Réseaux sociaux, messagerie, site d’e-commerce... L’usage de bots se développe rapidement ces dernières années. Mais, en matière de services financiers, il semblerait que ces fameux robots intelligents ne soient pas encore efficaces. Dans une étude, Forrester explique ainsi qu’il faudra patienter deux à trois ans avant de pouvoir les utiliser.

La fiabilité des bots serait encore trop aléatoire pour permettre aux banques de les utiliser aujourd’hui. C'est en tout cas ce que révèle Forrester dans sa dernière étude sur le sujet. Un constat que Peter Wannemacher, analyste pour le cabinet et auteur du rapport, explique de manière imagée : « Si la commande de tacos via un bot est laborieuse ou ne marche pas, cela n’est pas très grave. En revanche, lorsqu’il s’agit d’opérations ou de conseils portant sur l’argent, les enjeux sont trop élevés ».

Quelques institut bancaires ont tenté d’intégrer des bots à leur service. Depuis mars 2016, Capital One utilise l’intelligence artificielle d’Amazon, Alexa, pour permettre à ses clients d’effectuer des actions simples, comme le règlement de facture. Bank of America a déclaré de son côté vouloir développer un bot pour Facebook Messenger. Enfin, en Chine, des banques comme Bank of China, China Construction Bank ou encore China Merchants Bank, utilisent déjà des robots via la messagerie WeChat. Face à ces balbutiements d’innovation, Forrester met en garde les acteurs du secteur bancaire et invite les dirigeants d’établissements à prendre le temps de développer des services sécurisés et efficaces.

A relire : Tout comprendre des bots, ces nouveaux robots à tout-faire

Selon cette étude, les bots d’aujourd’hui ne permettent pas aux clients d’obtenir une meilleure expérience utilisateur. Elle serait même parfois pire. Si les robots présents dans les messageries, à l'instar des bots de Facebook Messenger, semblent fonctionner correctement, ils décevraient les banques et leurs clients, avance l'auteur. Ainsi, sur un tiers des requêtes effectuées par Forrester, les bots fournissaient une réponse erronée, sans rapport, ou n’étaient simplement pas en mesure de répondre. De plus, comme le souligne l’auteur du rapport, le secteur bancaire est sensible : il s’agit de traiter de l’argent.

Si un bot se trompe lorsqu’on lui demande l’horaire d’une séance de cinéma, c’est une chose. En revanche, l’utilisateur sera bien moins enclin à pardonner si le robot se fourvoie sur une action liée à son épargne. À titre d’exemple, on peut imaginer demander à un bot à combien s’élève le solde disponible sur un compte, et faire face à une réponse déconcertante : « indéfini ». Dans le cadre d’une utilisation quotidienne durant laquelle un client aurait besoin de connaitre son solde avant d’effectuer une transaction, cela peut se révéler désastreux.

A relire : Les pièges à éviter avant de lancer son chatbot

Mais Forrester reste optimiste et explique que l’intelligence artificielle qui anime les bots va s’améliorer. L’étude tempère toutefois ce propos en expliquant que les banques ne seront pas des acteurs de premier plan de cette évolution technologique. Ce sont aux startups du secteur technologique, bien plus compétentes, que doit être déférée cette tâche. Le rôle imputable aux établissements bancaires serait plutôt celui d’optimiser leurs données et leurs systèmes dans l’optique d’être prêts à utiliser la prochaine génération de bots.

" Les banques qui créeront un nouveau mode de consommation, basée sur une intelligence artificielle conversationnelle, sont celles qui investissent actuellement dans l’infrastructure de leurs données. Notre intelligence artificielle et notre machine learning repose sur ces données pour créer des conversations bancaires intelligentes avec les clients " 

Zor Gorelov, CEO de Kasisto

Ainsi, l’auteur conclut en déclarant qu’en dehors des banques chinoises, très investies dans cette innovation, les autres banques n’ont pas intérêt à investir cette technologie trop tôt. Forrester conseille aux banques d’attendre que la technologie soit assez mature. Cette période, estimée à deux ou trois années, devraient être mise à profit pour améliorer l’infrastructure du traitement de données et utiliser des API pour mettre en place des écosystèmes viables.