79% des banques utilisent déjà l’IA agentique. C’est le constat de notre dernière enquête menée auprès de 348 décideurs de haut niveau du secteur bancaire aux États-Unis, en Europe et en Asie-Pacifique1. D’après notre sondage, les institutions financières de premier plan investissent de façon coordonnée dans l’IA afin d’améliorer l’analyse des données et leurs enseignements (50 % des sondés), de mieux intégrer les flux de travail (48 %) ou encore d’améliorer la structuration des données (40 %). Des choix stratégiques qui sont susceptibles de renforcer leur proposition de valeur.
La rapidité apparaît comme un enjeu central. Les nouveaux entrants du secteur financier peuvent en effet être soumis à moins de contraintes héritées du passé et s’appuyer sur des modèles opérationnels plus légers. « Les fintechs n’ont pas le même poids réglementaire », souligne un responsable du risque prudentiel et de la réglementation. « Elles font en deux mois ce qui pourrait nous prendre un an et demi. » Dans l’enquête, 92 % des décideurs interrogés considèrent ainsi l’intensification de cette nouvelle concurrence comme un défi, et les trois quarts estiment qu’elle aura un impact à moyen ou long terme sur leur établissement.
Par ailleurs, avant de lancer un nouveau produit, les banques traditionnelles doivent souvent composer avec des exigences de conformité complexes, parfois dans plusieurs juridictions. À l’inverse, les fintechs et les prêteurs alternatifs évoluent dans des cadres réglementaires différents ou portent moins le poids de systèmes existants. Les premières peuvent donc mettre davantage de temps à prendre des décisions. Celles qui parviennent à développer des dispositifs de gestion des risques plus unifiés, en intégrant l’IA dans leurs flux de travail et leurs processus de décision, pourraient être mieux armées dans un environnement devenu plus concurrentiel. « Nous avons réduit de moitié notre délai de décision, non pas parce que le modèle a changé, mais parce que nous avons enfin réuni en un seul endroit les données issues de l’origination, du crédit et du risque », a déclaré un responsable des ventes de produits en Asie-Pacifique. « Cette visibilité nous donne la confiance nécessaire pour agir plus rapidement. »
Rapidité peut aussi rimer avec qualité. Les cycles d’examen traditionnels, mensuels ou trimestriels, risquent de passer à côté de signaux faibles ou d’opportunités émergentes. Lorsqu’un emprunteur rencontre des difficultés, l’impact est rarement isolé. Les expositions peuvent se propager au sein d’un portefeuille de différentes manières, selon les liens de l’institution avec d’autres activités. Le suivi de portefeuille appuyé par l’IA peut aider les banques à évaluer ces interdépendances en continu, plutôt que périodiquement, et favoriser ainsi des décisions de gestion du capital plus proactives. Cette intelligence connectée peut contribuer à identifier plus rapidement les concentrations de portefeuille, à réallouer le capital plus efficacement et à fournir aux chargés de clientèle un contexte pertinent avant leurs échanges avec les clients.
L’enjeu central des données
Encore faut-il disposer de fondations solides. Sans interopérabilité ni jeux de données de qualité, nombre d’initiatives d’analyse et d’IA, souvent lancées sous forme de projets pilotes, peinent à passer à l’échelle. Les modèles de risque performants dans une ligne d’activité ne sont pas toujours transposables à une autre lorsque les données sous-jacentes restent cloisonnées. Les informations relatives au comportement des clients, à l’historique de crédit, aux conditions de marché ou à l’exposition réglementaire peuvent être réparties entre des systèmes distincts, gérés par des équipes différentes. Et des flux décisionnels qui pourraient être davantage automatisés demeurent parfois manuels, faute d’une qualité de données jugée suffisamment fiable pour réduire le recours à certains processus humains.
Cette difficulté est particulièrement marquée dans les établissements de plus petite taille. Parmi les banques de catégorie trois, c’est-à-dire celles de proximité et les institutions spécialisées, 71 % indiquent que des données incohérentes ou non structurées freinent leur capacité à adopter l’IA. Un chiffre qui souligne le rôle déterminant de la qualité des données dans cette adoption. « En résolvant le problème de la fragmentation des données et du manque de communication entre les sources, nous augmentons nos revenus », a déclaré un vice-président senior chargé des marchés, de l’architecture technologique et des données. « Nous devons cibler correctement les clients en considérant l’ensemble de nos données disparates de manière cohérente. Nos flux de travail doivent être fluides afin de ne pas perdre de clients. »
Un nécessaire cadre de gouvernance
Une autre clef de réussite consiste à mettre en place une gouvernance de l’IA. Ce choix, effectué par beaucoup d’établissements, apparaît comme un levier pour sécuriser et rendre plus efficaces les processus de décision : 35 % des banques élaborent un cadre complet de gouvernance de l’IA, tandis que 33 % s’emploient à garantir la transparence et l’explicabilité des décisions prises par l’IA. Sans dispositifs robustes couvrant l’explicabilité, la traçabilité et la responsabilité, l’IA ne peut être déployée de manière fiable dans des processus décisionnels réglementés. À l’inverse, lorsque ces cadres existent, elle peut être utilisée à plus grande échelle pour soutenir des flux de décision plus rapides, plus automatisés et compatibles avec l’examen des régulateurs.
Un spécialiste du risque de crédit insiste sur cette nécessité : « Nous testons un modèle de notation piloté par l’IA, et il est techniquement excellent, mais lorsque nous avons demandé à notre équipe risque de l’utiliser en production, elle a hésité. Le problème n’était pas l’exactitude, mais l’explicabilité. Si quelque chose tourne mal, qui en est responsable ? »
Les enseignements de l’enquête sont sans ambiguïté. Les banques les mieux placées pour rivaliser ne seront sans doute ni celles qui privilégient la rapidité au détriment de la confiance, ni celles qui sacrifient la rapidité au nom de la confiance. Ce seront plutôt celles qui s’appuient sur des données fiables, des analyses intégrées aux flux de travail, une gouvernance pensée dès l’origine plutôt qu’ajoutée a posteriori, et une volonté d’investir dans ces capacités.
Les banques qui réussiront pourraient ainsi être celles qui investissent dans des capacités de bout en bout, permettant de transformer plus rapidement et plus régulièrement les enseignements tirés des données en actions concrètes, à travers les différentes fonctions. Une partie de ces investissements est déjà engagée : 69 % des banques interrogées déclarent disposer de plans ambitieux de transformation des données et des technologies.
Passage d’un modèle réactif à proactif
Un plan qui répond souvent à un double impératif vis-à-vis de leurs clients : gagner en efficacité et en rapidité face aux enjeux majeurs de transformation du paysage concurrentiel. En effet, 89 % des banques interrogées ont cité l’augmentation des attentes des clients comme un défi. Ceux de la banque détail comme les grandes entreprises attendent de plus en plus de leur banque le même niveau de service immédiat et personnalisé que celui dont ils bénéficient dans d’autres usages numériques. Ils souhaitent que leur banque comprenne mieux leur situation particulière, anticipe leurs besoins et passe d’un modèle réactif, centré sur la promotion de produits, à un modèle proactif, fondé sur les enseignements issus des données.
« Nous proposons actuellement une gamme de produits dans laquelle le client peut piocher, à condition qu’il corresponde à l’une de nos catégories », observe un responsable du risque prudentiel et de la réglementation. « Nous devons anticiper les besoins futurs et être proactifs. »
La personnalisation à grande échelle, soutenue par l’IA et rendue possible par des processus plus rapides, pourrait donc jouer un rôle essentiel dans l’acquisition et la fidélisation des clients. Mais si la rapidité devient plus déterminante, l’environnement réglementaire et les enjeux de risque accroissent aussi le coût des erreurs. La gestion des risques nouveaux et émergents est citée comme un défi majeur par 49 % des répondants, tandis que 53 % en disent autant de la prévention de la fraude, ce qui confirme la place centrale du risque dans les priorités stratégiques. Par ailleurs, 55 % des professionnels du risque déclarent travailler au renforcement des capacités de leur banque face à la hausse de la fraude et de la criminalité financière.
La gestion des données, la protection des données personnelles et la gouvernance de l’IA s’imposent ainsi comme des priorités réglementaires dans de nombreuses juridictions. De leur côté, 70 % des professionnels de la conformité déclarent prévoir d’améliorer leurs capacités en matière de lutte contre la criminalité financière.
Le cyber-risque et la fraude facilitée par l’IA – y compris les hypertrucages – créent des dangers interconnectés que les régulateurs demandent de plus en plus aux banques de surveiller et de gérer en temps utile, de façon continue. « Supposons qu’un hypertrucage soit utilisé contre mon client ; les régulateurs attendent de nous surveillions et restions vigilants face à cela », a déclaré un directeur du contrôle. « Si vous traitez un paiement frauduleux alors que le client a été victime d’une fraude, une part de responsabilité vous incombe. »
L’intelligence du risque en aval
De nombreuses banques considèrent désormais la conformité réglementaire comme une source potentielle d’avantage concurrentiel, et 53 % des établissements interrogés voient la gestion des risques comme un moteur de croissance. Celles qui appréhendent le risque comme un catalyseur concurrentiel, plutôt que comme une simple contrainte, pourraient en tirer parti. En intégrant l’intelligence du risque plus tôt dans le cycle de décision, au lieu de la traiter comme une étape d’approbation en aval, les banques peuvent accélérer leur activité commerciale : une meilleure visibilité donne davantage de confiance pour agir rapidement. Seules 17 % des banques déclarent introduire le risque au moment de l’approbation formelle du crédit, tandis que 56 % l’intègrent tôt ou en continu, parallèlement à l’origination et à la sélection des clients. « La vitesse à laquelle la réglementation évolue signifie qu’il faut garder une longueur d’avance sur la courbe réglementaire », souligne un responsable du risque prudentiel. « En étant en avance, vous n’êtes pas seulement en conformité : vous êtes aussi agile. Et cette agilité vous aide à mieux tarifer. »
Reste un frein majeur : 80 % des banques identifient la fragmentation des systèmes de données et les infrastructures existantes comme des défis susceptibles d’entraver le déploiement efficace de l’IA et l’accélération de la conformité, de la gestion des risques, de la tarification, des approbations ou d’autres activités. Les établissements qui investissent dans l’amélioration de leurs fondations de données pourraient donc être mieux placés pour saisir les opportunités. De fait, 68 % des banques considèrent l’interopérabilité des données comme une stratégie pour bâtir un avantage concurrentiel.
L’une des caractéristiques les plus marquantes des banques de premier plan tient à leur engagement en faveur de l’intégration des flux de travail. Cette connectivité permet aux enseignements issus des données de circuler plus librement entre les fonctions, en temps réel. Le bénéfice commercial peut être considérable.
La capacité à apporter une vision plus complète et intégrée à une décision de crédit, à un contrôle de conformité ou à un échange client peut réduire l’incertitude qui ralentit les décisions lorsque les différentes fonctions travaillent à partir de données séparées. Les fonctions de risque et de conformité figurent parmi les principaux bénéficiaires de cette évolution. Le risque de fraude et de criminalité financière constitue le premier domaine de focalisation des banques qui renforcent leurs capacités de gestion des risques, cité par 51 % des répondants, tandis que 40 % donnent la priorité à l’intégration transversale du risque entre les fonctions risque, finance et crédit.
Le développement de systèmes de gestion des risques plus unifiés, dotés d’outils d’IA, aide déjà certaines banques à renforcer leur positionnement concurrentiel et à soutenir une relation client plus personnalisée, susceptible d’améliorer la fidélisation et d’approfondir les liens commerciaux. Bon nombre des banques les plus avancées ont cessé d’opposer rapidité et confiance : elles les considèrent comme les résultats conjoints d’une même capacité sous-jacente. Lorsque les données, les analyses et l’infrastructure de gouvernance adéquates sont en place, des décisions plus rapides peuvent aussi être sûres.
