17 juin 2020
Un principe simple guide le travail de l'équipe des capacités en IA de BMO : l'amélioration du rendement des modèles se traduit directement par une augmentation des revenus, une réduction des coûts et une meilleure expérience bancaire pour les clients. Bienvenue dans la culture de BMO, où l'équipe des capacités en IA occupe une place de choix et a toute latitude pour proposer des applications d'IA au service des principaux leviers de valeur de la banque.
« Le fait que nous collaborions avec les équipes de vente montre que BMO associe directement l'IA aux revenus et aux économies de coûts », a déclaré Yevgeniy Vahlis, responsable des capacités en intelligence artificielle chez BMO Groupe financier.
Cette possibilité d'améliorer les performances incite la banque à rester à l'affût des avancées techniques en matière de précision des modèles.
On parle généralement de l'IA de façon assez binaire : est-ce qu'on utilise l'IA ou pas ? Or, il y a une différence considérable entre un modèle précis à 30 % et un autre précis à 80 %. C'est une différence énorme, et pourtant, on en parle peu quand les entreprises décident d'adopter une solution d'IA », explique Vahlis. « C'est là tout l'avantage de s'appuyer sur la recherche de pointe pour les solutions d'IA industrielles : si vous avez l'expertise nécessaire, vos modèles peuvent être nettement plus performants et plus précis. »
Le partenariat Platine de BMO avec l'Institut Vector offre l'occasion d'expérimenter des recherches de pointe en IA grâce à des projets menés par les chercheurs et l'équipe Innovation industrielle de Vector. « Ces projets complètent les capacités internes de BMO et nous permettent d’accélérer la transformation des recherches universitaires de pointe en IA en nouveaux modèles que nous pouvons utiliser pour appuyer nos propositions de valeur stratégiques auprès d’un large éventail d’intervenants au sein de la banque », a souligné Sami Ahmed, chef du numérique, des données et de l’analytique, Gestion de patrimoine. « Notre participation à plusieurs projets de Vector a porté ses fruits et nous permet de contribuer à l’écosystème de l’IA au Canada. »
Un de ces projets est le projet de traitement automatique du langage naturel (TALN) de Vector, qui comprend plusieurs axes de travail visant à reproduire des modèles de traitement automatique du langage naturel (TALN) de pointe et à les entraîner à effectuer des tâches spécifiques au domaine liées aux objectifs commerciaux des participants.
Dans le cadre du projet NLP, Stella Wu, chercheuse en apprentissage automatique appliqué au sein du Groupe financier BMO, a proposé et développé une version financière de BERT, l'un des modèles de représentation du langage les plus avancés. BERT, acronyme de « bidirectional encoder representations from transformers », est une technique de traitement automatique du langage naturel (TALN) développée par Google et lancée en 2018. Cette technique a révolutionné le secteur, non seulement par sa capacité à comprendre le sens des mots, mais aussi leur contexte.
Les chercheurs de Wu et Vector ont utilisé plusieurs sources d'actualités financières en ligne pour enrichir l'ensemble de données de plus de 182 millions de termes financiers et liés aux marchés, ainsi que leur contexte. Ils ont ensuite pré-entraîné le modèle avec cet ensemble de données enrichi, ce qui leur a permis de l'affiner pour répondre aux besoins spécifiques de BMO en matière d'analyse du sentiment du marché.
Ce travail a été soutenu par des échanges directs, des conférences avancées et des commentaires hebdomadaires donnés aux participants du projet par les chercheurs de Vector et des intervenants extérieurs. « Je n'avais aucune expérience en PNL auparavant », a souligné Wu. « C'était comme un marathon de conférences permettant d'acquérir les connaissances les plus récentes. On a vraiment l'impression, en participant à la recherche chez Vector, d'être au fait des dernières avancées dans ce domaine. »
« L'accès aux chercheurs de Vector accélère considérablement nos progrès », a déclaré Vahlis. Pouvoir compter sur les meilleurs chercheurs du Canada et de l’Ontario augmente à la fois nos chances de succès et la rapidité avec laquelle nous pouvons mener à bien ce projet. »
Outre le fait de compléter les efforts internes, la relation avec Vector offre un autre avantage à BMO : la fidélisation.
« Il est très difficile de trouver des personnes qui possèdent les compétences en recherche, une compréhension approfondie des sciences et la capacité de les appliquer directement à l'entreprise », a observé Vahlis. « Elles choisissent de rester chez BMO. La fidélisation est un enjeu crucial, et collaborer avec Vector y contribue. »
L'expérience de Wu le confirme. « J'étais fasciné par l'Institut Vector. Avant de me lancer dans le domaine, je voulais y travailler. Pour moi, c'est un endroit très inspirant. »
En fin de compte, la principale valeur de cette inspiration et de cette initiation à la recherche réside dans les résultats concrets qu'elles engendrent. « Bien que l'expérience ait été essentiellement théorique, elle a abouti à un avantage pratique pour l'entreprise », a conclu Wu.
