Il se passe beaucoup de choses, l’actualité est dense, mais nous pouvons regarder de plus près cinq domaines que sont les coûts, les nouvelles réglementations, les dépôts, l’IA, et les critères ESG, Environnement, Social et Gouvernance

Concernant la gestion stratégique des coûts pour les banques à travers l’automatisation, les banques doivent se concentrer sur le maintien et l’amélioration des ratios coûts/revenus (Cost to Income Ratio / CIR), alors même qu’il est probable que, dans un avenir proche, les coûts IT augmentent et les marges sur les taux d’intérêt baissent.

Le cadre réglementaire est en perpétuelle évolution. En effet, la prochaine vague, en particulier Bâle IV, entraînera une hausse des coûts sur les actifs pondérés des risques (Risk Weighted Asset). Cela va alourdir le poids sur les CIR des banques.

La conservation et l’acquisition de portefeuilles de dépôts : nous voyons d’après nos chiffres que les Institutions Financières qui ont des notations élevées attirent plus de dépôts. Les trésoriers deviennent plus attentifs aux crédits dans des périodes d’instabilité. C’est une montée, une demande accrue, vers la qualité.

Nous pouvons constater que les dépôts sont attirés :

• quand les institutions financières sont bien notées,
• quand les taux d’intérêt sont meilleurs,
• et enfin là où les fonctionnalités de gestion de la trésorerie et des liquidités (entre autres services) sont les plus complètes.

L’IA ouvre de nouvelles opportunités pour les banques : réduire les coûts, tirer une meilleure valeur des données, proposer de nouveaux produits et services. Mais cela ne se fera pas du jour au lendemain. Les opportunités d’utilisation de l’IA sont florissantes, et nous verrons une augmentation rapide de leur mise en application sur le marché dans l’année à venir.

Voici quelques exemples sur lesquels nous collaborons avec nos clients (Institutions Financières) : les banques peuvent mieux comprendre l’élasticité des prix des dépôts de leurs clients et adapter les taux d’intérêt pour des clients spécifiques ou des segments de clients. Les banques peuvent utiliser l’IA pour aider à optimiser la liquidité des clients, en analysant les structures de liquidité telles que les nivellements de trésorerie « sweeps », le pooling notionnel, ainsi que dans la prévision de trésorerie. Nous élaborons toujours de nouveaux algorithmes afin d’obtenir une meilleure précision. Et, bien sûr, nous mettons en place des agents experts en IA afin d’aider les banques et leurs clients à mieux comprendre leurs business model et à prendre des décisions plus éclairées.

L’intérêt porté par les banques au développement durable et à l’ESG : en 2023 a on estimé à environ 400 milliards de dollars le volume de prêts durables mondiaux représentant 34 % du marché de la finance durable.

Comment utilisons-nous l’IA dans le Corporate Treasury Exchange (CTX) ? Nous avons donné quelques exemples ci-dessus, voici des exemples complémentaires :

• prévision de trésorerie (Cash-Flow Forcasting), grâce à la reconnaissance de schémas historiques récurrents, permettant d’identifier les événements à venir et suggérant comment utiliser au mieux ces informations ;
• ajustement des commissions et des taux d’intérêt pour être aligné avec la performance ESG des clients ;
• systèmes d’alerte précoce et recommandations pour les meilleures actions à mener dans le futur ;
• meilleure gestion des comptes opérationnels avec détection automatisée des opportunités ;
• modifications automatisées des structures de gestion de la liquidité.

Dans le domaine public, nous voyons circuler des chiffres d’économies de coûts provenant souvent d’études de tiers, qui peuvent être assez instructives. Pour notre part, nous savons, par exemple, que les économies de coûts opérationnels sont bien réelles. Ces économies sont obtenues grâce à :

• l’amélioration des processus ;
• de meilleures interfaces utilisateur ;
• des tests de logiciels automatisés ;
• le déploiement d’API ;
• les applications de reconnaissance optique de caractères (OCR) dans les processus administratifs lourds ;
• et la génération d’informations de gestion (MIS) par l’IA.