Comment les institutions de services financiers devraient envisager les données non structurées et pourquoi c’est important pour une stratégie d’IA d’entreprise efficace

La capacité d’exploiter les données non structurées est un élément essentiel d’une stratégie data efficace pour 2025 et au-delà. Pour suivre la concurrence et le rythme accéléré de l’innovation grâce à l’IA, les entreprises doivent être en mesure d’exploiter le trésor de valeur enfoui dans les montagnes de données non structurées qui représentent environ 80 % de toutes les données des entreprises, qu’il s’agisse de journaux de centres d’appel, d’avis clients, d’e-mails et de rapports de sinistre, d’actualités, de déclarations et de transcriptions. Même s’il s’agit d’une proportion considérable des données d’une entreprise, de nombreuses institutions de services financiers ne savent toujours pas comment les utiliser efficacement. 

La clé ? Disposer d’une stratégie data efficace avec une plateforme capable de prendre en charge à la fois les données structurées et non structurées. Sans cela, les responsables data risquent d’avoir du mal à faire exécuter l’IA générative à l’échelle d’une entreprise afin d’optimiser la valeur. 

Les entreprises qui cherchent à tirer parti de leurs données non structurées doivent trouver comment accomplir trois choses souvent difficiles : 

• Rapprocher leurs données : Quel est le bon paradigme pour acquérir des données non structurées ? 

• Analyser les données : À quoi ressemble l’analyse des données non structurées ? 

• Utiliser les données une fois transformées : Comment les données peuvent-elles être accessibles aux différents collaborateurs d’une entreprise afin de trouver les bonnes informations ? 

Créer de la valeur pour les clients, un cas d’usage à la fois

La capacité d’exploiter ce qui précède permet aux responsables data d’avancer dans l’optimisation des cas d’usage tangibles dont les clients réels peuvent bénéficier. Voici quelques exemples du secteur financier dans lesquels les données non structurées peuvent avoir un impact.

• Traitement d’un sinistre d’assurance : le processus de demande d’indemnisation est complexe et essentiel à la satisfaction des clients. Dès le dépôt d’une demande d’indemnisation, que ce soit en ligne, via un centre d’appel ou via une application mobile, celle-ci subit plusieurs étapes clés. La demande doit être évaluée, acheminée au service approprié selon le type et la complexité, faire l'objet d'une enquête de validité et, en fin de compte, être résolue par règlement ou paiement. 

  Ce processus exige souvent que les gestionnaires de sinistres examinent un large éventail de données, y compris les notes, les contrats, les journaux des centres d'appel et même des vidéos et des photos. Les enquêtes peuvent aussi faire appel à des outils de détection des fraudes, à des inspections sur place et à la collaboration avec des experts externes.

• Soutien aux primo-accédants : acheter une maison est l’un des événements les plus excitants pour beaucoup de gens, mais cela peut aussi être un casse-tête. Le processus nécessite beaucoup de documentation. Les demandes de prêt, les relevés de compte, les déclarations de revenus et les évaluations foncières contiennent tous les renseignements nécessaires, mais peuvent être difficiles à traiter à grande échelle. Grâce aux fonctionnalités de traitement de texte basées sur l’IA, les agents et les souscripteurs peuvent analyser plus rapidement et plus efficacement les documents, identifier les lacunes ou les erreurs et accélérer l’expérience d’achat de maison pour les clients.

• La recherche quantitative et l’analyse des investissements : le tuning de données structurées telles que les prix, les estimations et les données environnementales, sociales et de gouvernance (ESG) n’est que le début d’une recherche quantitative et d’une analyse d’investissement précieuse. Pour les gestionnaires d’actifs avisés, exploiter des données non structurées avec des LLM est le prochain obstacle à la génération d’alpha. L’analyse d’éléments tels que des documents financiers d’entreprise peut s’avérer complexe, tout comme celle d’actualités pertinentes ou des opinions sur les réseaux sociaux, autant d’éléments qui peuvent aider à comprendre les paysages sectoriels ou à faire évoluer les attitudes qui ont un impact sur les marchés. 

Sans IA générative, l’utilisation de ces ressources de données non structurées pour les études de marché nécessite des compétences avancées en traitement du langage naturel et de longues heures de travail. Mais avec les bons outils basés sur l’IA, les gestionnaires d’actifs et les quantificateurs peuvent accélérer le résumé et donner aux gestionnaires d’actifs les moyens d’effectuer des analyses plus approfondies – et uniques –, pour générer en fin de compte de l’alpha (ou du moins des informations plus rapides). 

Comment Snowflake aide à exploiter la puissance des données non structurées

Les leaders des services financiers s’efforcent de faire correspondre leur stratégie d’IA et de données non structurées aux opportunités et cas d’usage susmentionnés, tout en maintenant la sécurité, l’évolutivité et le contrôle des coûts. Snowflake fournit à ces leaders une pile d’IA facile à déployer, efficace à faire évoluer et fiable pour maintenir la sécurité. Cette pile s’appelle Snowflake Cortex AI. 

Cortex AI englobe l’IA full-stack, c’est-à-dire qu’elle commence dès l’ingestion des données et se poursuit jusqu’au déploiement d’applications basées sur l’IA. Cortex AI met à disposition des fonctions pour traiter des données non structurées, créer des intégrations vectorielles et exécuter des recherches vectorielles, déployer des LLM de fondation, construire des architectures de génération augmentée de récupération (RAG) ou discuter avec des données structurées dans une architecture unifiée. 

Cortex AI permet aux développeurs d’intégrer des modèles de pointe de sociétés telles que Google, Anthropic, Meta, Mistral AI et d’autres à leurs données, grâce à une infrastructure de GPU évolutive, plutôt que d’envoyer leurs données à des modèles externes. Cela facilite le déploiement efficace des applications et permet de conserver une architecture unique de gouvernance et de sécurité à mesure que les données progressent, de l’ingestion à la transformation et aux applications d’IA générative. 

Cette pile unifiée permet à nos clients de consacrer leur temps à générer un retour sur investissement de l’IA.

Pour en savoir plus sur l’exploitation des données non structurées, téléchargez le Plan d’adoption de l’IA pour les services financiers ou inscrivez-vous dès maintenant à Accelerate pour voir des démos réelles.