Maîtriser les cas d’usage clés de l’IA en finance : scoring de crédit, détection de fraude et automatisation du reporting
Cette formation d'une journée permet aux professionnels de la finance de comprendre les principes fondamentaux de l'Intelligence Artificielle, ses méthodes d'apprentissage et ses applications concrètes dans le secteur financier : scoring de crédit, détection de fraude et automatisation des rapports financiers. Elle combine apports conceptuels, exemples sectoriels et mises en pratique avec des outils d'IA générative accessibles au quotidien (type ChatGPT, Copilot ou équivalent).
Est-ce pour vous ?
Professionnels de la finance, analystes financiers, responsables de la conformité, toute personne intéressée par l'application de l'IA en finance
Préalables
Connaissances de base en finance, notions générales en statistiques (aucune programmation requise)
Ce que vous saurez faire
- ✓ Comprendre les principes de l'IA et distinguer IA symbolique, Machine Learning et Deep Learning
- ✓ Identifier les 3 types d'apprentissage (supervisé, non supervisé, par renforcement) et leurs cas d'usage en finance
- ✓ Comprendre les logiques du scoring de crédit automatisé et les métriques de performance associées
- ✓ Comprendre les techniques de détection de fraude et les enjeux des classes déséquilibrées
- ✓ Utiliser l'IA générative pour automatiser et accélérer la production de rapports financiers
- ✓ Situer ces usages dans le cadre réglementaire (loi 25, explicabilité) et construire un plan d'action personnel
À l'issue de la journée, le participant sera capable de :
Contenu de la formation
1 Qu'est-ce que l'IA ?
- IA symbolique vs Machine Learning vs Deep Learning : différences clés
- Ce que l'IA fait bien, ce qu'elle ne fait pas (prédiction, hallucination, absence d'accès direct aux systèmes métier)
- Toujours vérifier les données critiques avant diffusion
2 Les 3 types d'apprentissage
- Apprentissage supervisé : prédiction à partir de données étiquetées
- Apprentissage non supervisé : détection d'anomalies, segmentation
- Apprentissage par renforcement : optimisation par feedback
3 Panorama des usages de l'IA en finance
- Scoring de crédit automatisé : analyse du risque client
- Détection de fraude : transactions suspectes, usurpation d'identité
- Prévision des flux de trésorerie (séries temporelles)
- Génération automatisée de synthèses et rapports financiers
4 Échanges & questions
- Discussion guidée : quels cas d'usage les participants ont-ils déjà rencontrés ?
- Identification des 2–3 priorités métier pour la journée
5 Méthodes supervisées pour le scoring de crédit
- Régression logistique vs arbres de décision : logique et différences
- Notion de variable explicative et de probabilité de défaut
6 Mesurer la performance d'un modèle
- Précision, Rappel, F1-score : à quoi ça sert
- Métriques propres à la finance : taux de défaut, faux positifs / faux négatifs
- Pourquoi le coût d'un faux négatif n'est pas le même que celui d'un faux positif en crédit
7 Atelier guidé – Lecture d'un cas de scoring
- Étude d'un exemple chiffré simplifié de scoring de crédit
- Interprétation collective des résultats et de leurs limites
- Discussion : où s'arrête le modèle, où commence le jugement humain ?
8 Techniques de détection de fraude
- Typologie des fraudes : carte bancaire, virements, usurpation d'identité
- Impact des fraudes sur les organisations financières
- Méthodes non supervisées : Isolation Forest, Local Outlier Factor (LOF)
- Le défi des classes déséquilibrées (très peu de cas de fraude réels)
9 L'IA générative au service du reporting financier
- Principes de la méthode RCTF (Rôle – Contexte – Tâche – Format) pour construire un prompt utile
- Cas d'usage : synthèse d'un tableau de résultats, commentaire d'écarts budgétaires, rédaction de notes de risque
- Bonnes pratiques : chiffrer le contexte, vérifier les chiffres avant diffusion
10 Atelier pratique – Générer un commentaire de reporting
- À partir d'un tableau Réel vs Budget fictif, rédaction d'un prompt avec la méthode RCTF
- Génération d'une synthèse en quelques lignes, ton professionnel
- Itération : reformuler, enrichir, adapter le ton et le format
- Correction collective et bonnes pratiques de vérification
11 Réglementation et transparence des modèles IA
- Rappel des principes de la loi 25 appliqués aux modèles de scoring et de détection
- Pourquoi l'explicabilité des modèles devient une exigence métier et réglementaire
12 Mon plan d'action
- Identifier 1 cas d'usage prioritaire à tester dans son activité (scoring, fraude ou reporting)
- Choisir 1 outil d'IA générative à expérimenter dès la semaine suivante
- Astuce : bloquer 15 minutes par semaine pour tester un nouveau prompt
13 Bilan & clôture
- Récapitulatif des acquis clés de la journée
- Questions libres et échanges
- Remise des supports et exemples de prompts
📌 Informations pratiques
Nos formations sont offertes à Montréal ou Québec, en présentiel ou en classe virtuelle. Les dates et lieux sont précisés lors de votre choix de session ci-dessous. Si vous avez des questions, consultez notre FAQ.
