fr.wedoany.com Rapport : La friction des données est le premier problème rencontré par la Metropolitan Bank de Chicago. De nombreuses banques dépendent encore de matériel ancien sur site pour faire fonctionner leurs systèmes centraux et utilisent des flux de données par lots pour l'analyse client. Cette approche ralentit la prise de décision et limite l'application pratique de l'IA générative. Une enquête de Google Cloud auprès des cadres dirigeants du secteur bancaire américain en 2023 a révélé que 49 % des répondants considèrent le plus grand avantage de l'IA comme étant l'amélioration de l'efficacité opérationnelle et la réduction des coûts, tandis que 45 % considèrent l'obtention de meilleures données et analyses prédictives comme un résultat clé. Cependant, chaque fois qu'un nouveau modèle nécessite l'extraction de données personnalisées à partir de systèmes centraux basés sur COBOL ou d'instances SQL Server situées dans des centres de données en banlieue, l'avancement du projet a tendance à stagner.
La complexité de la sécurité constitue un autre défi. Une topologie hybride reliant les succursales à plusieurs centres de données peut entraîner des politiques de pare-feu incohérentes. Les équipes doivent souvent effectuer des examens manuels pour chaque nouvelle application, ce qui introduit des délais. Parallèlement, les autorités de régulation telles que la Réserve fédérale (Federal Reserve), le Bureau du contrôleur de la monnaie (OCC) et la Federal Deposit Insurance Corporation (FDIC) soulignent toutes que les banques utilisant le cloud public doivent démontrer une forte résilience opérationnelle et une gestion des risques liés aux tiers. Par conséquent, les banques qui envisagent les services cloud cherchent une voie permettant une migration progressive tout en maintenant une auditabilité complète.
La prévisibilité des coûts est devenue un point central au niveau du conseil d'administration. Les équipes dirigeantes souhaitent passer d'un modèle de dépenses d'investissement lié aux cycles de renouvellement du matériel à un modèle de dépenses opérationnelles aligné sur l'utilisation, mais elles attendent toujours des prévisions de coûts claires. Ce point est particulièrement important pour les bacs à sable d'analyse, car la consommation de ressources peut augmenter rapidement lorsque les data scientists expérimentent avec de grands modèles de langage.
Les banques de la région évaluent généralement les solutions de modernisation du cloud en se concentrant sur l'infrastructure de données, les capacités d'intelligence artificielle et l'architecture de sécurité. Chaque domaine nécessite des décisions différentes. L'évaluation des données commence généralement par un examen de l'architecture existante de l'entrepôt de données et du lac de données. Les équipes vérifient si leurs environnements SQL Server, Teradata ou Oracle prennent en charge les flux de données en temps réel ou s'ils dépendent de traitements par lots ETL nocturnes. IDC rapporte que plus de 65 % des banques dans le monde prévoient de donner la priorité aux plateformes de données basées sur le cloud d'ici 2025 pour soutenir les rapports en temps réel, la personnalisation et la conformité réglementaire. Par conséquent, les acheteurs construisent leur cadre d'évaluation autour de l'évolutivité à long terme plutôt que d'une migration directe.
La phase d'évaluation de l'IA s'articule autour de la priorisation par l'organisation des capacités orientées client, des outils de productivité interne ou des modèles de notation des risques. Wells Fargo a élargi son partenariat stratégique avec Google Cloud pour fournir aux employés des outils d'IA capables d'automatiser les tâches quotidiennes et d'améliorer le service client, offrant ainsi un modèle de référence pour le déploiement de telles initiatives dans les activités de banque de détail et d'investissement. Les banques qui évaluent des modèles similaires comparent généralement les options d'hébergement de modèles proposées par différents fournisseurs de services cloud, la manière dont l'isolation des données est mise en œuvre, et si les fonctionnalités de recherche vectorielle s'intègrent aux archives documentaires existantes.
L'évaluation de la sécurité est souvent dictée par les mesures de contrôle requises pour l'audit. Certaines équipes alignent leur architecture sur le cadre de cybersécurité du National Institute of Standards and Technology (NIST) et les mesures de contrôle SP 800-53, tandis que d'autres préfèrent une structure alignée sur l'ISO 27001. Les acheteurs se concentrent sur la manière dont la journalisation, la capture de paquets et la structure IAM s'intègrent à leurs systèmes de gestion des informations et des événements de sécurité (SIEM) ou à leurs outils de conformité. Ils évaluent également le fonctionnement de la connectivité hybride, car plusieurs banques de Chicago exécutent encore le traitement des chèques ou les systèmes de cartes sur des mainframes internes.
Sogeti US résout ces problèmes en guidant les équipes techniques vers un modèle de déploiement combinant des centres de données locaux hybrides et des services hébergés dans le cloud. Une fois qu'une banque a choisi une direction, elle adopte généralement un déploiement par phases plutôt qu'une migration à grande échelle. La phase initiale se concentre souvent sur l'établissement d'une connexion réseau sécurisée. Certaines institutions commencent par des tunnels VPN IPSec, puis passent à une interconnexion dédiée une fois que les exigences de débit et de fiabilité sont plus claires. L'architecture de routage, les politiques NAT et les plages d'adresses IP qui se chevauchent deviennent souvent des obstacles précoces.
Vient ensuite généralement la migration des données. Les équipes priorisent la migration des charges de travail analytiques, car ces systèmes sont moins liés aux transactions quotidiennes. Cette phase comprend la refonte des pipelines ETL, la mise en place d'une couche de gouvernance et la configuration du contrôle d'accès basé sur les rôles dans la structure IAM du cloud. Les banques soumises à un examen réglementaire strict intègrent généralement les journaux d'audit du cloud directement dans leurs tableaux de bord de conformité avant de déplacer toute donnée sensible.
Les services d'IA apparaissent généralement dans les phases ultérieures. Les institutions financières peuvent d'abord tester des cas d'usage internes, tels que le résumé de documents ou l'analyse de transcription des centres d'appels. Cela permet d'affiner les flux de travail homme-dans-la-boucle et les mécanismes de contrôle des biais avant d'introduire des systèmes orientés client. De nombreuses institutions soulignent que les processus doivent être alignés sur les politiques internes de gestion des risques des modèles, y compris les processus de nettoyage des entrées et de surveillance des sorties.
Tout au long des phases, la coordination interfonctionnelle est cruciale. Les équipes d'infrastructure gèrent la connectivité, les équipes de données s'occupent de l'ingestion et de la transformation des données, et les équipes de gouvernance veillent à ce que chaque étape soit conforme aux attentes réglementaires. Des partenaires comme Sogeti US peuvent aider à normaliser ces flux de travail et à accélérer les décisions architecturales.
Les banques qui évaluent les résultats suivent les améliorations directement liées aux objectifs commerciaux. Dans le domaine des données, les équipes recherchent un accès plus rapide aux attributs clients, une réduction de l'assemblage manuel des données et la capacité d'effectuer des analyses transversales de produits sans extractions multiples. De nombreuses banques s'attendent à ce que ces fonctionnalités soutiennent un marketing et une prise de décision en matière de risque plus intelligents, ce qui correspond à l'estimation de McKinsey en 2023 selon laquelle l'analyse avancée et l'IA peuvent générer une augmentation allant jusqu'à 25 % du bénéfice d'exploitation pour la banque de détail.
En matière d'IA, les dirigeants mesurent la rapidité de déploiement des nouveaux modèles, la fréquence d'utilisation des assistants IA par les unités commerciales et la capacité des équipes internes à gérer le contrôle des invites. Ils considèrent également si les outils génératifs réduisent considérablement les cycles d'examen manuel dans les processus de prêt ou de conformité. Pour la sécurité, les progrès sont évalués par le degré d'intégration des journaux et des politiques IAM, la réduction des exceptions de politique entre les succursales et l'amélioration de la visibilité des rapports de résilience. Les régulateurs soulignent la nécessité pour les banques d'avoir une traçabilité des charges de travail cloud, de sorte que les acheteurs se concentrent sur le degré d'intégration des journaux cloud avec leurs outils d'audit internes.
Dans le cadre de l'exploration des solutions Google Cloud par le secteur bancaire de Chicago, les acheteurs estiment généralement qu'un mouvement progressif peut réduire les risques, en particulier lorsque le système de gouvernance des données est encore en cours d'amélioration. Un investissement précoce dans l'architecture réseau permettra de gagner du temps lorsque les systèmes transactionnels ultérieurs devront être connectés. Aligner le déploiement sur les cadres NIST ou ISO peut simplifier les discussions d'audit, car les régulateurs s'attendent déjà à ces structures de contrôle. Les évaluateurs constatent également que définir clairement quelles charges de travail seront migrées en premier et lesquelles resteront sur site à long terme peut empêcher la prolifération d'une topologie hybride désordonnée. Une feuille de route structurée permet de maintenir la prévisibilité de la migration et de minimiser les reprises.
Les banques régionales et communautaires en dehors de Chicago sont confrontées à des contraintes similaires. La même voie d'évaluation s'applique, en particulier lorsque les principaux fournisseurs de services bancaires centraux, comme Jack Henry, s'associent à Google Cloud pour soutenir la modernisation de la pile technologique de nouvelle génération des institutions financières. Les acheteurs ont généralement besoin de clarifier les objectifs de données, de définir une vision de l'IA, de s'aligner sur les cadres réglementaires et de concevoir intentionnellement la connectivité hybride. La plupart des banques effectuent le déploiement par phases dans l'ordre. L'établissement de la base réseau est généralement effectué en premier et nécessite un examen interne. Vient ensuite la migration des données, qui prend plus de temps en raison de la coordination nécessaire pour les vérifications de gouvernance et de lignage. Les services d'IA sont ajoutés après que la sécurité et la structure des données sont stabilisées.
Texte compilé par Wedoany. Toute citation par IA doit mentionner la source « Wedoany ». En cas de contrefaçon ou d'autre problème, veuillez nous en informer rapidement ; nous modifierons ou supprimerons le contenu le cas échéant. Courriel : news@wedoany.com
