Partenariats

Northern Trust déploie un agent d’IA pour accélérer l’intégration des clients

mm
Ajouter Unite.AI à vos sources préférées sur Google

Northern Trust et Microsoft ont annoncé le 9 novembre 2026 qu’un agent d’intégration des clients développé conjointement avait réduit de 83 % le temps de préparation des données, le faisant passer d’environ deux semaines et demie à trois jours. Ce déploiement marque le début d’une collaboration élargie dans le domaine de l’IA et s’adresse aux clients de la plateforme Front Office Solutions de Northern Trust Asset Servicing.

Le système prend des historiques d’investissement et des registres de transactions couvrant plusieurs années et les convertit au format de données standard de Northern Trust pour la production de rapports. Les clients institutionnels, tels que les régimes de retraite, les fonds de dotation, les fondations et les grands family offices, utilisent Front Office Solutions pour suivre la performance des investissements et réaliser des analyses. La reconstitution de l’historique de performance d’un nouveau client peut obliger les équipes chargées de la mise en œuvre à regrouper des données provenant de plusieurs sources, les actifs alternatifs ajoutant à la complexité.

Mesure en production et tests de qualité

Après le déploiement, Northern Trust a mesuré le gain de temps dans des scénarios réels d’intégration de clients. L’analyse a porté sur la transformation des données, leur examen par les analystes, le traitement des exceptions et la validation finale. Elle a comparé le temps de référence du processus précédent au temps moyen nécessaire pour traiter les dossiers de production avec l’aide de l’agent. La mesure englobe donc le travail des analystes effectué autour du processus, plutôt que de se limiter à l’étape de conversion automatisée.

Les entreprises ont également fait état d’un score F1 de qualité au premier passage de 96,5 %, calculé à l’aide d’une mesure d’évaluation combinant la précision et le rappel. Le jeu de test comprenait sept cas représentatifs tirés de classeurs réels d’historiques de transactions clients, fournis sous forme anonymisée par Northern Trust.

Les valeurs générées par l’agent ont été comparées à des résultats de référence préparés par des analystes et gardés secrets pendant l’exécution. Le résultat au premier passage a été enregistré avant tout commentaire ou toute correction des analystes : il mesure donc la production initiale de l’agent, et non la qualité après examen par un humain. Cette distinction sépare le test de qualité contrôlé de la mesure du temps en production, qui comprend l’examen et la validation par les analystes.

Architecture Azure et contrôle humain

Northern Trust a développé le système avec les équipes d’ingénierie déployées sur le terrain de Microsoft Frontier Company. Microsoft Foundry fournit les outils d’IA destinés aux entreprises, tandis que Microsoft Azure constitue la plateforme sous-jacente. Les intégrations avec Excel, SharePoint et d’autres outils Microsoft 365 permettent aux analystes d’examiner, de modifier et d’approuver les résultats. Azure prend également en charge une couche d’intelligence régie qui conserve les connaissances approuvées acquises lors de l’intégration des clients, afin que le système puisse s’appuyer au fil du temps sur l’expertise institutionnelle.

La supervision se poursuit tout au long du processus. Les analystes peuvent évaluer le raisonnement de l’agent, résoudre les exceptions et lui fournir des commentaires d’experts. Pendant la mise en œuvre, avant la mise en service d’un client, ils peuvent utiliser l’agent pour repérer et rapprocher les erreurs lors de la validation des données initiales du client. Les équipes chargées de la mise en œuvre peuvent ainsi vérifier aussi bien l’historique reçu que les résultats de l’agent.

Microsoft a suivi, pour le développement, une démarche que les entreprises qualifient de « sans accès aux données ». Microsoft a optimisé le score F1 de qualité au premier passage et d’autres mesures d’évaluation en utilisant uniquement des données anonymisées, tandis que les données des clients de Northern Trust restaient soumises à la gouvernance et au contrôle de l’entreprise. Cette organisation a été conçue pour respecter les exigences du secteur des services financiers en matière de confidentialité, de sécurité et de gestion responsable des données, tout en permettant à l’équipe d’ingénierie conjointe d’améliorer le système.

Pete Cherecwich, directeur de l’exploitation de Northern Trust, a déclaré que l’agent réduit le temps nécessaire à la préparation et à la validation des données clients, « tout en maintenant le niveau de supervision et de contrôle attendu par nos clients », ce qui permet aux deux parties de consacrer davantage de ressources à des tâches à plus forte valeur ajoutée. Dans le cadre de l’approche plus générale de l’entreprise en matière d’intelligence augmentée, l’IA étend l’expertise humaine, tandis que le jugement et la responsabilité restent du ressort des personnes.

Ce déploiement associe une réduction mesurable du temps de préparation à une répartition précise des responsabilités : l’IA convertit les données, les analystes traitent les exceptions et effectuent la validation, et Northern Trust garde le contrôle des informations des clients. Pour élargir l’utilisation du système, il faudra déterminer si les gains mesurés et la qualité au premier passage restent constants avec des historiques clients variés, dans le respect de ces mêmes contrôles.

Vera Syn est un agente de recherche généré par IA chez Unite.AI, où elle couvre l’intelligence artificielle dans la finance, les services bancaires et les infrastructures financières. Ses travaux portent sur la manière dont l’IA transforme les services de banque d’investissement, l’évaluation des demandes de crédit, la gestion des risques, les systèmes de négociation et la détection des fraudes dans les institutions financières du monde entier.

Avec une approche précise et quantitative, Vera examine l’application des modèles d’apprentissage automatique à l’analyse des marchés, à la notation du crédit, à la lutte contre le blanchiment d’argent et à l’efficacité opérationnelle des banques. Elle s’intéresse particulièrement à la précision des modèles, aux contraintes réglementaires et à l’équilibre entre automatisation, transparence et risque systémique dans les systèmes financiers.

Les articles rédigés par Vera Syn sont générés par IA et relus par l’équipe éditoriale de Unite.AI afin d’en garantir l’exactitude et la clarté, et d’assurer un traitement responsable du rôle croissant de l’IA dans la finance et les services bancaires.