L’IA agentic dans les services financiers : Comment les dirigeants de données échelonnent-ils en toute sécurité

À travers l’Europe, les dirigeants de données dans les services financiers se trouvent sur une corde raide – désireux de mettre en œuvre et d’échelonner les outils d’IA, mais contraints par la conformité, la gestion des risques et le défi de prouver une valeur tangible. Selon notre enquête CDO Insights 2025, plus de 97 % des dirigeants de données mondiaux déclarent avoir du mal à démontrer clairement la valeur commerciale de l’IA générative. Et, alors que 87 % prévoient d’accélérer les investissements dans l’IA, 67 % admettent avoir déployé moins de la moitié de leurs pilotes d’IA à grande échelle.

L’un des principaux obstacles est l’obtention de l’approbation de la direction. Plus d’un tiers (35 %) déclarent que l’obtention du soutien et la démonstration de la valeur constituent un défi clé qui entrave le déploiement de l’IA. Cela signifie que de nombreux dirigeants restent dans une situation d’attente, hésitants à s’engager dans des déploiements plus larges sans preuves mesurables.

Cette hésitation contraste fortement avec le potentiel de la technologie. McKinsey estime que l’IA et l’analyse pourraient apporter jusqu’à 1 000 milliards de dollars de valeur supplémentaire annuelle aux banques mondiales, tandis que l’IA générative seule pourrait contribuer à hauteur de 340 milliards de dollars au bénéfice d’exploitation. Il s’agit d’une opportunité trop importante pour être ignorée – mais qui doit être abordée de manière à sauvegarder la conformité, à renforcer la confiance et à générer des rendements prouvés.

La voie à suivre

Malgré des vents contraires importants, il existe des organisations à travers l’Europe et le reste du monde qui progressent dans le déploiement de l’IA, en explorant la manière dont elles peuvent récolter les fruits des agents d’IA. Ceux qui font bouger les choses ne le font pas en plongeant tête baissée dans des déploiements complexes et à longue traîne. Au lieu de cela, ils adoptent une approche mesurée : en commençant petit, en construisant la confiance, en prouvant la valeur et en échelonnant uniquement lorsque la technologie prouve son efficacité.

Les déploiements d’IA les plus réussis ne se produisent pas du jour au lendemain. Ils commencent par de petits mouvements à fort impact qui inspirent confiance et produisent des résultats. Voici trois étapes pour commencer.

1. Utiliser l’IA pour nettoyer les données avant de les échelonner

Même avec l’approbation de la conformité, les systèmes d’IA ne sont solides que si les données sur lesquelles ils sont construits sont de qualité. Une mauvaise qualité des données entraînera une précision, une efficacité et une confiance insuffisantes. En fait, 43 % des dirigeants de données déclarent que les problèmes de données constituent leur principal obstacle à l’échelonnement de l’IA générative.

Heureusement, l’IA elle-même peut aider à résoudre ces problèmes de données. Dans les services financiers, par exemple, certaines entreprises utilisent des outils d’IA pour nettoyer les données des comptes à recevoir, en supprimant les doublons, en corrigeant les entrées obsolètes et en résolvant les enregistrements non correspondants. Une fois les données alignées et fiables, les entreprises peuvent automatiser les rappels, améliorer les flux de trésorerie et fonctionner avec plus de confiance dans leurs connaissances d’IA. Il s’agit également d’une priorité d’investissement. 86 % des dirigeants de données prévoient d’augmenter les dépenses de gestion des données, près de la moitié citant le fait de rendre les données adaptées à l’IA comme principal motif.

2. Commencer avec des agents exécuteurs ciblés

Le déploiement d’agents exécuteurs à objet unique est l’un des moyens les plus rapides de générer des victoires mesurables. Ces agents sont conçus pour gérer des tâches très spécifiques et bien définies, telles que la compilation de résumés de réunions, le traitement de transactions standard ou la catégorisation de requêtes client entrantes.

Parce que les agents exécuteurs sont simples à surveiller, ils produisent des sorties qui sont clairement traçables et plus faciles à valider pour l’exactitude. Cela réduit non seulement les risques opérationnels, mais fournit également des preuves précoces pour les parties prenantes, aidant à obtenir l’approbation pour une adoption plus large.

Une fois que le succès a été démontré avec des agents à tâche unique, les organisations peuvent introduire des structures d’IA plus complexes, telles que des planificateurs et des orchestrateurs, pour gérer des flux de travail à plusieurs étapes.

3. Rationaliser les rapports de conformité grâce à l’automatisation

La conformité est un domaine très gourmand en ressources dans les services financiers. La déclaration réglementaire nécessite souvent de rassembler et de concilier des données provenant de plusieurs sources, un processus qui peut consommer des centaines d’heures et reposer sur un petit bassin de spécialistes formés. L’IA excelle ici, offrant un excellent point de départ pour tester et échelonner la technologie.

Une fois que les données sous-jacentes sont nettoyées et structurées, l’IA peut prendre en charge une partie du travail lourd. Par exemple, la génération de rapports conformes à la norme BCBS 239 peut être partiellement automatisée à l’aide de la mise en correspondance des métadonnées combinée avec des modèles d’IA agentic. Ces systèmes peuvent produire des brouillons précis qui sont ensuite examinés par les agents de conformité, réduisant les délais de réponse tout en maintenant le contrôle de la qualité.

Le potentiel est considérable. McKinsey met en évidence une banque mondiale qui a réalisé des gains de productivité de 200 % à 2 000 % dans les processus de connaissance du client (KYC) en adoptant une approche d’« usine d’agents d’IA ». Ils ont maintenu une surveillance humaine mais ont automatisé les étapes les plus chronophages.

Leçons tirées du parcours de données d’une banque multinationale

Une banque multinationale néerlandaise a reconnu l’importance de bâtir les fondations de données pour le succès de l’IA. Elle a réalisé l’importance de la gestion des données, en en faisant une priorité. Elle a investi dans les processus organisationnels appropriés pour permettre la livraison à grande échelle, en faisant des choix délibérés pour habiliter les équipes. Et elle a donné aux équipes des directives claires et une forte collaboration interfonctionnelle pour réussir. Cette combinaison de données fiables, d’équipes habilitées et de direction stratégique claire est ce qui permet à l’IA de délivrer de la valeur commerciale — et non seulement des résultats technologiques.

Créer de l’élan sans perdre le contrôle

Avec 76 % des entreprises de services financiers prévoyant de déployer des solutions d’IA agentic dans les 12 prochains mois, l’élan se renforce. Cependant, il est clair que les organisations les plus performantes ne se précipitent pas dans une transformation à grande échelle. Ils déployeront l’IA de manière stratégique, en se concentrant sur des cas d’utilisation petits et bien délimités qui délivrent une valeur mesurable et améliorent l’efficacité opérationnelle. Ils intègrent également la gouvernance à chaque étape, en veillant à ce que les équipes de conformité soient impliquées tôt et souvent.

En adoptant cette approche incrémentale, les entreprises peuvent accélérer l’adoption de l’IA sans sacrifier la confiance ou l’alignement réglementaire, en transformant « commencer petit » d’une limitation perçue en une stratégie de croissance délibérée et éprouvée. Dans l’adoption de l’IA, la vitesse compte, mais la sécurité et l’évolutivité comptent encore plus. Les institutions de services financiers qui commencent petit, prouvent la valeur et échelonnent avec confiance seront celles les mieux placées pour débloquer le potentiel d’un trillion de dollars de l’IA.