IA et équité : l’ACPR appelle à la réflexion

Créé le

01.07.2026

-

Mis à jour le

02.07.2026

L’Autorité a publié un document de réflexion pour proposer un cadre sur l’équité algorithmique dans le secteur financier. Sa consultation est ouverte jusqu’au 30 septembre.

Comment s’assurer que les modèles d’intelligence artificielle (IA) utilisés ne suscitent pas de discrimination pour l’accès à certains services financiers, comme l’octroi d’un crédit ou le calcul d’une prime d’assurance ? C’est le nouvel enjeu sur lequel les banques et les assureurs vont devoir plancher. Une consultation publique est ouverte jusqu’au 30 septembre par l’Autorité de contrôle prudentiel et de résolution (ACPR).

L’Autorité, désignée par le gouvernement pour surveiller la mise en œuvre du Règlement IA pour les cas d’usage à « haut risque » liés aux services financiers, a déjà mené ces derniers mois une série d’ateliers sur le sujet, aux côtés de chercheurs, banquiers et assureurs (AXA, BNP Paribas, Société Générale et La Banque Postale). Ces échanges ont conduit à la publication d’un document de réflexion consacré à l’équité algorithmique, afin de préparer l’échéance réglementaire.

Créer un marché de l’IA de confiance en Europe

Adopté en 2024, le règlement IA entre progressivement en application. Sa partie concernant les systèmes d’IA à haut risque va s’appliquer à compter du 2 décembre 2027 en France. Il vise à créer un marché de l’IA de confiance en Europe. L’objectif affiché : faire émerger une pratique convergente en ce qui concerne l’évaluation, notamment, de la solvabilité des personnes physiques.

Selon Olivier Fliche, directeur de l’innovation, des données et des risques technologiques de l’ACPR, « la segmentation des tarifs par typologie de clientèle est une pratique normale dans le secteur financier et même recommandée pour ajuster les risques. Mais il va falloir articuler cette pratique avec cette nouvelle exigence de non-discrimination du règlement IA, afin de segmenter la clientèle sans la discriminer. » Avec l’IA, l’approche actuelle « par ignorance », c’est-à-dire en supprimant certaines données des modèles, comme le genre, est devenue obsolète.

À retrouver dans la revue
Revue Banque Nº919