Les opérations sur titres et les limites de l’automatisation traditionnelle
Peu de fonctions au sein des services titres restent aussi dépendantes de l’interprétation humaine que les opérations sur titres. Chaque dividende, fusion, émission de droits ou offre publique de rachat commence par une annonce de l’émetteur qui doit être interprétée avant de pouvoir se traduire en instructions opérationnelles. Contrairement au règlement-livraison ou au rapprochement, l’enjeu n’est pas simplement de traiter les transactions plus vite : il s’agit de comprendre ce que signifient ces annonces. Les documents des émetteurs arrivent sous de multiples formats et dans différentes juridictions, et les fournisseurs de données peuvent interpréter le même événement différemment ; les équipes opérationnelles doivent donc déterminer quelle interprétation est correcte avant qu’une instruction n’atteigne un client.
Les grands modèles de langage (LLM) et l’IA générative commencent à changer la donne. Contrairement à l’automatisation traditionnelle fondée sur des règles, l’IA peut analyser des documents non structurés, extraire les informations clés et résumer des événements complexes en langage naturel, apportant une nouvelle couche de capacité d’interprétation à l’une des fonctions opérationnelles les plus exigeantes des services financiers. Les opérations sur titres constituent toutefois l’un des tests les plus difficiles pour l’IA : une option d’élection ou une date de paiement mal interprétée peut avoir des conséquences financières immédiates, ce qui oblige les entreprises à concilier efficacité et contrôle opérationnel.
Des documents non structurés aux workflows structurés
Smartstream est allé au-delà de la preuve de concept, en appliquant l’IA pour examiner la documentation narrative, résumer les descriptions d’événements et identifier les formulations conditionnelles dans de longues annonces d’émetteurs. Adam Cottingham, Product Manager Corporate Actions chez Smartstream, explique la valeur fondamentale : « Les opérations sur titres complexes s’accompagnent souvent d’une documentation d’offre détaillée, qui n’est pas rédigée selon une norme et est souvent perçue différemment selon les individus. L’IA permet de transformer des données non structurées en un processus structuré, en fournissant des preuves de la traçabilité à grande échelle, en extrayant les informations pertinentes et en supprimant le bruit. »
Plutôt que de remplacer le traitement déterministe existant, l’IA agit comme une couche d’interprétation au-dessus de celui-ci. Les règles continuent de régir les calculs de droits et les validations, tandis que l’IA se concentre sur la compréhension d’une documentation qui nécessitait auparavant une revue manuelle. Cottingham décrit cela comme un changement de logique de classification : « L’IA permet de passer d’une classification déterministe à une classification apprise, probabiliste, en concentrant l’utilisateur sur les tâches les plus importantes. » La plateforme Smart Actions d’automatisation de bout en bout des opérations sur titres de Smartstream intègre cette capacité dans un environnement de workflow entièrement gouverné et auditable, couvrant tous les types d’événements ISO obligatoires, obligatoires avec choix et volontaires.
La frontière de confiance : là où l’IA aide et là où les humains décident
Pour des événements complexes tels que les faillites, les offres publiques de rachat, les fusions et les restructurations — impliquant des centaines de pages de documentation juridique et des conditions évolutives — la plus grande valeur de l’IA réside dans l’accélération de la compréhension plutôt que dans le remplacement du jugement. Cottingham est direct sur l’emplacement de cette frontière : « L’IA peut raisonnablement soutenir ces événements, mais la valeur se concentre sur le volet information, et la frontière de confiance se situe entre aider un utilisateur opérationnel à réfléchir et être autorisée à décider. » Les calculs de droits, les méthodologies de proratisation et les décisions d’élection restent des processus déterministes qui continuent de nécessiter des moteurs de règles et une supervision humaine. Comme le dit Cottingham : « Le plus grand bénéfice, c’est l’IA comme accélérateur de lecture. »
La transparence détermine si l’IA apporte une véritable efficacité ou si elle ne fait que déplacer le travail manuel. « Pouvoir voir pourquoi l’IA a produit une valeur et la relier à une source, c’est ce qui permet à un relecteur de valider un résultat en quelques secondes au lieu de le reconstituer », explique Cottingham. « Sans cela, l’IA ne fait que déplacer la revérification manuelle au lieu de l’éliminer. » Les équipes opérationnelles évoluent en conséquence — passant, selon les mots de Cottingham, « de l’exécution à la supervision » —, l’expertise se déplaçant vers les événements ambigus, les conditions complexes et les décisions fiduciaires où la responsabilité, le jugement et la surveillance restent intrinsèquement des responsabilités humaines.
Gouvernance, qualité des données et passage à l’IA en production
L’efficacité de l’IA dans les opérations sur titres dépend aussi de la qualité des données sous-jacentes — un défi de longue date pour le secteur. Cottingham identifie un risque spécifique que les entreprises doivent gérer : « Le risque de l’IA dans ce processus n’est pas d’avoir des données sales ou incomplètes. C’est de faire paraître propres des données incorrectes. » Cela renforce l’importance de contrôles opérationnels robustes et d’initiatives de normalisation sectorielle telles que l’ISO 20022, qui réduisent le volume d’interprétation nécessaire avant que l’information n’atteigne les systèmes en aval. Sur le plan réglementaire, Cottingham voit l’AI Act de l’UE comme un facilitateur de gouvernance plutôt que comme un obstacle : « La plupart des IA en services titres se situent en dehors du régime à haut risque. L’AI Act de l’UE devrait s’avérer moins restrictif que redouté et plus utile que prévu. » Il soutient que la législation aide les organisations à passer de la question de savoir si l’IA peut être digne de confiance à la mise en place de cadres de gouvernance permettant aux entreprises de valider formellement les résultats de l’IA. Pour les prestataires de services titres qui visent une IA en production, bâtir cette confiance — sur la qualité des données, l’explicabilité et les contrôles opérationnels — devient autant un défi de gouvernance qu’un défi technologique. Pour découvrir comment Smartstream développe des capacités d’IA tout au long du cycle de vie des transactions, contactez l’équipe Smartstream.
