IA et deep learning appliqués aux métiers du contrôle

1650€

Prix net : Montant sur lequel il n’est pas appliqué de TVA.
(Prestation de formation professionnelle continue exonérée de TVA)

Format(s) pédagogique(s) : Présentiel

Niveau : Acquisition

Durée : 1 jour

Langue(s) : Français

Code Web : IA_DEEP_LEARNING_CONTROLE

Formation sur demande qui peut nécessiter de l’ingénierie pédagogique

Rejoignez vite notre communauté apprenante en procédant à votre inscription

Inscription

Pré-requis Objectifs | Compétences Programme Pédagogie – Évaluation Formateur

Partager la formation par email

Pré-requis

Niveau bac+3 ou 3 ans d’expérience en banque finance

Objectifs | Compétences

Maîtriser les objectifs et les principes de la norme BCBS 239
Connaître les principales mesures des banques quant à l’IA et au deep learning
Comprendre les conditions d’agrégation des données sur les risques
Apprécier les réglementations de l’IA
Connaître l’utilisation du Machine Learning par les banques

IA et deep learning appliqués aux métiers du contrôle

Programme

Les objectifs et les principes de la norme BCBS 239

Comprendre pourquoi cette norme soutient les efforts d’une banque
Comment la norme améliore :
- L’infrastructure pour le reporting des informations clés
- Le processus de prise de décision
- La gestion de l’information entre les entités juridiques
- La vitesse à laquelle l’information est disponible
- La qualité de la planification stratégique
- La capacité à gérer le risque des nouveaux produits et services
Comme la norme BCBS 239 réduit la probabilité et la gravité des pertes

Étude des 14 principes de la norme BCBS 239

Gouvernance
Données, risque et architecture et infrastructure informatique
Intégrité des données
Exhaustivité
Rapidité d’exécution
Adaptabilité
Exactitude
Exhaustivité
Clarté et utilité
Fréquence
Distribution
Examen
Mesures correctives
Accueil / Coopération avec l’hôte

Les principales mesures que les banques devraient prendre

Intégration des principes dans leurs activités régulières de gestion des risques
Tests réguliers des capacités à produire des rapports précis et en temps voulu
Simulations régulières des capacités à produire des rapports en période de stress
Intégration des fusions, des nouvelles activités, des nouvelles technologies, des relations nouvelles
Examens et évaluations des capacités d’agrégation des données sur les risques et de production de rapports sur les risques
Identifier et hiérarchiser les éléments nécessaires pour une mise en œuvre réussie
Modifier les feuilles de route de mise en œuvre précédemment élaborées
Prendre les mesures nécessaires

Comment agréger des données précises et fiables sur les risques

Les contrôles entourant les données sur les risques
Les cas où il faut mettre en place des mesures d’atténuation efficaces
Comment s’assurer que les données relatives aux risques sont exactes
Les risques : avoir une source unique faisant autorité
Les accès aux données pour le personnel chargé des risques au sein de la banque

IA et réglementations

Les principes de gouvernance de l’IA
Comment les exigences existantes en matière de gouvernance, de gestion des risques, de développement et d’exploitation des modèles traditionnels s’appliquent également aux modèles d’IA
Les défis et la complexité de l’IA quant à la réglementation et la supervision
Les orientations ou les normes internationales des organismes de normalisation financière sur la gouvernance de l’IA

Machine learning

Classification et regroupement
Apprentissage automatique et risque de crédit
Big data et risque financier
Le data lake de la BDEF

Pédagogie – Évaluation

Une première appréciation globale sous forme de QCM a lieu en amont de la formation pour estimer les attentes et niveaux des participants.
La pédagogie de cette formation s’appuie sur une large variété de situations d’apprentissage : cas pratiques, échanges, défis, études de cas, exercices, travaux en sous-groupes.
Chaque compétence est mesurée par des évaluations formatives (cas pratiques, exercices) tout au long de la formation.
Une évaluation sommative sous forme de QCM est organisée en fin de parcours pour mesurer les acquis de la formation.

Formateur

Dominique CHESNEAU

Expert en financement d’entreprises

Diplômé Ingénieur ETP en 1981 et diplômé de l’ESSEC (section grande école) en 1983, Dominique est Co-Fondateur en 2005 de TrésoriskConseil, société de conseil spécialisée dans l’audit et le conseil en matière de risques financiers (stratégie, mise en œuvre, conformité réglementaire, reportings comptables, de gestion, systèmes liés), de gestion des flux financiers, de moyens et systèmes de paiements et de fintechs.
Dominique fut Associé « Financial Services », spécialisé en Financial Risk Management, Corporate Treasury & Energy chez PwC de 1995 à 2002 puis chez Deloitte de 2002 à 2005, dirigeant d’établissements financiers de 1987 à 1995 après avoir été Trésorier d’Air France de 1984 à 1987.
Dans ses activités annexes, Dominique est enseignant à HEC, à l’EDHEC et à Paris-Dauphine en Banque/Finance, membre du comité scientifique de la DFCG (Association nationale des Directeurs financiers et des Contrôleurs de gestion), membre du comité de sélection du prix Turgot (prix du livre d’économie financière), membre du jury du prix de l'ANDESE de la meilleure thèse de sciences économiques et de sciences de gestion, membre de la commission économie, compétitivité et finance du MEDEF, membre du comité des finances du MEDEF et enfin auteur ou co-auteur de plus d'une quinzaine d'ouvrages professionnels d’économie et de finance.

Pour aller plus loin