Un secteur en transformation profonde
Le secteur des services financiers est l'un des plus avancés dans l'adoption de l'intelligence artificielle, et le Québec ne fait pas exception. Les institutions financières québécoises, Desjardins, la Banque Nationale, iA Groupe financier, la Banque Laurentienne et les nombreuses fintechs montréalaises, déploient des systèmes d'IA dans pratiquement tous les aspects de leurs opérations. De la détection de fraude à l'évaluation du crédit, de la personnalisation des services à la gestion des risques, l'IA redéfinit la finance québécoise. Cette transformation soulève des enjeux de gouvernance considérables, à l'intersection du droit financier, de la protection des données et de l'équité.
Les applications d'IA dans la finance québécoise
La détection de fraude est l'application la plus mature de l'IA en finance. Les systèmes d'apprentissage automatique analysent en temps réel des millions de transactions pour identifier des patterns suspects, avec une précision qui surpasse largement les systèmes traditionnels fondés sur des règles statiques. Desjardins, qui a subi une importante fuite de données personnelles en 2019, a considérablement investi dans des systèmes d'IA de surveillance et de détection des fraudes.
L'évaluation du crédit par l'IA permet d'analyser un éventail beaucoup plus large de données que les méthodes traditionnelles pour évaluer la solvabilité d'un emprunteur. Au-delà des antécédents de crédit classiques, les modèles d'IA peuvent intégrer des données comportementales, transactionnelles et même des données alternatives pour produire des évaluations plus fines. Cette capacité peut favoriser l'inclusion financière, en permettant d'accorder du crédit à des personnes sans historique de crédit traditionnel, mais elle peut aussi introduire des discriminations subtiles si les données utilisées reflètent des inégalités sociales existantes.
La gestion des investissements fait de plus en plus appel à l'IA. Les robots-conseillers (robo-advisors) proposent des stratégies d'investissement personnalisées à une fraction du coût des conseillers humains. Les algorithmes de trading à haute fréquence exécutent des milliers de transactions par seconde. Les systèmes d'analyse de marché traitent des volumes massifs de données, communiqués financiers, nouvelles, données de marché, pour informer les décisions d'investissement.
Le service client est transformé par les agents conversationnels qui traitent une proportion croissante des interactions avec les clients, répondant aux questions courantes, résolvant des problèmes simples et dirigeant les cas complexes vers des conseillers humains.
Le cadre réglementaire applicable
Les services financiers au Canada sont réglementés à deux niveaux. Au niveau fédéral, le Bureau du surintendant des institutions financières (BSIF) supervise les banques à charte fédérale. Au niveau provincial, l'Autorité des marchés financiers (AMF) du Québec réglemente les institutions financières provinciales, les assureurs, les courtiers et les gestionnaires de fonds.
Le BSIF a publié des orientations sur la gestion des risques liés à l'utilisation de la technologie et de l'IA dans les institutions financières fédérales, incluant des attentes en matière de gouvernance des modèles, de gestion des données et de surveillance. L'AMF, pour sa part, suit de près l'évolution de l'IA dans le secteur financier québécois et a commencé à intégrer les enjeux de l'IA dans son cadre de surveillance.
La Loi 25 s'applique pleinement aux institutions financières québécoises pour ce qui concerne la protection des renseignements personnels de leurs clients. Les obligations de transparence, de consentement et d'évaluation des risques de la Loi 25 sont particulièrement pertinentes lorsque les institutions utilisent l'IA pour traiter les données personnelles de leurs clients.
Les enjeux d'équité et de discrimination
L'utilisation de l'IA dans les décisions de crédit et d'assurance soulève des préoccupations majeures en matière d'équité. Les modèles d'apprentissage automatique, entraînés sur des données historiques, peuvent reproduire et amplifier les discriminations présentes dans ces données. Si les données montrent que certains groupes démographiques ont historiquement eu des taux de défaut plus élevés, en raison de facteurs socio-économiques systémiques, le modèle peut pénaliser les membres de ces groupes indépendamment de leur situation individuelle.
La Charte des droits et libertés de la personne du Québec interdit la discrimination dans les contrats, y compris les contrats financiers. Mais la détection de discrimination algorithmique est techniquement complexe : les modèles d'IA peuvent discriminer de manière indirecte, en utilisant des variables corrélées avec des caractéristiques protégées (code postal, type d'emploi, habitudes de consommation) sans utiliser explicitement ces caractéristiques.
Les organisations québécoises de défense des droits, la Commission des droits de la personne et des droits de la jeunesse, les cliniques juridiques communautaires, doivent être équipées pour détecter et contester la discrimination algorithmique dans les services financiers.
L'IA et la conformité réglementaire
Paradoxalement, l'IA est aussi un outil puissant de conformité réglementaire. Les systèmes de « RegTech » (technologie de réglementation) utilisent l'IA pour automatiser la vérification de la conformité, le suivi des changements réglementaires, la production de rapports et la détection de blanchiment d'argent.
La lutte contre le blanchiment d'argent et le financement du terrorisme est un domaine où l'IA apporte une valeur considérable. Les systèmes traditionnels de surveillance, fondés sur des règles rigides, génèrent un nombre considérable de faux positifs, des alertes pour des transactions légitimes, qui mobilisent des ressources importantes pour l'investigation. Les systèmes d'IA réduisent ce taux de faux positifs tout en améliorant la détection des activités réellement suspectes.
Les fintechs québécoises et l'IA
L'écosystème fintech québécois, concentré à Montréal, est un creuset d'innovation en IA financière. Des entreprises comme Hopper (prédiction de prix de billets d'avion), Frank (gestion financière personnelle) et de nombreuses start-ups développent des applications financières propulsées par l'IA.
La réglementation de ces acteurs soulève des défis spécifiques. Le cadre réglementaire financier traditionnel a été conçu pour des institutions établies, avec des processus de supervision qui ne sont pas toujours adaptés à l'innovation rapide des fintechs. Le bac à sable réglementaire (regulatory sandbox) de l'AMF permet à certaines entreprises innovantes de tester leurs produits dans un cadre réglementaire allégé, sous supervision. Ce mécanisme est un outil précieux pour concilier innovation et protection des consommateurs.
Recommandations
Le Québec devrait développer des lignes directrices spécifiques pour l'utilisation de l'IA dans les services financiers, en coordination avec l'AMF, renforcer les mécanismes de détection de la discrimination algorithmique dans les décisions de crédit et d'assurance, soutenir la formation des équipes de conformité des institutions financières aux enjeux de l'IA, encourager le développement d'outils d'audit algorithmique pour le secteur financier, et maintenir des mécanismes d'innovation réglementaire comme le bac à sable de l'AMF.
Conclusion
Les services financiers québécois sont à la pointe de l'adoption de l'IA, mais cette avance technologique doit s'accompagner d'une gouvernance à la hauteur des enjeux. L'équité, la transparence et la protection des consommateurs doivent rester au cœur de la transformation numérique du secteur financier. Le Québec, avec son cadre juridique distinct et ses institutions de surveillance, a les outils pour construire un modèle de finance augmentée par l'IA qui soit à la fois innovant et responsable.
