16 partenaires de sociétés de gestion financière pour créer un modèle de langage IA qui comprend la finance taïwanaise

Guidé par le Conseil de la finance, convoqué par CTBC Financial Holding, 16 institutions financières et banques clés de Taïwan lancent conjointement le projet « Modèle de langage financier FinLLM », basé sur la base de données d’IA souveraine du département de la technologie financière pour créer une IA financière locale.
(Précédent : Le gouvernement taïwanais déploie activement une « IA souveraine », Wu Cheng-wen, président du Conseil national de la science et de la technologie : former un Comité spécial pour la stratégie nationale en intelligence artificielle)
(Complément d’information : 11 leaders de l’assurance à Taïwan lancent « l’Alliance de réclamation blockchain » ! Une seule police d’assurance pour plusieurs réclamations, processus de demande plus simple)

16 institutions financières, 2 banques publiques, ainsi que l’Institut de formation financière, le Centre de recherche en technologie de l’information, et le Centre de recherche en fintech de l’Université nationale de Chengchi, travaillent ensemble pour réaliser un objectif : que Taïwan possède son propre grand modèle de langage financier.

Ce projet s’appelle FinLLM, initié par l’alliance de l’industrie fintech guidée par le Conseil de la finance, avec CTBC Financial Holding comme coordinateur, et a été officiellement lancé aujourd’hui (23) dans le parc d’innovation fintech FinTechSpace.

Passer de « développement individuel » à « collaboration collective »

Dans le passé, chaque institution financière voulait développer une IA, elle devait collecter ses propres données, entraîner son propre modèle, évaluer ses propres performances. Les coûts de calcul étaient élevés, les droits sur les données dispersés, et les risques de conformité juridique supportés individuellement. Résultat : chaque institution faisait à moitié, dépensant beaucoup d’argent, avec peu de scénarios d’application concrète.

Cette fois, la structure est différente. Les 16 institutions participantes incluent CTBC, Cathay, Fubon, Taishin, Shin Kong, E.SUN, Hua Nan, KGI, First Financial, Chang Hwa, Bank of Taiwan, Land Bank, Taiwan Cooperative Bank, Chunghwa Post, Future Bank, presque tous les acteurs majeurs du secteur financier taïwanais réunis dans un seul projet.

Ajouté à cela, l’Institut de formation financière, le Centre de recherche en technologie de l’information, l’Université nationale de Chengchi et des unités de recherche comme Asia-Pacific Smart Machines, FinLLM couvre de la gestion des droits sur les données, à l’entraînement du modèle, à l’évaluation, jusqu’à la gestion commerciale, visant une intégration complète.

Plus important encore, les risques juridiques liés à l’autorisation des données peuvent aussi être partagés collectivement, ce qui est souvent plus complexe que le coût de calcul dans le secteur financier.

La base est la base de données d’IA souveraine du département de la technologie financière

FinLLM n’est pas un modèle entraîné à partir de zéro. Sa base repose sur la base de données d’IA souveraine en cours de construction par le département de la technologie financière.

Base de données d’IA souveraine. Traduction : dirigée par l’État, elle collecte la langue locale taïwanaise, la réglementation, les documents et archives, servant de fondation pour l’entraînement des modèles d’IA locaux. Ce projet est inscrit dans le plan d’action des dix principales infrastructures en IA au niveau national, avec un statut élevé.

Le rôle de l’alliance financière est de prendre cette base universelle et de l’alimenter avec des données spécifiques au secteur financier : réglementations de la Commission financière de Taïwan, codes de gouvernance d’entreprise, manuels opérationnels des banques, descriptions de produits financiers, documents de divulgation des risques.

Même un grand modèle américain puissant pourrait ne pas répondre complètement au contexte réglementaire financier taïwanais. Par exemple, demander à GPT une clause de la loi taïwanaise sur la protection des consommateurs financiers, il pourrait donner une explication générale, mais pour des concepts spécifiques comme « produits structurés étrangers » ou « évaluation de l’adéquation pour les clients âgés », la précision pourrait diminuer.

L’alliance entraîne le modèle avec des données autorisées légalement, tout en étant évaluée conjointement par les banques membres, afin d’établir des normes d’évaluation standardisées.