Un responsable machine learning de JPMorgan partage son expérience

Depuis plusieurs années, JPMorgan s’active à étoffer ses capacités de machine learning sous la direction de Daryush Laqab, responsable produits IA/machine learning établi à San Francisco et recruté chez Google en 2019. La dernière fois que nous nous sommes intéressés au sujet, la banque semblait accorder aux nouveaux arrivants dans l’équipe de Daryush Lagab des salaires variant entre 160 et 170k dollars.

Si cela vous tente, vous voudrez sans doute visionner la vidéo en fin d’article afin de savoir où vous mettez les pieds. Enregistrée lors de la conférence AWS re:Invent qui s’est tenue en décembre dernier, elle vient de débarquer sur YouTube, présentée comme une journée de la vie des data scientists machine learning chez JPMorgan. Mais Daryush Laqab est sans aucun doute beaucoup plus efficace pour exposer certaines des contraintes imposées aux professionnels des données dans toutes les banques.

« Il y a quelques barrières à l’utilisation fluide de la data science chez JPMorgan, » explique-t-il – une banque n’a pas grand-chose à voir avec une grande entreprise de la tech.

A titre d’exemple, les data scientists de JPMorgan doivent s’assurer qu’ils ont l’autorisation d’utiliser les données, raconte Daryush Laqab : « pour se connecter, ils doivent respecter un processus s’assurant qu’ils disposent bien des autorisations adéquates pour cet usage en termes d’utilisation. »

Ils doivent aussi composer avec le problème de l’infrastructure héritée : « nous sommes une grande entreprise, avec une vaste infrastructure héritée, » dit-il. « Comme n’importe quelle autre infrastructure héritée, elle s’est construite et a évolué au fil des ans. Tout y est étroitement imbriqué de sorte que déplacer tout ou partie de cette infrastructure vers le cloud public, remplacer les moteurs de règles par des moteurs basés sur l’intelligence artificielle/le machine learning, tout cela prend du temps et induit une certaine inertie de l’innovation. »

La taille de JPMorgan et sa complexité constituent une autre source d’inertie car il est nécessaire de prendre en compte de multiples activités, dans de multiples entités régulées, elles-mêmes dans différents environnements eux aussi régulés. Et comme le concède Daryush Laqab, « nous assurer que ces obligations réglementaires sont respectées, encore une fois, ralentit parfois la data science. »

Et c’est sans parler des règlementations plus spécifiques, comme celles relatives à la gouvernance des modèles. Chez JPMorgan, un modèle de machine learning ne peut pas partir directement dans un environnement de production. « Il doit d’abord passer par un process de validation des modèles et de gouvernance des modèles, » explique Daryush Laqab. « Juste pour nous assurer d’avoir un autre regard à même de comprendre comment le modèle a été créé, comment il a été développé… » Puis, il y a les problèmes de gouvernance des logiciels.

En dépit de tous ces obstacles, JPMorgan a déjà mis en production des modèles d’intelligence artificielle et construit un ‘écosystème Omni AI’ pour aider ses employés à identifier et absorber « les données minimales viables » afin de pouvoir construire plus rapidement des modèles. Daryush Laqab indique que la banque a ainsi économisé 150 millions de dollars en 2019. Les chercheurs en intelligence artificielle de JPM travaillent maintenant sur tout ce qui va des robots FAQ répondant aux questions courantes et des chatbots, aux modèles de recherche NPL pour le contenu propre de la banque, la reconnaissance de forme sur le marché actions et le traitement des emails. – La tâche est immense. « Nous sommes sur tous les marchés qui existent, » dit Daryush Laqab.

La banque a aussi appris que la meilleure façon de structurer son équipe IA est de répartir les gens en deux groupes – d’un côté, les data scientists qui forment et créent des modèles, et de l’autre les ingénieurs en machine learning qui opérationnalisent les modèles, conclut-il. Avant de postuler, mieux vaudra donc réfléchir lequel des deux vous souhaiteriez intégrer.

Crédit photo : NeONBRAND sur Unsplash 

Have a confidential story, tip, or comment you’d like to share? Contact: sbutcher@efinancialcareers.com in the first instance. Whatsapp/Signal/Telegram also available. Bear with us if you leave a comment at the bottom of this article: all our comments are moderated by human beings. Sometimes these humans might be asleep, or away from their desks, so it may take a while for your comment to appear. Eventually it will – unless it’s offensive or libelous (in which case it won’t.)