Services financiers

Fin-ML

Camille Leblanc-Robichaud | 26 janvier 2021

Le réseau Fin-ML a été créé afin d’appuyer les étudiants et professionnels dans l’intégration de machine learning et d’intelligence artificielle (IA) en finance. Cet appui prend la forme de divers ateliers et programmes de formations destinés aux étudiants ainsi qu’aux professionnels du domaine. Créée en 2018 via un partenariat avec l’Institut de valorisation des données IVADO, Fin-ML regroupe 6 universités, permettant de produire un centre universitaire axé sur la science des données dans le but de contribuer à la compétitivité mondiale en matière de fintech. Fin-ML intègre aussi ses apprentissages auprès de divers partenaires en industrie sur de multiples projets dans le domaine de la finance.

Les domaines d’applications de l’analyse de données massives en finance sont variés. Parmi ceux-ci, on retrouve notamment le domaine bancaire, la gestion d’actifs ainsi que l’assurance vie et non vie. Fin-ML est activement impliquée dans ces domaines à travers de nombreux projets de recherche collaborative. Ces projets de recherche portent entre autres sur la détection d’anomalies dans les transactions financières, la prévision et les évaluations de marché, l’estimation de la valeur de durée de vie des clients, ainsi que l’intégration de l’intelligence artificielle à l’investissement durable.

Avec les avancées technologiques, les sources de données se diversifient en finance et leur accessibilité tend à s’accroître. Les capteurs, comme les GPS, les images satellites l’électronique automobile sont les vecteurs de données qui viennent souvent à l’esprit et qui alimentent l’Internet des objets. Les transactions deviennent aussi une source de collecte de données via les registres de points de vente, de cartes de crédit, des expéditions, le traitement de transactions ainsi que les données de transactions interjournée et microstructure. Une autre source de données valorisable est produite par l’analyse des textes et des multimédias via les vidéos et photos, les nouvelles des médias et les sentiments perçus sur les médias sociaux pour n’en nommer que quelques-uns.

Lors de notre rencontre avec Rheia Khalaf, directrice en recherche collaborative et partenariats chez Fin-ML, nous avons pu explorer les opportunités de l’intégration de l’IA en finance. Ces opportunités apportent leur lot de défis dans la gestion et l’analyse de données massives. En effet, la sensibilité temporelle des données demande une obtention rapide et efficace de ses données. L'agrégation des multiples sources de données de façon optimale est nécessaire et doit allouer une automatisation des processus pour qu’ils reflètent une sensibilité au temps réel. De plus, un défi supplémentaire réside en l’élaboration des infrastructures ayant la capacité informatique nécessaire pour contenir ces données.

Une des tendances observées sur le marché au Canada est la transparence qui est requise par le consommateur. À ce sujet, Singapour est sans contredit un précurseur dans le domaine, avec l’énonciation des principes visant à promouvoir l'équité, l'éthique, la responsabilité et la transparence (FEAT), nous fait remarquer notre conférencière Rheia Khalaf. Publiés en 2018 par le Monetary Authority of Singapore, les 4 principes visent à encadrer l’utilisation de l’intelligence artificielle et de l’analyse de données dans le domaine de la finance.

Forte d’une formation en actuariat, détentrice d’une maîtrise en finance quantitative ainsi que de son expérience en évaluation actuarielle et en gestion de risques, Rheia Khalaf nous mentionne l’impact que peut avoir l’intégration de principes de transparence en intelligence artificielle dans le domaine de la finance. Les investissements responsables et durables, notamment, peuvent avoir des impacts indirects sur la carboneutralité d’une industrie en agissant directement sur les activités économiques.


Références

  • Propos recueillis par Camille Leblanc-Robichaud lors de la visite virtuelle du 26 janvier 2021