D'ici quelques années, des agents d'IA piloteront des portefeuilles, instruiront des dossiers de crédit et déclencheront des opérations de marché sans intervention humaine directe. La question n'est pas de savoir si cela arrivera. Elle est de savoir qui aura écrit les règles.
Par Grégoire Du Peloux, Head of Innovation, Tata Consultancy Services (*)
L'IA « 2.0 » marque une rupture nette avec la génération précédente. Au-delà de l'automatisation des tâches répétitives, émergent des systèmes capables d'analyser, de recommander, d'orchestrer et, demain, d'agir de façon autonome. Ce basculement déplace le cœur du débat : la question n'est plus « que peut faire l'IA ? », mais « dans quelles conditions peut-on lui faire confiance ? »
Ce défi concerne tous les secteurs. Dans la santé, l'industrie, l'énergie ou les services publics, l'IA commence à influencer des décisions critiques. Partout, les mêmes exigences s'imposent : traçabilité, supervision, responsabilité, résilience.
Mais c'est dans la finance que ces exigences atteignent leur niveau le plus élevé. Peu de secteurs concentrent à ce point la sensibilité des données, la pression réglementaire, l'intensité du risque cyber, l'exigence d'explicabilité et le potentiel d'impact systémique. Ici, une erreur algorithmique n'est jamais un simple bug : elle peut affecter un client, compromettre une conformité, fragiliser une réputation, voire perturber un marché entier. Le secteur financier n'est pas seulement un utilisateur avancé de l'IA : il en est le laboratoire de confiance.
Ce qui explique aussi pourquoi il figure parmi les plus gros investisseurs mondiaux dans l'intelligence artificielle. Selon IDC, les dépenses en IA dans le secteur BFSI devraient dépasser 97 milliards de dollars cumulés d'ici 2027. Cet effort ne traduit pas seulement la recherche de gains de productivité : il reflète une contrainte structurelle. Dans la finance, l'IA n'a de valeur que si elle répond à des exigences extrêmes de sécurité, de conformité et de maîtrise du risque.
Trois garde-fous qui dessinent l'IA de demain
On le voit déjà dans les stratégies des grands acteurs. JPMorgan Chase utilise l'IA générative pour assister l'analyse documentaire et améliorer la productivité de ses équipes. Morgan Stanley a déployé un assistant fondé sur GPT-4 permettant à ses conseillers d'accéder instantanément à leur base de connaissances interne. Les cas d'usage diffèrent, mais une constante s'impose : dans la finance, l'IA n'avance jamais seule. Elle progresse avec des garde-fous et ces garde-fous dessinent déjà les standards de demain.
Newsletter
Ma Tribune
L’actualité qui compte pour vous, chaque jour dans votre boîte mail.
Le premier est la confiance elle-même. Dans un environnement financier, l'IA ne peut pas rester une boîte noire. Elle doit être traçable, auditée, explicable et contrôlable. Qu'il s'agisse de scoring crédit, de détection de fraude ou de gestion des risques, l'exigence est identique : comprendre, documenter, justifier. Cette discipline du contrôle donne au secteur une longueur d'avance dans la construction d'une IA véritablement industrialisable.
Le deuxième est la souveraineté. Les institutions financières ne peuvent adopter l'IA sans interroger l'hébergement des modèles, la dépendance aux fournisseurs technologiques et la résilience opérationnelle. À mesure que l'IA agentique se développe, cet enjeu devient encore plus structurant : plus les systèmes gagnent en autonomie, plus les dépendances aux plateformes cloud et aux écosystèmes technologiques deviennent critiques. Ce qui vaut aujourd'hui pour la finance préfigure un défi pour l'ensemble de l'économie.
Le troisième est la progression maîtrisée vers l'autonomie. Dans la finance, le passage à des agents autonomes ne peut pas être brutal. Il suit une courbe stricte : observer, assister, recommander, agir sous supervision, puis agir dans un cadre strictement gouverné. Cette montée en puissance graduelle est la condition de l’innovation. Et ce modèle a vocation à inspirer d'autres secteurs critiques : industrie, santé, énergie, services publics.
Gouvernance de l’IA, la leçon de Lloyds
Le cas de Lloyds Banking Group illustre ce que cette approche rend possible concrètement. Pour passer de l'expérimentation à l'adoption à grande échelle, la banque britannique a mis en place un « GenAI Office » chargé de gouverner le déploiement de l'IA à l'échelle de l'entreprise. L'enjeu n'était pas de multiplier les projets pilotes, mais de créer un cadre commun, sécurisé et gouverné, permettant aux métiers comme aux équipes technologiques d'innover sans sacrifier les exigences de contrôle et de conformité. Résultat : plus de cinquante cas d'usage déployés, plus de 50 millions de dollars de valeur générée. La leçon n'est pas dans les chiffres mais dans la méthode : avant de viser l'autonomie, il faut construire l'architecture de la confiance.
C'est précisément là que se joue l'enjeu de l'IA 2.0. Les preuves de valeur existent désormais dans la plupart des secteurs. La vraie question est : comment intégrer ces systèmes dans des processus critiques sans perdre la maîtrise ? Comment répartir la responsabilité entre l'humain et la machine ? Les organisations qui réussiront ne seront pas celles qui auront déployé le plus d'outils, ce seront celles qui auront su bâtir les standards de confiance permettant à ces technologies de passer à l'échelle.
La finance a déjà joué ce rôle dans l'histoire des grandes infrastructures numériques. Cybersécurité, cloud, gouvernance de la donnée, identité numérique : les standards qui structurent aujourd'hui l'économie digitale ont presque tous été éprouvés dans les services financiers avant de se diffuser plus largement. En cherchant à rendre l'IA compatible avec ses propres exigences de confiance et de gouvernance, la finance ne transforme pas seulement ses modèles opérationnels. Elle écrit, peut-être déjà, les règles que le reste de l'économie devra adopter demain.
_______
(*) Grégoire du Peloux dirige l’Innovation et la Transformation chez TCS France. Depuis Paris, il accompagne les organisations dans l’adoption responsable des technologies émergentes, de l’intelligence artificielle aux deep tech, en les aidant à passer de l’expérimentation à des usages déployés à l’échelle de l’entreprise. Il anime également l’écosystème TCS Pace Port™ Paris, qui réunit clients, partenaires technologiques, chercheurs, universités et startups autour d’une même ambition : accélérer l’innovation et générer un impact business tangible.
