Intelligence artificielle :

quelles évolutions pour

les profils de risques
des entreprises ?
Février 2019
Brochure / report title goes here |
 Section title goes here

02
 Intelligence artificielle : quelles évolutions pour les profils de risques des entreprises ? |
 Sommaire

Sommaire

1. Quelques principes de base : qu’appelle-t-on 04

« intelligence artificielle » ?

2. Risques liés à l’intelligence artificielle 09

3. Opportunités liées à l’intelligence artificielle 12

4. Conclusion 14

03
Intelligence artificielle : quelles évolutions pour les profils de risques des entreprises ? |Quelques principes de base : qu'appelle-t-on « intelligence artificielle » ?

1
Quelques principes de base :
qu'appelle-t-on « intelligence
artificielle » ?
Définition de l’intelligence artificielle

Il n’existe aucun consensus sur la définition
du concept d’intelligence artificielle
(IA) étant donné que la notion même
d’intelligence est très difficile à définir.
Le Dictionnaire Oxford décrit l’IA comme
étant « la théorie et le développement
de systèmes informatiques capables
de réaliser des tâches qui nécessitent
habituellement l’intelligence humaine, telles
que la reconnaissance visuelle et vocale ou
encore la prise de décisions ».
Selon Marvin Lee Minsky et John McCarthy,
les fondateurs du groupe d’intelligence
artificielle du Massachusetts Institute of
Technology (MIT), l’IA peut être définie
comme la « création de programmes
informatiques qui s’adonnent à des tâches,
pour l’instant accomplies de façon plus
satisfaisante par des êtres humains ».

04
Brochure / report title goes here |
 Section title goes here

05
Intelligence artificielle : quelles évolutions pour les profils de risques des entreprises ? |Quelques principes de base : qu'appelle-t-on « intelligence artificielle » ?
Il est possible de diviser le domaine de
l'intelligence artificielle (IA) en plusieurs
sous-disciplines, très liées entre elles, qui
visent chacune à traiter une partie du
problème :
• la représentation des connaissances et
le raisonnement automatique ;
• la résolution de problèmes généraux
avec la création d’algorithmes pouvant
résoudre des problèmes concrets
(planification, optimisation sous
contrainte, etc.) ;
• le traitement du langage naturel
qui vise à comprendre, à traduire et à
produire du langage écrit ou parlé ;
• la vision artificielle dont l’objectif
est de permettre aux ordinateurs de
comprendre et de reconnaître les images
et la vidéo ;
• la robotique.
©2018 Deloitte Conseil
06
D’un point de vue technique, de nombreux Cette sous-catégorie du machine learning
travaux en IA reposent sur des algorithmes est désignée par le terme d’apprentissage
qui permettent d’apprendre en identifiant profond, ou deep learning, en référence
des relations entre des données et de aux nombreuses couches de réseaux de
produire des modèles prédictifs de neurones qui forment cette IA.
manière autonome. Ces techniques
sont également connues sous le nom
de Machine Learning et sont utilisées
depuis les années 1980. D’un point de
vue mathématique, il s’agit notamment
d’effectuer des estimations numériques
d’un grand nombre de paramètres du
modèle.
Avec l’augmentation de la puissance de
calcul des processeurs, il a été possible à
partir des années 2010 de généraliser ces
modèles de régression par des réseaux
de neurones qui tentent de répliquer la
manière de fonctionner d’un cerveau
humain.
Intelligence artificielle : quelles évolutions pour les profils de risques des entreprises ? |Quelques principes de base : qu'appelle-t-on « intelligence artificielle » ?

L'intelligence artificielle a aussi été permise

par l'arrivée des technologies "Big Data". Ce
terme désigne non seulement d’immenses
quantités de données diverses, mais
également les techniques qui permettent
de les traiter, de les faire parler, d’y repérer
des corrélations inattendues, voire de leur
conférer une capacité prédictive. Aussi,
l’intelligence artificielle est indissociable
des immenses quantités de données
nécessaires pour l’entraîner et qu’elle
permet en retour de traiter.
Enfin, il est important de se méfier des
utilisations parfois abusives de l’utilisation
des termes « big data » et « intelligence
artificielle ». Ces termes sont régulièrement
exploités par certains acteurs pour mettre
en avant une image futuriste de leurs
activités en les présentant comme relevant
du domaine de l’IA alors que la réalité est
parfois bien différente.
Un concept en plein essor suite aux récentes avancées technologiques
L’engouement pour l’IA est, en partie, lié à des avancées technologiques importantes
qui ont permis de lever les contraintes du passé :
• l’augmentation de la puissance de calcul à des prix abordables ;
• l’augmentation des capacités de stockage, du volume et de la variété des données
disponibles liée à la numérisation de notre société (dématérialisation des
transactions et services, révolution des capteurs, de l’Internet des objets, diffusion du
Smartphone, généralisation des politiques d’open data, etc.) ;
• la rapidité d’accès à la donnée ;
• l’émergence de nouveaux algorithmes avancés permettant d’analyser la donnée de
manière plus intelligente.
Parmi les succès récents qui ont remis au goût du jour les promesses de l’IA, on peut
citer la victoire en mars 2016 d’Alpha Go (Google) contre le champion du monde de jeu
de go, Lee Sedol.

07
Intelligence artificielle : quelles évolutions pour les profils de risques des entreprises ? |Quelques principes de base : qu'appelle-t-on « intelligence artificielle » ?

Exemples d'application de l'IA

Education Justice Santé Sécurité Travail, RH Culture Autres

Générer de la Mieux cerner Mettre en Tirer profit Repérer Comprendre les Créer des Affiner le profil
connaissance les aptitudes évidence les de la quantité des liens phénomènes œuvres de risque d’un
d’apprentissage manières immense de insoupçonnés sociaux en culturelles client d’un
des élèves différenciées publications pour la entreprise (peinture, assureur
de rendre la scientifiques résolution musique)
justice selon les d’enquêtes par
régions les services de
gendarmerie

Faire du Répartir les Répartir des Faire Mettre en

matching candidats patients pour correspondre relation
au sein des participation une liste de des profils
formations à un essai candidatures « compatibles »
d’enseignement clinique avec une offre sur des
supérieur (AP8) d’emploi applications
de rencontres,
etc.

Prédire Prédire les Prédire la Prédire des Détecter les Détecter les Créer des
décrochages chance de épidémies profils à risque collaborateurs œuvres ayant
scolaires succès d’un dans la lutte qui risquent de un maximum
procès et Repérer des anti-terroriste démissionner de chance
le montant prédispositions dans les de plaire aux
potentiel des à certaines Prédire prochains mois spectateurs
dommages- pathologies afin l’occurrence (Netflix)
intérêts d’en éviter le future de
développement crimes et délits

Recommander Recommander Recommander Proposer des Recommander Individualiser

des voies des solutions orientations des livres des messages
d’orientation de médiation de carrière (Amazon), des politiques sur
personnalisées en fonction adaptées aux séries télévisées les réseaux
aux élèves du profil des profils des (Netflix), etc. sociaux
personnes personnes
et des cas
similaires
passés

Aider la décision Suggérer au Suggérer au Suggérer aux Aider le

juge la solution médecin des forces de conducteur
jurisprudentielle solutions police les zones à trouver le
la plus thérapeutiques prioritaires chemin le plus
adéquate pour adaptées dans lesquelles court d’un
un cas donné patrouiller point à un
autre (GPS)

Source : Rapport de la CNIL - Comment permettre à l’homme de garder la main ? Les enjeux éthiques des algorithmes et de l’intelligence
artificielle (Décembre 2017)

08
 Intelligence artificielle : quelles évolutions pour les profils de risques des entreprises ? |
 Risques liés à l'intelligence artificielle

1. Des facteurs générateurs de risques

2
La qualité, la quantité et la pertinence
des données utilisées
La qualité des décisions prises par une
IA est dépendante de la qualité et de la
quantité de données qui lui sont données
et à partir desquelles elle génère des
corrélations. Si les jeux de données
utilisés pour construire les algorithmes
contiennent des biais, l’algorithme généré

Risques liés
reflétera vraisemblablement lui aussi ces
biais, voire les amplifiera. Ainsi, l’IA est
susceptible de générer biais, discrimination
et exclusion, de manière inconsciente et

à l’intelligence
difficilement repérable. Les algorithmes
seront donc fiables uniquement à condition
que les données utilisées pour les
former soient suffisamment complètes et

artificielle
représentatives de l’environnement dans
lequel elles doivent être déployées.

Par exemple, en matière de ressources

humaines, l’IA permettrait d’automatiser
les propositions de salaires pour tout
nouvel employé à partir des données
L’introduction de l’IA dans notre quotidien aura pour de salaires disponibles sur le marché.
conséquence de modifier la manifestation de risques Cependant, en entraînant les algorithmes
avec les données de salaires historiques,
déjà existants (en les augmentant ou diminuant) et de sans aucun retraitement, l’IA risquerait
faire apparaître de nouveaux risques. L’enjeu pour les alors de reproduire les biais d’écarts
historiques entre les salaires des hommes
entreprises sera de parvenir à identifier efficacement et et ceux des femmes. À titre d’exemple,
rapidement ces risques, de les encadrer, de les contrôler, on a pu observer que les algorithmes de
ciblage publicitaire de Google étaient plus
voire de les transformer en opportunités. susceptibles de proposer aux femmes
des offres d’emploi moins rémunérées, ou
encore que les algorithmes de prédiction
de la criminalité mettent un accent exagéré
sur la surveillance des quartiers pauvres
afro-américains aux États-Unis. Ainsi, ces IA
ne font que reproduire des discriminations
déjà présentes dans les données fournies
pour les entraîner.

Une opacité de fonctionnement

La transparence et la conformité des IA
constituent un défi important pour les
entreprises. Contrairement au mode
de fonctionnement traditionnel des
systèmes experts qui étaient capables de
prendre des décisions selon des règles
claires et prédéfinies par l’homme (arbres
de décision), les nouvelles générations

09
Intelligence artificielle : quelles évolutions pour les profils de risques des entreprises ? |
d’IA appuient leurs décisions sur des
méthodes mathématiques complexes,
avec des milliers de variables et plusieurs
couches de décisions. Cette multitude de
facteurs rend la décision finale difficilement
interprétable et explicable par l’homme.
Ainsi, du fait de leur construction, on
peut aisément observer les données
d’entrée (input) et de sortie (output) de
ces algorithmes probabilistes mais on
comprend encore mal leur fonctionnement
interne. Cette opacité, traduite par
l’expression « boîte noire » ou black box,
peut empêcher les entreprises d’expliquer
de manière intelligible les décisions prises
par l’IA.
Ce manque de transparence pose des
enjeux en terme d’audit et de traçabilité, et
pourrait exposer les entreprises du point
de vue de leur responsabilité au regard
d’une réglementation ou du respect des
attentes des parties prenantes.
Par exemple en Europe, dans le cadre du
RGPD (Règlement général sur la protection
des données), les entreprises doivent
être en mesure d’expliquer à leurs clients
comment leurs données personnelles sont
utilisées, et de leur fournir des précisions
sur les hypothèses et les facteurs pris en
compte dans une décision automatisée ; ce
qui peut être complexe, voire impossible,
dans certains cas où l’IA est utilisée.
Des dysfonctionnements possibles
(risque algorithmique)
Un autre enjeu de l’IA est sa fiabilité. Les
algorithmes d’IA étant construits à partir
de données historiques, leur pertinence
et efficacité peuvent être remises en
cause face à des données nouvelles.
Les algorithmes ne disposent pas des
capacités de compréhension conceptuelle
et de sens commun propres à l’homme,
et qui sont nécessaires pour évaluer des
situations radicalement nouvelles. En
particulier, il existe de fortes incertitudes
en cas d’événements de type « cygne
noir »1. Par exemple, dans le cadre des
1. La théorie du cygne noir ou théorie des événements cygne noir, développée par le statisticien Nassim Nicholas Taleb, notamment dans son essai Le Cygne noir,
est une théorie dans laquelle on appelle cygne noir un événement imprévisible qui a une faible probabilité de se dérouler (appelé « événement rare » en théorie des
probabilités) et qui, s'il se réalise, a des conséquences d'une portée considérable et exceptionnelle
10
 Risques liés à l'intelligence artificielle
voitures autonomes, il est complexe
de prédire le comportement de l’IA du
véhicule confronté à un scénario de travaux
de construction sur la route, d’un objet
tombant d’un camion, d’une combinaison
inédite de conditions météorologiques,
etc. Par ailleurs, les risques de
dysfonctionnement sont amplifiés par la
vitesse à laquelle ces algorithmes peuvent
évoluer, sans contrôle de l’homme. Ainsi
des erreurs peuvent se propager à grande
échelle sur une très courte période. Par
exemple, on constate que les algorithmes
de modération de YouTube tardent parfois
à réagir et permettent la circulation virale
de contenus choquants.
Enfin, certains algorithmes peuvent
faire l'objet d'un piratage, ou "Algorithm
Hacking", visant à faire prédire un résultat
en faisant ingérer à l'algorithme des
informations très légèrement modifiées.
Les algorithmes de reconnaissance d'image
peuvent ainsi être aisément biaisés par ces
cas de piratage, induisant de vrais risques
par exemple pour la conduite autonome
(ex: un panneau de signalisation peut
être très légèrement modifié et être alors
interprété totalement différemment alors
qu'un humain ne se tromperait pas).
2. L
 es conséquences de l’utilisation
de l’IA en termes de profil de risques
pour l’entreprise
Face à ces facteurs et ces enjeux liés à l’IA,
l’utilisation de cette dernière va modifier les
risques auxquels les entreprises font face.
Un bouleversement de
l’environnement concurrentiel
La généralisation de l’IA au sein des
entreprises va transformer les métiers et
par conséquent bouleverser la compétition
traditionnelle, avec le renforcement de
nouveaux acteurs, notamment les GAFAM
(Google, Amazon, Facebook, Apple,
Microsoft) et les start-ups de type Fintech,
Regtech, Healthtech, Biotech, etc.
La dépendance à l’égard de tiers
À l’instar du risque de perte de
souveraineté de la France, développé dans
de nombreux écrits et véritable source
de préoccupation pour le gouvernement,
les entreprises peuvent faire face, quant
à elles, à un risque accru de dépendance
à l’égard des tiers. Selon une étude
Gartner publiée en octobre 2018, seules
33 % des entreprises ont internalisé
le développement des systèmes d’IA.
Les 67 % restants ont recours à des
prestataires et peuvent consommer de l’IA
clé en main ou acquérir des solutions d’IA
qu’elles vont, par la suite, personnaliser en
interne.
Compte tenu des enjeux d’opacité et
d’importance stratégique de l’IA présentés
dans le paragraphe précédent, un recours
massif à l'externalisation, en utilisant des
services tiers (type "Function as a Service"),
notamment sur des aspects liés au cœur
de métier de l'entreprise, pourrait avoir des
impacts importants sur l'indépendance des
entreprises sur le long terme et menacer
également leur compétitivité et leurs
marges.
Défaillance des systèmes d’IA
Les enjeux de fiabilité de l’IA présentés
précédemment peuvent contribuer à
renforcer un risque classique dans les
entreprises : celui de la défaillance des
systèmes d’information. En effet, comme
tout SI ou algorithme, les systèmes
d’intelligence artificielle peuvent être
défaillants et provoquer une interruption
de l’activité et/ou des dysfonctionnements
majeurs (pertes de données, erreurs,
informations incohérentes, etc.). Dans le
cas des IA, de nombreuses causes peuvent
être à l’origine de ce risque : manque
de fiabilité, mauvaise programmation,
exposition accrue aux cybermenaces et
aux cyberattaques, incertitudes liées à
la phase d’apprentissage, risques liés au
recours aux briques open source, etc.
 Intelligence artificielle : quelles évolutions pour les profils de risques des entreprises ? |
Des risques humains et psychosociaux
Dans leur rapport de 2013 intitulé "The
future of employment: How susceptible
are jobs to computerization?", les
auteurs Carl Benedikt Frey et Michael
A. Osborne estiment qu’environ 47 %
des emplois américains sont à risque
avec le machine learning et la robotique.
L’introduction massive d’IA dans la société
va modifier le marché de l’emploi avec
la disparation de certains emplois et la
création de nouveaux. Ce phénomène
n’est cependant pas nouveau, la première
révolution industrielle en constitue un bon
exemple. Plus récemment, de nouvelles
machines ont permis de remplacer des
postes d’opérateurs téléphoniques, de
comptables, ou encore de caissiers.
A l’avenir, avec le développement de
la conduite autonome, des postes de
transporteurs ou de chauffeurs de taxi
pourront également être amenés à
disparaître.
Les changements induits vont réduire les
besoins en personnel sur certains types
de tâches, avec la nécessité de réallouer
et former ces ressources sur d’autres
activités. Si elles sont mal gérées par les
entreprises et si elles déshumanisent le
travail, ces évolutions pourront entraîner
des risques psychosociaux et augmenter
le taux de rotation du personnel. Les
travailleurs pourraient également craindre
une dévalorisation de leurs compétences,
une perte d'autonomie, un contrôle accru
et une perte de sens du travail.
Des risques liés à la transformation
des modèles de compétences
L’IA va permettre la création de nouveaux
emplois, comme cela a été le cas dans
les dernières décennies avec l’apparition
de nouvelles fonctions comme chief
data officer, data scientist, community
manager, data personal officer, etc. Les
entreprises auront donc besoin de trouver
de nouvelles compétences pour mettre
en place, tester et gérer les nouvelles
applications d’IA. La rareté actuelle
sur ce type de compétences pourrait
constituer un risque à court terme. Une
fois les compétences trouvées, la mise
en place d’une gouvernance appropriée
et leur interaction avec les fonctions
traditionnelles vont représenter des défis
majeurs pour les entreprises.
De plus, l’un des enjeux pour les
organisations est de conserver l’expertise
et les compétences nécessaires pour
réaliser les processus manuellement dans
le cas où l’IA dysfonctionnerait ou subirait
une cyberattaque. Par exemple, dans le
cas des robots chirurgiens, on comprend
la nécessité de garder des médecins
formés sur ce type d’opération, en cas de
défaillance de ces robots.
Des risques éthiques
Automatiser une décision ou une tâche
par l’IA est une chose, mais automatiser
la capacité à évaluer ces actions comme
relevant de l’équité, l’éthique et la moralité
en est une autre. Ainsi, cette dernière
forme d’intelligence fait appel à d’autres
formes d’opérations mentales qui ne
peuvent et ne doivent pas répondre
uniquement à une logique algorithmique,
sans avoir été pensées et sans mettre en
œuvre un dispositif de contrôle adapté.
Plus généralement, la généralisation de
l’IA dans notre société va soulever des
questions éthiques au sein des entreprises.
En voici quelques exemples :
• comment concilier la quantité de données
nécessitée par les algorithmes et les
systèmes d’IA avec les principes de
protection des libertés individuelles et
des données personnelles ?
• les biais liés aux systèmes d’IA et
présentés précédemment peuvent
entraîner des dysfonctionnements
d’ordre éthique (discriminations,
inégalités, etc.) ;
• l’IA pourrait être détournée par des
employés ou des entreprises à des fins
malveillantes (fraude, harcèlement, fake
news, etc.) ;
 Risques liés à l'intelligence artificielle
• les systèmes algorithmiques complexes
et très segmentés peuvent entraîner
des formes nouvelles de dilution de la
responsabilité.
Au-delà de ces considérations, les
chercheurs se demandent actuellement
s’il faut ou s’il est possible de parler
d’« éthique des algorithmes ».
Des risques juridiques et de conformité
Avec le développement de l’IA et de
l’opacité qui y est liée, les régulateurs et
les autorités de contrôle vont s’attacher
de plus en plus à la compréhension et
à la justification des systèmes et des
algorithmes.
Ainsi, l’ACPR (Autorité de contrôle
prudentiel et de résolution) a, par
exemple, lancé en décembre 2018 une
consultation publique sur les enjeux du
développement de l’intelligence artificielle
dans le secteur financier. Son objectif étant
de s’assurer que le développement des
techniques d’IA se fait de façon maîtrisée
et est accompagné d’une réflexion
sur la gouvernance, le contrôle et la
compréhension des techniques mises en
œuvre.
Dans ce contexte, il sera important pour
les entreprises de s’organiser par industrie
de manière proactive afin de travailler
avec le régulateur à l’adaptation des règles
applicables. Cela évitera de devoir se
confronter à des réglementations dures
une fois les incidents matérialisés.
11
Intelligence artificielle : quelles évolutions pour les profils de risques des entreprises ? |
 Opportunités liées à l'intelligence articficielle

3 Opportunités liées à
l’intelligence artificielle
L’IA apporte un certain L’automatisation d’une plus grande
variété de tâches
nombre d’éléments Les progrès réalisés en robotique et le
nouveaux qui vont changer développement des algorithmes d'IA
permettent d’étendre le spectre des
la donne et qui ouvrent de tâches réalisables par des machines.
fait la voie à une multitude Désormais, des tâches qui étaient
auparavant uniquement accessibles à
d’opportunités dans tous des intelligences humaines ou qui étaient
Exemple d’application : la santé
les secteurs de l’économie. effectuées par l’homme sont désormais
L’IA est déjà présente dans le domaine de
accessibles à des IA. Cette automatisation
la santé où des programmes de diagnostic
aura pour conséquence de modifier les
médical sont aujourd’hui capables de
tâches que l’on attribuera aux hommes,
réaliser des diagnostics tout aussi fiables
les machines pouvant traiter les tâches les que les experts humains dans plusieurs
plus simples et les plus classiques, tandis spécialités médicales.
que l’homme pourra dégager du temps Les algorithmes permettent, par exemple,
pour se concentrer sur des tâches plus via la reconnaissance, la classification et
complexes nécessitant un raisonnement de le traitement de l'image, de détecter des
sens commun et un jugement professionnel cancers, ou via l'analyse des publications
humain. médicales, d'identifier des possibilités de
traitement adaptées à un cas particulier.
Une meilleure exploitation des données
disponibles
De par leur nature, les humains bénéficient
d’une capacité de raisonnement et d’une
mémoire limitée contrairement aux
machines dont les capacités de calcul et de
mémoire augmentent d’année en année.
Ainsi, les machines dotées d’IA peuvent
traiter des décennies de cas juridiques,
d’articles de revues médicales ou d’écritures
comptables avec un effort minimal, et
d’établir des corrélations difficilement
détectables par une intelligence humaine.

12
 Intelligence artificielle : quelles évolutions pour les profils de risques des entreprises ? |
Une optimisation et une
objectivisation des prises de décisions
L’une des grandes forces de l’intelligence
humaine est la capacité à prendre des
décisions sur la base d’un ensemble de
données mises à sa disposition de manière
consciente et inconsciente. Cependant,
l’homme n’étant pas omniscient, ces
décisions ne sont pas strictement objectives
et sont généralement biaisées car elles
sont influencées par nos émotions, la
surgénéralisation de nos expériences
personnelles, par notre rationalité et
mémoire limitée, ou encore par le moment
de la journée où nous prenons une décision.
L’utilisation d’algorithmes d’IA permet
de corriger le biais de nos jugements et
décisions, à condition que les données
fournies à l’IA ne possèdent pas ce biais
initial. En dehors des considérations
éthiques, les décisions prises par les
IA pourraient être optimisées et plus
objectives.
Une efficacité accrue
Selon les tâches à traiter ou les problèmes à
résoudre, les IA pourront être plus efficaces
que les intelligences humaines, engendrant
ainsi un gain d’efficacité pour l’entreprise.
De plus, contrairement à l’homme qui a
des ressources limitées, les IA, en tant que
machines, ne se fatiguent pas et peuvent
diminuer le risque d’erreurs et de fautes
d’inattention.
 Opportunités liées à l'intelligence articficielle
Exemple d’application : l’aéronautique
Le secteur aéronautique n’échappe pas aux évolutions
liées à l’IA. Par exemple, à l’heure actuelle, des
programmes ont permis d'automatiser l'analyse
des images satellites, un travail qui était auparavant
effectué à la main avec une précision inférieure à
celle des ordinateurs. Par ailleurs, des drones ont
la capacité de voler en entière autonomie grâce
à des algorithmes permettant d’optimiser leurs
trajectoires et d’éviter les collisions. Des recherches
sont également en cours sur des essaims de drones
qui évolueraient dans l’espace aérien selon une
intelligence collective, ce qui pourrait apporter une
supériorité technologique sur les champs de bataille.
Cette technologie, applicable à terme dans d'autres
domaines pour faire collaborer robots et IA, s'appelle
le "Swarming". Dans le futur, l’IA permettra d’effectuer
des vols autonomes ou encore d’optimiser le trafic
dans un espace aérien en permettant à l’avion d’être
en interaction permanente avec son écosystème
de vol (terminaux, pistes, autres avions, contrôle
aérien…).
Exemple d’application : le secteur financier
Le secteur financier capitalise déjà sur l’IA.
Cette dernière représente un véritable enjeu de
compétitivité stratégique pour les banques et les
assureurs. L’analyse poussée des données permet
de mieux comprendre les besoins des clients et
d’adapter en conséquence les produits financiers.
Elle transforme également la relation client par le
biais d’outils comme les chatbots et les voicebots… et
permet d’améliorer la compréhension par le client ou
le conseiller d’offres produits ou services complexes
(assistant bancaire, robot-advisor…). Par ailleurs,
la gestion des risques, fortement supervisée par le
régulateur en milieu bancaire, peut également se
trouver renforcée par l’IA (par exemple : amélioration
des processus de détection du blanchiment), prévision
du risque systémique...
13
Intelligence artificielle : quelles évolutions pour les profils de risques des entreprises ? |
 Conclusion

4
Conclusion
L'IA peut s'avérer plus fiable et pertinente que l'homme, sur des
verticaux métiers...
Cependant, sans prise en compte globale de l'écosystème dans
lequel elle évolue, et en raison de risques de défaillances, biais
ou incidents, il est impératif d'assortir son développement et sa
mise en œuvre à des dispositifs de maîtrise réfléchis et définis
par les hommes et l'entreprise.

14
Intelligence artificielle : quelles évolutions pour les profils de risques des entreprises ? |
 Section title goes here

15
Contacts

Sonia Cabanis Gregory Abisror Marc Duchevet

Associée, Risk Advisory Associé, Risk Advisory Associé, Risk Advisory
scabanis@deloitte.fr gabisror@deloitte.fr mduchevet@deloitte.fr
01 58 37 03 04 01 58 37 94 03 01 55 61 27 72

#FRANCE
PARTNER 2023

#FRANCE
PARTNER 2023

PARTENAIRE

#FRANCE
#FRANCE PARTENAIRE 2023
2023 2

Deloitte fait référence à un ou plusieurs cabinets membres de Deloitte Touche

Tohmatsu Limited (DTTL), société de droit anglais (« private company limited
COUPE DU MONDE DE RUGBY
by guarantee »), et à son réseau de cabinets membres constitués en entités #FRANCE
indépendantes et juridiquement distinctes. DTTL (ou « Deloitte Global ») ne PARTENAIRE 2023
fournit pas de services à des clients. Pour en savoir plus sur notre réseau
global de firmes membres : www.deloitte.com/about. En France, Deloitte SAS
est le cabinet membre de Deloitte Touche Tohmatsu Limited, et les services
professionnels sont rendus par ses filiales et ses affiliés.

Deloitte fournit des services professionnels en audit & assurance, consulting,

financial advisory, risk advisory, juridique & fiscal et expertise comptable à
ses clients des secteurs public et privé, quel que soit leur domaine d’activité.
Deloitte sert près de 90% des 2018 Fortune Global 500® companies à travers
un réseau de firmes membres dans plus de 150 pays, et allie des compétences
de niveau international à un service de grande qualité afin d’aider ses clients à
répondre à leurs enjeux les plus complexes. Pour en savoir plus sur la manière
dont nos 286 000 professionnels make an impact that matters (agissent pour
ce qui compte), connectez-vous et échangez avec nous sur Facebook, LinkedIn
ou Twitter.

En France, Deloitte mobilise un ensemble de compétences diversifiées pour

répondre aux enjeux de ses clients, de toutes tailles et de tous secteurs – des
grandes entreprises multinationales aux microentreprises locales, en passant
par les ETI et PME. Fort de l’expertise de ses 11 900 collaborateurs et associés,
Deloitte en France est un acteur de référence en audit & assurance, consulting,
financial advisory, risk advisory, juridique & fiscal et expertise comptable, dans
le cadre d’une offre pluridisciplinaire et de principes d’action en phase avec les
exigences de notre environnement.

Deloitte
6 place de la Pyramide – 92908 Paris-La Défense Cedex

© Février 2019 Deloitte Conseil - Une entité du réseau Deloitte

Tous droits réservés - Studio Design Paris
Crédit images : Freepik / Flaticon