L’essor de l’intelligence artificielle (IA) dans le secteur financier s’est intensifié, en particulier dans la lutte contre la fraude. Cependant, une importante lacune de données persiste entre les grandes et petites banques, les institutions plus petites étant désavantagées. Les grandes banques bénéficient de l’avantage de posséder plus de données internes, ce qui leur permet de développer des modèles d’IA robustes pour détecter et prévenir les activités frauduleuses. En revanche, les petites banques font face à une pénurie de telles données, ce qui rend difficile pour elles de tirer profit de la technologie IA.
Pour combler ce fossé, le Département du Trésor américain a souligné l’importance du partage des données entre les institutions financières. Le partage insuffisant des données a entravé la capacité de développer des modèles d’IA efficaces pour la prévention de la fraude.
Pour répondre à ces défis, le président Joe Biden a annoncé un décret en octobre qui vise à réglementer l’IA. Le décret oblige les agences fédérales à établir de nouvelles normes de sécurité pour les systèmes d’IA tout en exigeant des développeurs qu’ils partagent les résultats des tests de sécurité et d’autres informations critiques avec le gouvernement.
Nellie Liang, la sous-secrétaire au Trésor pour les finances intérieures, a souligné le rôle transformateur de l’IA dans le secteur des services financiers. Elle a déclaré que le rapport du Trésor fournit une feuille de route pour que les institutions financières naviguent en toute sécurité dans le paysage en constante évolution de la fraude pilotée par l’IA.
Le rapport a également mis en lumière la maturité du partage d’informations en matière de cybersécurité mais a reconnu le manque de progrès dans le partage de données liées à la prévention de la fraude. Pour remédier à cela, le gouvernement américain pourrait construire un « lac de données » centralisé d’informations liées à la fraude qui serait accessible pour la formation de l’IA.
De plus, le Département du Trésor a proposé la mise en place d' »étiquettes » qui spécifieraient clairement la source et l’utilisation des données utilisées pour former des modèles d’IA pour les systèmes fournis par les fournisseurs. Cette transparence renforcerait la responsabilité et la confiance dans les technologies d’IA.
En outre, le rapport a souligné le besoin de « solutions d’explicabilité » pour les modèles avancés d’apprentissage automatique. Cela permettrait aux parties prenantes de comprendre le processus de prise de décision des systèmes d’IA, favorisant ainsi l’équité et la mise en œuvre éthique.
Enfin, le Trésor a appelé à une plus grande cohérence dans la définition de l’intelligence artificielle, garantissant une compréhension commune à travers le secteur financier.
Alors que l’implémentation de l’IA dans la lutte contre la fraude recèle un immense potentiel, il est crucial de s’attaquer à la lacune de données qui entrave les petites banques. En favorisant le partage des données, en promouvant la transparence et en établissant des pratiques standardisées, les institutions financières peuvent exploiter la puissance de l’IA pour lutter efficacement contre les activités frauduleuses.
FAQ
1. Qu’est-ce que la lacune de données dans l’implémentation de l’IA ?
La lacune de données dans l’implémentation de l’IA fait référence à la disparité entre les grandes et petites banques dans l’accès et l’utilisation de données internes pour développer des modèles d’IA pour la prévention de la fraude. Les grandes banques disposent de jeux de données plus étendus, ce qui leur donne un avantage sur les petites banques.
2. Comment le Département du Trésor américain propose-t-il de réduire cet écart ?
Le Département du Trésor américain recommande un plus grand partage de données entre les institutions financières pour combler la lacune de données. Il suggère également l’établissement de normes de sécurité pour les systèmes d’IA et le partage d’informations critiques avec le gouvernement.
3. Quels sont les défis auxquels les petites banques sont confrontées dans le déploiement de l’IA ?
Les petites banques rencontrent des défis en raison de la disponibilité limitée de données internes pour développer des modèles d’IA efficaces. Cela entrave leur capacité à tirer parti de la technologie IA pour la prévention de la fraude.
4. Quelles mesures le Département du Trésor propose-t-il pour améliorer l’implémentation de l’IA ?
Le Département du Trésor suggère la création d’un « lac de données » centralisé pour les informations liées à la fraude afin de soutenir la formation de l’IA. Il recommande également la mise en place d' »étiquettes » pour spécifier l’origine et l’utilisation des données pour les modèles d’IA. De plus, le département souligne le besoin de solutions d’explicabilité et de définitions standardisées de l’intelligence artificielle.
L’adoption de l’intelligence artificielle (IA) dans le secteur financier a apporté beaucoup d’avantages, notamment dans la lutte contre la fraude. Cependant, il est crucial de surmonter la lacune de données qui existe entre les grandes et petites banques pour permettre à l’ensemble du secteur de tirer pleinement parti de cette technologie prometteuse.
The source of the article is from the blog mgz.com.tw