles fonctionnent avec des données à usage général. Cela n’est pas adapté à des tâches telles que l’optimisation fiscale ou la prise de décision en matière d’assurance, en particulier lorsque des règles locales et des conditions individuelles sont impliquées. La couche manquante n’est pas le code, mais le contexte. Celui-ci provient d’entités réglementées, et non de données extraites du web.
C’est par la collaboration que l’on pourra y remédier. Les banques, les assureurs, les régulateurs et les développeurs d’IA doivent déterminer quelles données sont partagées, comment elles sont structurées et sous quels contrôles. Sans cela, vous ne fournissez pas d’intelligence, vous fournissez des résultats modélisés qui peuvent sembler corrects, mais qui s’effondrent sous l’effet d’un examen minutieux.
Levent Ergin, stratège en chef pour le climat, le développement durable et l’intelligence artificielle chez Informatica, l’a clairement exprimé : « Il ne s’agit pas seulement de l’IA, mais de l’écosystème qui l’entoure. Il s’agit de l’écosystème qui l’entoure, de la construction d’une base de données précise, gouvernée et fiable ». Ce n’est pas négociable si nous voulons que les chatbots fassent plus que répondre à des questions, ils doivent rendre ces réponses fiables.
Pour les dirigeants, il s’agit d’une opportunité stratégique. Prenez de l’avance sur le défi de la gouvernance, associez-vous à des fournisseurs de données crédibles et structurez l’écosystème dès le départ. C’est ce qui permettra à l’IA de devenir un véritable atout, et pas seulement un espace réservé dans la fenêtre d’un chatbot. Les organisations qui sont à la pointe de l’intégrité des données seront à la pointe de la finance pilotée par l’IA.
Faits marquants
- Les chatbots d’IA manquent de précision financière spécifique à la région : La plupart des outils financiers d’IA comme ChatGPT et Copilot interprètent mal les réglementations financières spécifiques au Royaume-Uni en raison d’un contexte limité et de données de formation publiques. Les dirigeants devraient éviter de s’appuyer sur une IA généraliste pour des conseils financiers réglementés sans supervision humaine.
- La qualité des données limite l’efficacité de l’IA dans la finance : La précision des résultats de l’IA dépend des données sur lesquelles elle est formée. Les institutions financières doivent investir dans des données propres, structurées et gouvernées pour que les conseils fournis par l’IA soient fiables et conformes à la réglementation.
- La demande des consommateurs pour des conseils en matière d’IA dépasse la fiabilité : Les gens continuent de se tourner vers l’IA pour obtenir une aide financière malgré ses défauts. Les dirigeants devraient considérer cette demande croissante comme un signal pour donner la priorité à des partenariats de données plus solides et à l’amélioration des modèles afin de rester compétitifs et de réduire le risque de réputation.
- La collaboration au sein de l’écosystème est essentielle pour une IA fiable : l ‘amélioration de la précision des chatbots nécessite une contribution et une coordination entre les fournisseurs de technologie, les institutions financières et les organismes de réglementation. Les chefs d’entreprise doivent favoriser les partenariats qui permettent un accès réglementé aux données afin d’accélérer la mise en place de solutions d’IA fiables.
