Un outil pour contrôler les agents IA

Depuis toujours, les institutions financières engagent des efforts considérables dans la protection de l'argent de leurs clients. Et soudain, avec l'irruption des agents propulsés à l'intelligence artificielle auxquels ils sont de plus en plus enclins à confier toutes sortes de tâches, ce travail est remis en question. Incognia promet une solution.

Les outils de lutte contre la fraude « digitale », en particulier, sont constamment enrichis, à grands frais, afin de prendre en compte les menaces émergentes au fur et à mesure de leur apparition et leur fonctionnement repose en grande partie sur la connaissance de l'utilisateur qui interagit avec les applications de l'entreprise à un moment donné, qu'il s'agisse de l'identifier et l'authentifier ou de s'assurer, par exemple, que les transactions qu'il cherche à exécuter sont légitimes et réellement délibérées.

Or quand un agent IA se substitue au client, les mécanismes existants ne peuvent plus œuvrer de la même manière. Des problématiques différentes surgissent, complémentaires de celles qui sont déjà prises en compte. Au premier plan, bien sûr, la priorité consiste à garantir que l'automatisme qui se connecte est effectivement mandaté par la personne qu'il déclare représenter. Mais, par la suite, il faut également vérifier que les opérations qu'il exécute correspondent bien à la demande de son « maître ».

La solution d'Incognia promet de répondre à ces multiples niveaux d'enjeu. Elle sait d'abord distinguer les robots en tout genre des humains lorsqu'ils naviguent dans les logiciels qui leur sont exposés. Deuxième étape, les intelligences artificielles repérées font l'objet d'un filtrage préliminaire afin d'écarter celles qui paraissent suspectes par essence. Puis vient le contrôle de la délégation, dans laquelle le lien avec l'individu finalement responsable du comportement de l'agent est établi et validé.

À ce stade, l'évaluation de l'utilisateur à l'origine de la session est terminée. Entre alors en jeu une couche supplémentaire, destinée cette fois à surveiller les actions engagées. Outre l'inspection du certificat d'intention – qui devrait s'imposer rapidement comme un standard – et son enregistrement (comme les autres éléments de preuve du processus), la plate-forme analyse les opérations initiées en regard des habitudes du client, de manière à prévenir des écarts indicatifs d'éventuelles dérives.

En parallèle de leurs propres projets d'IA, les institutions financières doivent appréhender en urgence les dangers qu'implique l'adoption d'agents plus ou moins autonomes par les consommateurs. Elles ne pourront se contenter longtemps des réflexions initiales sur la traçabilité des contrôles passifs qu'elles mettent en œuvre. Elles devront très vite investir dans des mécanismes de protection proactifs si elles ne veulent pas se voir reprocher un laxisme coupable relevant potentiellement d'un défaut de conseil. Dans ce contexte, l'approche d'Incognia mérite largement l'attention.

La gouvernance de l'IA s'organise

Alors que les institutions financières se ruent sur les promesses de l'intelligence artificielle, elle en voient les coûts s'accumuler, parfois jusqu'à paraître hors de contrôle. Face au risque de dérive, la mise en place de règles concrètes d'utilisation devient impérative et Bank of America a créé une couche d'orchestration pour les implémenter.

Dans toutes les entreprises, la vague de fascination pour la nouvelle technologie à la mode a rapidement donné lieu à une dangereuse (mais classique) tendance à vouloir l'appliquer à tous les besoins et autres problèmes rencontrés. Le phénomène a désormais atteint un stade où il n'est plus tenable, ne serait-ce qu'en raison des factures qu'il engendre. Les entreprises les plus mûres commencent donc à définir une gouvernance rigoureuse afin de maîtriser la situation sans rater les opportunités.

Pour Bank of America, le premier principe relève du bon sens : avant de lancer un projet et de foncer sans plus réfléchir vers le recours à l'IA, les équipes doivent s'assurer de la pertinence de l'option envisagée. La démarche débute par une analyse soigneuse de la demande à traiter, qui permettra de trancher. Selon le directeur informatique de l'établissement, une approche traditionnelle – application mobile, logiciel déterministe… – est fréquemment reconnue comme la plus appropriée et sera donc développée.

Ensuite, dans le cas où l'intelligence artificielle est effectivement retenue, le dispositif impose le filtre d'une revue extensive, couvrant 16 piliers de risques (à éviter). Sont par exemple abordés, en amont des études, les enjeux de respect de la vie privée, de biais potentiels, d'impacts sur les collaborateurs, de propriété intellectuelle… Il est hors de question d'entamer la moindre exécution sans avoir au préalable vérifié que la solution proposée respectait les exigences communes dans ces différents domaines.

Enfin, au moment de sélectionner la plate-forme technique adéquate pour l'objectif visé, une couche d'orchestration (baptisée Orchestra) détermine le ou les modèles à privilégier en fonction des tâches à prendre en charge. De ce point de vue, la banque se veut agnostique des fournisseurs et des outils. Elle peut ainsi confier des besognes de classification à des modèles ouverts, implémentés sur ses propres infrastructures, et se tourner vers des solutions externes fermées pour des calculs sophistiqués.

Quand Bank of America dépense 400 millions de dollars pour quelques 140 applications d'IA et prévoit de doubler ce budget l'année prochaine, il ne peut plus être question de se cantonner à un mode expérimental dans lequel chacun serait libre de choisir ses méthodes de travail. Elle ne peut s'éviter l'instauration d'une gouvernance formelle… qui doit s'accompagner également, même si l'article en référence ne le détaille pas, d'une réflexion sur la rentabilité des initiatives et les indicateurs de mesure associés.

IA et droits d'auteur dans la banque

L'irruption soudaine de l'intelligence artificielle générative dans les entreprises soulève une multitude de questions dans de nombreux domaines mais, hormis pour les principaux intéressés, celles qui concernent les droits des auteurs de contenus originaux figurent rarement en tête de liste. CommBank commence à rectifier cet oubli.

Bien entendu, le sujet engendre depuis des mois des débats passionnés sur la rémunération que mériterait l'exploitation que font les plates-formes des articles de presse, romans, et autres textes en tous genres (sans parler des images, vidéos, sons…) mais il est généralement cantonné aux géants technologiques et à la manière dont ils entraînent leurs modèles avec cette matière première indispensable à la performance de leurs produits. En quoi la banque serait-elle donc impliquée ?

Après tout, comme les autres firmes utilisatrices, elles adoptent des solutions dont les fournisseurs ont la responsabilité de s'assurer du respect des exigences légales relatives à la propriété intellectuelle et, lorsqu'elles développent leurs propres outils, elles les mettent au point avec leurs propres données… parce qu'elles visent à spécialiser les résultats sur leur expertise et leur culture internes. Il reste pourtant un cas à couvrir, quand les employés reprennent des extraits d'information dans leurs interrogations.

Alors, afin de ne laisser aucune place à la moindre lacune, CommBank choisit de compléter son accord avec l'agence australienne de gestion des droits d'auteur pour intégrer cette nouvelle possibilité. Sa licence existante, qui autorisait précédemment, moyennant rétribution, les collaborateurs de l'institution financière à copier et partager des éléments issus de l'actualité, de rapports de recherche, de livres…, admet désormais aussi leur usage dans les invites soumises aux plates-formes d'intelligence artificielle, par exemple en vue d'en obtenir un résumé ou en dériver une présentation.

L'initiative ne représentera évidemment qu'une goutte d'eau pour les ayant-droits, dont les principales demandes restent insatisfaites. Mais elle a le mérite de démontrer une volonté de la part de l'établissement d'appréhender l'IA dans une démarche responsable, sous tous ses aspects, que ce soit vis-à-vis de ses clients, de ses effectifs ou de la société. En arrière-plan, elle reflète également les efforts d'analyse conduits dans le but de comprendre et maîtriser à 360° les enjeux et les impacts de la technologie.

Aborder l'IA en confiance, selon Monzo

Dans sa série des leçons apprises sur le terrain qu'elle partage avec le reste du monde, Monzo relate sa récente expérience avec l'intelligence artificielle placée entre les mains de ses clients, dans le cadre d'un programme de test en conditions réelles implémenté par le régulateur britannique. Pragmatisme au menu, comme toujours !

Pour une jeune pousse comme pour une banque historique, l'IA et les incertitudes sur les résultats qu'elle produit constituent un défi inédit par rapport aux algorithmes traditionnels, plus prédictibles (si on laisse de côté les anomalies de programmation). Plus encore que dans tout autre secteur économique, il est impossible de distribuer des services susceptibles d'induire leurs utilisateurs en erreur, autant pour préserver leur confiance que dans le but d'éviter des sanctions réglementaires impitoyables.

C'est pourquoi Monzo a choisi de participer à l'initiative de la FCA, qui consistait à expérimenter, avec des entreprises possédant déjà une certaine maturité avec l'intelligence artificielle, une application opérationnelle dans un environnement contrôlé, c'est-à-dire avec, entre autres, le support des équipes de l'autorité publique pour l'évaluation en temps réel des risques et la définition de bonnes pratiques permettant d'atteindre les objectifs visés, notamment en termes d'expérience client.

Le cas de mise en œuvre retenu pour cet exercice porte sur une classique fonction d'assistance à l'épargne : le client spécifie un projet – réserve de secours, voyage, objet à acquérir… – et l'outil l'aide ensuite à mettre de l'argent de côté afin de le réaliser, avec une faculté de réajustements intermédiaires. Le cadre est volontairement circonscrit à un périmètre réduit et il s'agit du premier enseignement à tirer de la démarche : seule une cible précise et resserrée autorise une maîtrise complète.

Une fois l'objectif clairement établi, il devient en effet facile de formaliser ce qui déterminera le succès et, à l'inverse, ce qui pourrait mal tourner. Sur cette base, il reste alors à identifier, en accord avec les obligations à respecter, les preuves de justesse et de pertinence requises ainsi que les moyens à déployer pour gérer les incertitudes et vérifier la compréhension par l'utilisateur de ce qui lui est proposé. Ce dernier point est particulièrement critique car le danger de l'IA ne se résume pas à ses hallucinations. Son excès d'assurance, ses hypothèses implicites… sont tout aussi néfastes.

Enfin, Monzo rappelle que chaque application est à considérer comme un ensemble évolutif. Au fil des changements de technologie, de données, de comportement des clients…, il faudra veiller en permanence à sa stabilité. Cela implique d'assigner des responsabilités explicites sur le long terme, ainsi que d'anticiper au plus tôt les règles de pilotage des modifications et de prise en charge des alertes. Là encore, l'approche privilégiée sera celle qui s'appuie non sur des contraintes techniques qui ne résistent pas à l'usure du temps mais sur quelques principes et sur les résultats attendus.

Citi lance sa plate-forme publicitaire

C'est une idée qui circule depuis des années parmi les institutions financières… mais elle reste dans les cartons, notamment par crainte de braquer leurs clients. Aujourd'hui, Citi la relance avec sa nouvelle plate-forme de distribution de publicités ultra-personnalisées grâce à l'exploitation des données collectées sur ses cartes de crédit.

Naturellement, depuis longtemps, une déclinaison spécifique du principe s'est développée, plutôt discrètement, que l'américaine prévoit aussi d'intégrer à son catalogue, à terme : dans une approche qui se veut directement bénéfique pour les utilisateurs de services bancaires en ligne ou mobiles, elle leur propose, en général après un enrôlement explicite, d'obtenir des offres de réduction ou autres avantages ciblés selon leurs habitudes de consommation, telles que les reflètent leurs dépenses.

Avec Citi Commerce Media, il s'agit maintenant de franchir une nouvelle frontière puisqu'il est question de commercialiser de l'espace média sur les propriétés « digitales » de l'établissement, toujours avec les mêmes possibilités de filtrage sur les profils de visiteurs. Bienvenue dans l'ère de la publicité dans les applications bancaires, avec les promesses d'accès à 70 millions d'individus, dont les préférences sont connues avec une précision incomparable, et de placement privilégié des messages.

Entre autres, Citi vante sa capacité unique à identifier plus de 700 catégories d'achats au sein des quelques 6,5 milliards de transactions annuelles qu'elle gère pour le compte de ses clients. Cette masse d'information lui procure une visibilité diabolique sur leur comportement, jusqu'à lui permettre d'affirmer être en mesure de détecter leurs intentions, et pouvoir ainsi placer les communications de ses partenaires en amont de leur décision, pour un rendement cinq fois supérieur à une campagne classique.

La solution, qui émane de l'acquisition récente du spécialiste des récompenses sur la carte de crédit Kard, s'accompagne évidemment d'outils de suivi et de mesure, avec lesquels les annonceurs disposeront d'indicateurs complets et objectifs sur la performance de leurs insertions, en vue de justifier leurs investissements. La banque capitalise là encore sur sa position d'intermédiaire des opérations des consommateurs pour connaître l'impact effectif des publicités auxquelles elle les a exposés.

Du point de vue de Citi, la démarche constitue une évidence, avec un modèle dans lequel toutes les composantes de la réussite s'emboîtent parfaitement. Mais n'aurait-elle pas oublié un préalable essentiel dans son initiative ? Ses clients, qui n'ont apparemment pas leur mot à dire et dont les intérêts ne semblent pas considérés une seule seconde, seront-ils enthousiasmés par la présence de publicités intempestives au cœur de leurs applications financières ? Accepteront-ils sans broncher que leurs données personnelles soient mises à profit pour un tel objectif ? Les précédents en la matière laissent présager un retour de bâton potentiellement brutal et douloureux.

BBVA explore la causalité dans l'IA

Forcément intéressée, ne serait-ce que pour répondre aux exigences réglementaires, à développer l'explicabilité et, plus généralement, la transparence des résultats des modèles d'intelligence artificielle qu'elle met en œuvre, BBVA soutient un travail de recherche formel sur la causalité dans les prédictions qu'ils sont susceptibles de formuler.

Pour beaucoup de monde, l'IA, comme la plus modeste science des données, constitue une sorte d'outil magique capable de détecter des liens subtils et dissimulés entre des données apparemment indépendantes, ce qui lui octroierait le pouvoir de prévoir des conséquences futures à partir d'observations du passé et du présent. Or cette perception est fausse et accepter les prédicats qu'elle produit sans comprendre le « raisonnement » sous-jacent revient à assumer une illusion potentiellement dangereuse.

Il faudra probablement le répéter encore et encore, mais la technologie actuelle est relativement bête, en dépit de sa dénomination. Elle ne suit pas, comme un humain le fait (ou, du moins, devrait toujours le faire), un processus logique pour analyser un problème et aboutir à une conclusion. Elle opère par voie de statistiques et peut de la sorte identifier des corrélations entre des informations qui lui sont soumises, puis, sur cette base, projeter des déclinaisons ultérieures. Mais corrélation n'est pas raison.

De multiples facteurs, y compris le pur hasard, peuvent entrer en jeu dans ces relations apparentes et les exploiter sans s'inquiéter de leur fiabilité rationnelle induit un risque de malentendus. Naturellement, les institutions financières, entre autres, ne peuvent se permettre de prendre de tels risques. Voilà pourquoi BBVA se penche sérieusement sur les possibilités de restituer les paramètres d'entrée et les étapes de « réflexion » conduisant l'IA à un résultat, de manière à les valider ou les questionner.

Pour peu qu'elle soit soumise ensuite au discernement d'un expert humain, l'approche a plusieurs mérites, au-delà de sa première utilité pour la détection de prémisses erronées et la prévention de dérives qu'elles peuvent engendrer ou encore afin d'établir une preuve auditable de la fiabilité des algorithmes. Tout d'abord, elle favorise la compréhension de mécanismes précédemment ignorés, reflétés par les données étudiées, qu'il sera alors possible de mettre à l'épreuve dans d'autres applications.

Autre opportunité, la connaissance des éléments entrant en ligne de compte dans un « raisonnement » artificiel sera certainement utile au raffinement des modèles déployés, par exemple en les encourageant à s'appuyer sur des connexions confirmées, tandis que, à l'inverse, les dépendances abusives pourront être écartées au plus tôt. En prolongeant un peu les hypothèses, ces défauts offriraient peut-être également des moyens de repérer (et éradiquer) des biais dans les jeux de données sources.

Mais le plus important n'est-il pas ailleurs ? Les banques sont avides d'IA mais se trouvent fréquemment freinées dans leurs initiatives par manque de confiance dans le fonctionnement au long cours de leurs applications. Dans cette perspective, la visibilité sur ce qui passe au cœur des logiciels représente aussi un levier de réassurance susceptible d'aider à mieux accepter les usages, jusque dans des contextes sensibles.

L'IA impose ses exigences

Les traditionnelles prédictions stratégiques annuelles de Gartner sont, pour 2027 et au-delà, exclusivement consacrées à l'intelligence artificielle. Cependant, ce qui me surprend le plus est le prisme retenu : il n'est pratiquement question que des défis et des contraintes qu'elle imposera aux entreprises et non des opportunités qu'elle leur offre.

Dans ce dernier registre, les analystes ne retiennent que deux propositions. L'une, élémentaire, concerne l'irruption de l'IA « physique » aux côtés des employés, que ce soit sous forme de robots à proprement parler ou de véhicules autonomes, de drones et autres appareils interagissant avec leur environnement. En la matière, une recommandation notable porte sur les impératifs de sécurité, qui devraient être placés en tête des préoccupations. La seconde est indirecte puisqu'elle esquisse l'émergence d'une activité de distribution d'énergie dans les grands groupes qui déploient leurs propres capacités de production face aux besoins engendrés par leurs usages.

Une idée intéressante, qui changerait radicalement le fonctionnement des directions informatiques, touche aux nouvelles méthodes de développement logiciel. Il ne s'agit pas ici uniquement de considérer les impacts sur la programmation, dont l'assistance constitue un des premiers cas de mise en œuvre de l'intelligence artificielle, mais aussi du changement de perspective sur le patrimoine applicatif que son efficacité induit : d'ici 2029, 80% des applications générées seraient jetables, par conception, en réponse à des demandes ponctuelles ou pour une adaptation rapide à un contexte mouvant.

Dans la catégorie des challenges, ensuite, Gartner voit apparaître une classe d'acteurs opérant nativement via l'IA, ce qui leur procure la faculté de mettre sur le marché des produits personnalisés à grande échelle qui déstabiliseront les organisations restées à la traîne de la tendance, notamment par leurs conséquences sur la fidélité de leurs clients… et de leurs collaborateurs. Ce genre de prophéties est classique de l'exercice, mais elle a le mérite d'insister sur l'importance, indiscutable, de l'innovation et, en arrière-plan, de la nécessité de définir un cadre qui la stimule continuellement.

Mais les aspects financiers sont ce qui inquiète le plus le cabinet. Si la problématique des coûts directs du recours à des modèles intelligents est désormais relativement bien intégrée, divers risques périphériques sont également à envisager, tels que les attaques par épuisement de tokens – quand des personnes malintentionnées abusent de services exposés au grand public afin de provoquer une consommation excessive de ressources – et le débordement de capacité – quand les utilisateurs légitimes exploitent de plus en plus massivement des agents pour exécuter leurs tâches automatiquement.

La défense passera par la mise en œuvre d'une gouvernance spécifique. À un niveau tactique, il faudra installer des solutions de suivi et de contrôle en temps réel, fournissant un socle de pilotage aux décideurs. À un stade plus stratégique, ces outils devront être aptes à un rapprochement avec une mesure du retour sur investissement, et donner ainsi de la visibilité sur la valeur réelle dégagée par les initiatives, afin, le cas échéant, d'engager les arbitrages nécessaires. Dans ce but, 6 entreprises sur 10 disposeraient en 2029 d'une fonction dédiée à cette surveillance de l'équilibre coûts-bénéfices de l'IA.

Enfin, il restera à traiter le (vaste) sujet de la responsabilité qui, dans certains secteurs, dont le secteur financier, relève aussi d'un enjeu réglementaire. Pour Gartner, le directeur informatique ou, si le poste existe, le directeur de l'intelligence artificielle devra assumer cette charge supplémentaire de définition des règles applicables et se porter garant de leur implémentation effective. Dernière note, toujours dans ce domaine, ce sont les assureurs et non les régulateurs qui en établiront les normes, à travers les contraintes qu'ils édicteront pour offrir une couverture abordable à leurs clients.

En conclusion, les firmes qui aujourd'hui se concentrent sur des expérimentations avec l'IA, en essayant de déterminer comment elle peuvent tirer parti de ses opportunités, ont tout intérêt à se pencher au plus tôt sur le cadre général dans lequel elles devront se projeter quand elle sera devenue une composante stratégique de leurs infrastructures.

Une IA pour remplacer les actuaires

Huscarl, qui vient d'opérer une première levée de fonds au début du mois, s'attaque à une forteresse historique de l'analyse de données : l'actuariat. Elle développe en effet, à l'intention des entreprises auto-assurées, des outils d'intelligence artificielle capables de calculer des projections de pertes et de primes sur des scénarios personnalisés.

Bien sûr, il n'est pas question – en tous cas pour l'instant (?) – de remplacer les experts qui, dans les compagnies, affinent presque quotidiennement les évaluations de risques sur les produits courants de l'industrie avec des modèles mis au point et étalonnés sur de longues années. En revanche, la jeune pousse (française) défend ses atouts pour s'implanter dans des domaines plus spécialisés, tels que ceux que prennent en charge les entités captives, correspondant fréquemment à des besoins atypiques.

Huscarl propose ainsi de réaliser des études de faisabilité ad hoc ou bien de construire un véritable plan d'affaires pour une couverture donnée. À partir d'informations plus ou moins riches et d'une description des attentes, ses algorithmes vont élaborer un dossier d'étude sur cinq ans, illustrant l'équation économique d'un projet, y compris en conditions extrêmes, ou bien estimer le coût à prévoir, ligne par ligne, prenant même en compte les évolutions structurelles, par exemple autour des aléas liés au changement climatique.

Dans une large mesure, la startup cherche plus à combler les niches dans lesquelles les professionnels ne peuvent s'engager qu'à remplacer le travail des actuaires, ce qui explique son positionnement. Elle promet notamment, de manière explicite, de fournir des résultats exploitables sur des risques que les acteurs traditionnels ne veulent pas considérer ou, du moins, pas avec le niveau de personnalisation souhaité, que ce soit par manque de données de référence ou en raison de leur mauvaise qualité.

Aujourd'hui, vus de l'extérieur, les actuaires représentent une élite intouchable dans l'univers de l'assurance. Pourtant, ils ne seront pas épargnés par la révolution de l'intelligence artificielle, bien au contraire. Leurs compétences en matières de statistiques sont évidemment parmi les plus exposées à l'automatisation… et, conscients du progrès, ils ont su s'approprier les générations précédentes de science de données en vue de décupler leur efficacité. Désormais, c'est le second pan de leur savoir-faire qui est menacé : la compréhension des sous-jacents d'un risque et d'une couverture. Certes les IA n'en ont pas une réelle perception mais elles sont néanmoins en mesure de les capturer dans des documents ou autre sources d'information et cette capacité peut probablement suffire à reproduire une expertise convaincante.

Des IA pour les conseillers financiers

Coup sur coup, OpenAI puis Anthropic ont présenté leurs solutions d'intelligence artificielle générative à l'intention des conseillers financiers. Au milieu de la frénésie pour les agents IA, leurs prétentions, largement circonscrites à la documentation, paraissent timides : l'extrême prudence qui règne dans le secteur impose ses conditions.

Pour être précis, les annonces des deux firmes ne concernent pas exactement les mêmes populations : la déclinaison de ChatGPT s'adresse plutôt aux équipes de banque d'investissement tandis que celle de Claude est véritablement dédiée aux professionnels de l'accompagnement des particuliers. J'estime néanmoins intéressant de constater à quel point les approches s'avèrent similaires et, finalement, portent sur un périmètre contraint qui, en pratique, en limite la valeur en tant qu'offre tierce.

Les solutions visent ainsi un même objectif de simplifier les phases documentaires et préparatoires au travail des spécialistes. Dans cette perspective, l'accent est mis sur les connecteurs pré-intégrés, qui permettent à l'IA d'accéder directement et de manière aussi transparente que possible (donc sans requérir des configurations techniques parfois complexes) aux sources d'information habituelles de ses utilisateurs. À partir de cette matière, elle réalise les tâches administratives classiques de son audience cible.

Pour ChatGPT, qui rattrape ici son grand concurrent sur un produit datant de plus d'un an, il s'agit de produire des documents d'analyse financière – sous divers formats, y compris graphiques, adaptés aux chartes de chaque client, le cas échéant – en combinant des sources multiples et en opérant sur des dimensions variables (statique, temporelle…). Naturellement, OpenAI insiste sur les garanties de sécurité et de confidentialité qu'elle engage vis-à-vis des données ingérées par son modèle.

Du côté de Claude, c'est une batterie de fonctions unitaires qui est mise à la disposition des conseillers, également dans l'optique de faciliter leur quotidien : études préalables à un entretien, portant, selon les cas, sur les investissements alternatifs, sur les aspects réglementaires, sur la fiscalité, la revue des équilibres du portefeuille… Les protections sont partiellement automatisées, par exemple le contrôle des exigences de la SEC sur les communications aux clients, ou déléguées à l'humain, dont la validation est requise pour les livrables potentiellement sensibles (notamment s'ils sont partagés).

En synthèse, les géants de l'IA proposent à l'industrie de la finance des outils qui se contentent d'implémenter les « basiques » de l'intelligence artificielle générative dans ses métiers, à savoir, en simplifiant le concept, l'acquisition d'information, son traitement, et la restitution de contenus dérivés plus ou moins originaux. Cette démarche évite certes les inquiétudes suscitées par des modèles qui élaboreraient des stratégies d'investissement ou émettraient des recommandations. Mais ne correspond-elle pas à ce que les institutions construisent déjà en interne depuis quelques temps ?

L'agent d'Alipay automatise le café du matin

À l'occasion d'une conférence qui se tenait à Shanghai, Alipay présentait, en collaboration avec Starbucks, un nouveau service implémenté par son agent IA Ah Bao, permettant, par exemple, de commander un café tous les matins à 10 heures et plus généralement, à terme, d'exécuter diverses tâches sur demande.

Lancé en juin dernier, Ah Bao propose déjà des milliers de services pilotés par l'intelligence artificielle maison, allant de la simple recherche d'information – dans des domaines aussi variés que les loisirs, les sorties, la mobilité, le voyage, les soins vétérinaires… – à la possibilité d'exécuter des opérations – héler un taxi autonome, régler une facture… Avec sa dernière démonstration, il devient aussi capable de prendre en charge des commandes de bout en bout, y compris pour une date future.

En pratique, l'utilisateur exprime son besoin en langage naturel dans l'application dédiée, soit, dans la démonstration : « prépare-moi un latte glacé tous les matins à 10 heures ». Si nécessaire, l'outil lui demande des informations complémentaires. Une fois l'ordre confirmé, il assume en totale autonomie sa transmission à Starbucks, son paiement et émet un rappel lors de chaque occurrence. Une option autorise bien sûr la modification ou l'annulation de la tâche à tout moment (mais pourquoi pas via la conversation ?).

Aussi séduisantes qu'elles paraissent (à certains consommateurs), ces évolutions technologiques soulèvent quelques sérieuses questions sociétales… Le modèle qu'esquisse Alipay, comme tous les promoteurs forcenés de l'IA, tend vers un monde de robots : les clients ne communiquent presque plus qu'avec des agents, des machines dirigent les employés des entreprises, en attendant de les remplacer entièrement, et la « livraison », surtout dans le cas des partenaires privilégiés du géant chinois (McDonald's, KFC…), est industrialisée à outrance. Une telle perspective, focalisée exclusivement sur la productivité maximisée, fait-elle rêver tant de personnes ?

Démocratiser la gestion de patrimoine avec l'IA

Rêve ancien mais, hélas, jamais concrétisé, la gestion de patrimoine pour tous semble aujourd'hui réveiller les appétits, à l'aune des promesses de l'intelligence artificielle. Le géant américain Vanguard annonce ainsi l'acquisition d'Altruist, en espérant que sa plate-forme aide les conseillers spécialisés à démultiplier leur force de frappe.

Avec les générations successives de « robots-conseillers », la première vague de démocratisation du secteur vise, depuis une quinzaine d'années, à proposer une alternative aux personnes ne disposant pas des moyens de bénéficier des services d'un professionnel. L'absence d'une dimension d'accompagnement de proximité dans ces outils les a malheureusement relégués à un rôle de plate-forme d'investissement certes accessible, mais avec laquelle le client est largement laissé seul devant ses choix.

La vision cible a maintenant changé, y compris chez les trublions d'autrefois, qui, pour les plus évolués, ont mis en place des modèles de conseil humain pour les utilisateurs « haut de gamme ». L'objectif privilégié consiste désormais à rendre ces approches plus efficaces, de manière à en abaisser les coûts et parvenir de la sorte à les ouvrir à une population plus large… qui ne pourra cependant englober l'immense majorité des ménages, modestes, voués, pour l'instant (à jamais ?), à rester à l'écart de la tendance.

Altruist se positionne clairement sur ce créneau, avec une solution propulsée à l'IA pour l'optimisation des processus administratifs qui consomment tellement de temps et d'énergie chez les conseillers, qu'ils préfèreraient consacrer à aider plus d'individus dans le pilotage de leur argent : ouvertures de compte (et les contraintes, notamment réglementaires, associées), suivi des portefeuilles et rapports contextualisés (incluant aussi un portail dédié pour les clients), pilotage des opérations, facturation…

Le domaine de la gestion de patrimoine est historiquement en retard dans sa transformation « digitale » et cette situation crée une opportunité pour des jeunes pousses qui voient dans l'intelligence artificielle un moyen de combler le déficit (en France, Patrimind, dont je parlais récemment en fournit un autre exemple). En revanche, leurs offres adressent en priorité des enjeux de productivité dans les métiers existants plutôt que d'envisager une modernisation pourtant nécessaire de l'expérience client.

Je reste toutefois optimiste pour l'avenir, même si celui ci semble encore lointain, car, comme je le remarquais dans un article précédent, je pense que les acteurs qui commencent à convaincre la profession de recourir à l'IA dans leur quotidien – et l'irruption de Vanguard dans la bataille devrait accélérer le mouvement – prendront certainement conscience, avec leurs clients, des possibilités d'étendre progressivement leur périmètre d'intervention, en particulier en permettant à leurs outils d'offrir les niveaux de conseil primaires qui font aussi partie du train-train des spécialistes et peuvent couvrir une part importante des besoins des moins fortunés.

Testudo assure contre les risques de l'IA

Dans de nombreuses entreprises, l'intelligence artificielle générative est perçue comme une extraordinaire source d'opportunités mais également de risques impossibles à maîtriser, qui entravent leurs initiatives, notamment celles qui s'adressent directement aux clients. L'américaine Testudo leur propose désormais une assurance dédiée.

Les dirigeants ont de quoi s'inquiéter : alors que les applications de l'IA se propagent à grande vitesse dans leurs organisations, leurs garanties de responsabilité civile excluent progressivement celles-ci de leur périmètre. En parallèle, les litiges sont de plus en plus nombreux, qu'ils portent sur les conséquences d'erreurs commises par les outils ou sur des questions de propriété intellectuelle, pour ne citer que les cas les plus fréquents, et les montants d'indemnisation réclamés se chiffrent en millions de dollars.

Naturellement, la jeunesse de la technologie et la nouveauté de ses impacts (notamment par rapport à des logiciels traditionnels) expliquent les réticences des assureurs. Mais elles n'empêchent pas Testudo de développer ses modèles actuariels propres, adossés à Lloyd's, grâce à une approche adaptée. Elle s'appuie en particulier sur une veille permanente des dossiers traités par la justice, de manière à pouvoir ajuster ses paramètres en quasi temps réel, en fonction des profils spécifiques de ses clients.

Pour ces derniers, l'offre se décline en trois composantes successives. En premier lieu, la jeune pousse réalise une analyse de leur exposition, sur la base, entre autres, de leur domaine d'activité et des cas d'usages d'IA effectivement mis en œuvre. Ainsi armée, elle déploie ensuite son protocole de communication contextualisé de l'actualité via lequel elle transmet à chaque entreprise les informations susceptibles de la concerner, décisions judiciaires, interventions réglementaires, incidents et autres sinistres… de manière à lui permettre de prendre des mesures préventives ad hoc.

La dernière partie consiste en la couverture à proprement parler, personnalisée par rapport au résultat de l'étude préliminaire et rafraîchie régulièrement au fil des événements identifiés dans l'univers de l'IA. Elle prend en charge, à hauteur d'un maximum de 10 millions de dollars (selon les polices), les différends suscités par les impacts d'hallucinations, y compris d'éventuels dommages physiques, les divulgations de données confidentielles, les violations de copyright, les infractions réglementaires…

Testudo se donne pour mission d'apporter de la confiance dans l'économie de l'IA et il est vrai qu'elle en a besoin. Combien d'expérimentations sont mises en sommeil en raison des dangers qu'entraînerait le moindre écart dans le comportement des modèles ? Une multitude d'acteurs se positionnent aujourd'hui sur leur encadrement, afin d'éviter ces dérives, mais il leur est difficile de garantir qu'elles sont totalement éliminées. Une assurance fournit alors la dernière couche de protection, qui deviendra vite indispensable. Pas étonnant que Goldman Sachs ait investi dans la startup !

L'innovation IA en crowdsourcing chez Starling

Tous ses clients ne se sentant pas qualifiés pour exploiter son assistant intelligent, Starling Bank lui ajoute maintenant une rubrique « smart tools » qui leur propose des sortes de recettes prêtes à l'emploi pour divers besoins courants. Et elle promet de l'enrichir chaque semaine, y compris avec des suggestions en provenance de ses utilisateurs.

L'outil de la néo-banque a dépassé depuis quelques temps le stade du chatbot qui aide à la navigation dans les comptes, les produits, la documentation… via une interface en langage naturel. Vanté comme pionnier au Royaume-Uni, il sait aussi exécuter des actions pour le compte de son « maître ». Les plus aguerris s'en servent pour automatiser des tâches récurrentes mais une partie de la clientèle reste à l'écart de ces possibilités, faute de confiance en sa capacité à piloter l'intelligence artificielle.

L'onglet « smart tools » est conçu pour cette population. Au lieu de se contenter de quelques exemples de consignes (« prompts ») simples puis de laisser la personne se débrouiller devant l'invitation à engager la conversation avec l'IA, il liste un certain nombre de services prédéfinis, offrant plus ou moins de latitude de personnalisation, beaucoup plus faciles à mettre en œuvre et, surtout, rassurants pour les néophytes, puisqu'ils portent la garantie implicite de ne pas prendre de risques insoupçonnés.

Au lancement, seules quatre fonctions sont incluses. Deux d'entre elles s'adressent aux particuliers, dans une approche relativement élémentaire, puisqu'il est question d'un quizz sur les habitudes de dépenses et de préparation de budget pour les étudiants. Les petites entreprises, quant à elles, bénéficient d'un module d'épargne automatisée pour les taxes (dans lequel le responsable indique comment identifier les opérations concernées) et d'un guide de migration vers la dématérialisation des impôts.

D'ici la fin du mois, deux options supplémentaires rejoindront le catalogue, l'une pour la mise en place et l'alimentation d'une réserve d'urgence adaptée à la situation spécifique de l'utilisateur et l'autre pour l'activation des protections contre la fraude selon son contexte. La liste devrait ainsi s'allonger de la sorte toutes les semaines, la jeune pousse profitant de la facilité avec laquelle elle peut « programmer » ces activités grâce à sa plate-forme d'IA (propulsée par Gemini de Google, si je ne m'abuse).

En outre, même si elle enclenche la démarche avec ses propres idées, elle est déterminée à répondre en priorité aux attentes des adeptes. Dans cette perspective, Starling demande à ces derniers de leur transmettre leurs propositions qui, si elles paraissent cohérentes, seront implémentées dans les « smart tools ». La communication officielle ne précise pas, toutefois, si les contributions doivent être fournies sous forme de commandes agentiques ou si des présentations de concept sont acceptées.

L'approche me rappelle celle de Monzo avec IFTTT, qui, avant l'ère de l'intelligence artificielle, essayait également de capitaliser sur la créativité de ses clients afin de partager des services utiles. À l'époque comme aujourd'hui, le développement des fonctions complémentaires était réservé à une élite et la banque jouait le rôle d'intermédiaire pour diffuser les meilleures auprès de ceux qui ne possèdent pas les compétences requises… ou ne pensent pas à toutes les opportunités.

Avec l'IA et sa rapidité de production, le modèle est désormais en mesure de prendre une autre dimension, notamment en matière d'hyper-personnalisation : il n'existe quasiment plus de limite technique au déploiement de fonctions dédiées aux niches les plus étroites. Il faudra tout au plus veiller à ce que l'accès en reste toujours aisé.

Chip, l'agent codeur de Monzo

Avec son « Agent Chip », conçu et mis au point en interne, Monzo se positionne aux antipodes de ces entreprises qui imaginent remplacer leurs effectifs humains de développement logiciel par des outils d'intelligence artificielle. A contrario, son approche s'avère extrêmement rationnelle et contrôlée, comme il se doit dans l'univers bancaire.

Pas de naïveté incongrue, l'ambition des promoteurs du projet, engagé depuis fin 2025, consiste bien, pour une large part, à renforcer l'efficacité et la productivité des équipes. Cependant, par pragmatisme autant que par prudence, il n'est pas question de confier à l'IA leurs tâches principales de production, du moins pour l'instant. En revanche, son rôle comprend d'emblée la prise en charge des demandes mineures, de celles qui restent fréquemment en bas de la pile des priorités dans toutes les organisations.

Connecté à la quasi-totalité du patrimoine informatique et documentaire de la jeune pousse, Agent Chip est d'abord utilisé, sans surprise, pour répondre aux questions posées dans l'espace collaboratif habituel des employés, au sein duquel il se comporte donc comme un super expert toujours disponible. D'un point de vue opérationnel, il est également capable d'effectuer les revues de code et d'exécuter les menues corvées « mécaniques », telles que les mises à jour de librairies ou les actions de normalisation.

Naturellement, il sait aussi proposer son aide pour la programmation. Mais le recours à cette faculté est privilégié dans deux circonstances particulières, pour lesquelles la réactivité est primordiale. Il va ainsi suggérer la solution adéquate, d'une part, lors d'une déclaration d'incident en production et, d'autre part, lorsque quelqu'un, éventuellement hors du département informatique, sollicite la correction d'une anomalie simple ou une petite évolution, qu'il suffit alors d'exprimer (en détails) en langage naturel.

Quelle qu'en soit l'origine, les changements générés par Agent Chip sont systématiquement validés par un professionnel humain (avec, il est vrai, le risque résiduel que ce dernier néglige cette phase essentielle par excès de confiance). Il subsiste donc une source de contention sur les ressources mais elle est sans commune mesure avec les délais qui, dans les organisations traditionnelles, peuvent affecter les requêtes jugées non prioritaires et engendrent souvent des frustrations côté métier.

Il faut encore parler des préalables à la création de l'outil, qui, incidemment, donnent aussi à comprendre le choix d'un réalisation interne. En premier lieu, la néo-banque à déployé une passerelle MCP – le standard de fait d'accès aux fonctions par les agents IA – gérant l'intermédiation avec tous les systèmes qu'il est susceptible de mettre en œuvre afin de remplir son rôle. Ceux-ci comprennent les plates-formes (classiques) de développement mais également les référentiels, notamment méthodologiques.

D'autre part, l'infrastructure agentique a été soigneusement élaborée de manière à prévenir toutes sortes de dérives. Implémentée sous un modèle de bac à sable, ses interactions avec le reste du monde sont strictement circonscrites et, par exemple, restreintes aux services existants (de gestion des sources, d'automatisation des tests…) disposant de leurs propres capacités de télémétrie, pour une traçabilité sans failles.

Loin des fantasmes de l'intelligence artificielle, Monzo démontre une nouvelle fois son opportunisme en évitant de lancer un chantier généraliste, dont la seule maîtrise des dangers qu'il entraînerait peut le conduire à un échec retentissant, et en préférant cibler en premier lieu les points de friction identifiés dans les processus actuels. Ce qui ne l'empêche pas, bien au contraire, Agent Chip étant envisagé comme un produit à part entière, de préparer un avenir où il prendra de plus en plus de responsabilités.

Un assistant IA pour la gestion de patrimoine

Conçue et développée par un conseiller en gestion de patrimoine en activité et un spécialiste de l'intelligence artificielle, Patrimind est une solution qui vise d'abord à soulager les professionnels du domaine de leurs tâches administratives, mais qui peut également les aider à mieux accompagner leurs clients, notamment les plus modestes.

Dans son rôle primaire d'assistante technique, le premier volet de l'expertise de cette IA sectorielle porte sur l'acquisition et la restitution d'information. Pour ce faire, la plate-forme ingurgite différents types de sources (documents d'identité, justificatifs fiscaux, échanges informels…), sous de multiples formats (fichiers PDF, feuilles de calcul, courriels…),  et en extrait les données importantes pour, par exemple, l'analyse initiale du dossier d'un prospect ou la préparation d'une proposition de plan d'investissement.

Outre un tableau de bord récapitulatif du client, l'utilisateur a la possibilité d'interroger, par tchat, le corpus ainsi constitué, de manière à retrouver en un tournemain une information utile sans avoir à explorer les pièces accumulées. Et, parce que le métier de la gestion de patrimoine ne souffre aucune approximation et que règne, à juste titre, une certaine méfiance vis-à-vis des hallucinations de l'IA, les réponses apportées à chaque question sont assorties d'une référence précise et vérifiable à leur origine.

Selon sa complétude, la connaissance engrangée de la sorte est ensuite disponible pour diverses analyses – bilans, audits, études de conformité… – qui pourront aussi déboucher sur des suggestions opérationnelles, spontanées ou stimulées (par une demande explicite). Comme tout ce que produit l'outil, les éléments de raisonnement mis en œuvre dans ce contexte sont toujours fournis avec leur provenance officielle, entre autres les textes juridiques pertinents, afin d'asseoir la légitimité des recommandations.

À partir des propositions retenues, émanant de l'IA ou élaborées à l'instigation du professionnel, la solution est alors en mesure de dérouler des scénarios de bout en bout, basés sur les données réelles, afin d'en évaluer la valeur et/ou de constituer un argumentaire à partager avec le client. Enfin, lors du passage à l'action, elle va extraire de ses registres et transmettre automatiquement les données nécessaires à la souscription de produits (pour les procédures de KYC et anti-fraude, en particulier).

Clairement et sans ambiguïté possible, l'objectif de Patrimind consiste bien à libérer du temps pour le conseiller, qu'il va pouvoir consacrer à son véritable savoir-faire, au service de ses clients. Cependant, les préconisations que commence à inclure son outil laissent également entrevoir une autre opportunité, de démocratisation de la gestion de fortune. En effet, l'intelligence artificielle pourrait assumer une part autonome plus ou moins importante et plus ou moins standardisée de l'accompagnement – sous contrôle d'un expert humain, par sécurité – selon le niveau de patrimoine de l'intéressé.

SOLO, la connaissance client collaborative

L'américaine SOLO n'est certes pas la première à offrir à l'industrie financière une solution de connaissance client partagée mais elle me paraît être une des plus sophistiquées à ce jour. Peut-être parviendra-t-elle ainsi à encourager effectivement les acteurs du secteur à mutualiser enfin une contrainte incontournable qui leur coûte cher.

La mise en commun d'information entre concurrents est aujourd'hui souvent expérimentée dans une perspective de lutte contre la fraude : dans ce cas, l'objectif recherché est d'améliorer son efficacité, en évitant qu'un escroc puisse reproduire ses méfaits successivement dans plusieurs établissements. SOLO, elle, pense d'abord aux frictions que provoque pour les entreprises et les consommateurs légitimes (et honnêtes) la nécessité de se soumettre régulièrement aux même contrôles.

Alors que la multi-bancarisation devient la norme parmi la population et que les exigences réglementaires s'alourdissent, autant en précision et en rigueur qu'en fréquence de validation, chaque personne doit se soumettre sans cesse à des formalités de vérification d'identité toujours identiques et transmettre à répétition les documents justificatifs classiques (domicile, revenus, imposition…). Ces procédures sont à la fois pénibles pour les intéressés et coûteuses pour leurs fournisseurs de services.

Dans ce contexte, l'idée de créer un référentiel qui centralise les données sur les entités possédant une relation avec une banque (ou équivalent) vient donc naturellement : une fois collectées, elles peuvent être réutilisés pour les demandes suivantes. Le principe se heurte toutefois à deux difficultés : d'une part, la réticence des institutions à partager ce qu'elles estiment être leur propriété et, d'autre part, la méfiance envers les méthodes en vigueur dans une firme extérieure, surtout vis-à-vis d'une obligation légale.

SOLO essaie de répondre à ces deux freins avec sa solution qui, par ailleurs, reprend des mécanismes habituels de captation et d'enregistrement des informations obtenues via ses différents partenaires, prêtes à partager avec les autres, moyennant une autorisation explicite de l'individu ou de la société concerné(e). Première particularité, elle offre une compensation aux fournisseurs pour chaque utilisation de leurs données, et reconnaît de la sorte les frais engagés afin de les obtenir et les vérifier.

D'autre part, elle a mis en place un système de « politiques » destinées à qualifier la fiabilité des résultats retournés, selon les besoins de chacun. Elles permettent de spécifier les attentes d'un demandeur (données requises, moyen de contrôle mis en œuvre, ancienneté…) et, après confrontation avec celles du gisement existant, qu'elle aura préalablement certifiées, de ne restituer que les enregistrements conformes, ceux qui manqueraient étant alors sollicités directement auprès du client ou prospect visé (avec une suggestion de les mettre à leur tour à la disposition de la communauté).

Après une année d'existence opérationnelle, SOLO compte déjà 240 enseignes dans son réseau, dont un certain nombre de banques « sponsors » qui trouvent là un moyen optimal d'imposer leurs contraintes aux jeunes pousses auxquelles elles délèguent leurs services. Au-delà de ce cercle de petites structures, relativement faciles à séduire, elle espère aussi conquérir de grands groupes, indispensables pour sa crédibilité, grâce à sa stratégie de rémunération des données, susceptible de contre-balancer le déséquilibre économique structurel de ce genre de démarche collaborative.

L'IA de l'ombre devient impossible à stopper

Alors que Google déploie depuis peu en France l'« Aperçu IA » au sein de son moteur de recherche, un article d'ITRmanager me procure une occasion de prendre un peu de recul sur les stratégies de protection mises en place dans les entreprises afin d'éviter les fuites de données et autres risques de sécurité engendrés par l'intelligence artificielle.

Après le lancement de ChatGPT puis des autres plates-formes d'intelligence artificielle générative destinées au grand public, les responsables informatiques des grands groupes, notamment du secteur financier, particulièrement sensibles, ont rapidement commencé à instaurer des blocages en vue d'interdire leur accès aux collaborateurs, par crainte (souvent justifiée) de divulgation de données confidentielles lors de leur utilisation ou de confiance excessive accordée aux résultats qu'elles produisent.

Naturellement, il n'était rien de plus simple jusqu'à présent que de créer des règles de filtrage sur les réseaux internes verrouillant toute tentative de consultation des sites bien connus, comme il en existe depuis très longtemps pour d'autres catégories de services en ligne (par exemple de divertissement). Hélas, l'initiative de Google vient rappeler aux gardiens du temple que l'IA n'existe déjà plus seulement sous la forme d'outils indépendants, faciles à identifier, mais que, de plus en plus, elle va s'infiltrer partout.

Avec la dernière version en date de son moteur de recherche, ce que redoutait les spécialistes de la sécurité fait désormais partie intégrante d'une des fonctions les plus utilisées d'internet. Tout en continuant à pouvoir l'exploiter comme ils l'ont toujours fait, avec une requête à base de mots-clés, ils ont maintenant aussi la possibilité d'exécuter des demandes complexes, partager le contexte de leur navigation, copier-coller des informations de leur poste de travail… pour obtenir des réponses élaborées.

Sauf à mettre entièrement Google (et ses pairs suivant la même évolution) sur liste noire, il est difficile d'empêcher les employés de profiter de cet ajout pour contourner les contraintes qui leur ont été imposées auparavant. Outre le renforcement nécessaire des messages pédagogiques sur les dangers de l'IA et les précautions plus ou moins élémentaires à prendre dans sa prise en main, l'auteur de l'article en référence propose sa propre solution, fournissant essentiellement un audit des requêtes effectuées.

Mais ce ne peut être qu'une réponse temporaire car, bientôt, l'intelligence artificielle sera intégrée dans tous les recoins du web et les risques associés seront alors omniprésents, à des degrés variables. Plus que jamais, l'éducation du personnel aux « bons » usages (y compris dans le registre éthique, incidemment), la sensibilisation récurrente aux principes de sécurité…, et le recours à des solutions de surveillance intelligentes à portée très large deviennent primordiales dans les organisations.

La proposition de valeur du logiciel change

Grâce à l'intelligence artificielle générative, (presque) n'importe qui est devenu capable de développer les logiciels nécessaires au bon fonctionnement de l'entreprise. Cependant, Clinton Herget (Forrester) argue que cette évolution n'impliquera pas la disparition des éditeurs mais imposera plutôt qu'ils adaptent leur proposition de valeur.

Une fois passées les années de défrichage aux débuts de l'informatique, les organisations ont toujours eu le choix entre deux modèles principaux pour leurs acquisitions de logiciel : soit elles les conçoivent et réalisent elles-mêmes, avec leurs propres ressources, soit elles les acquièrent auprès de fournisseurs spécialisés. Dans le premier cas, la facture est élevée mais le résultat est (en principe) précisément ajusté à leurs besoins spécifiques. Dans la seconde hypothèse, le facteur d'échelle rend les produits beaucoup plus abordables, au prix d'une standardisation forcée.

Aujourd'hui, l'IA générative remet sérieusement en question l'argumentaire puisqu'elle autorise une efficacité et une rapidité de création sans commune mesure avec celles des professionnels, aussi aguerris soient-ils, et, par voie de conséquence, un coût extrêmement compétitif. Il « suffit » de savoir manipuler les « invites » avec virtuosité pour demander aux plates-formes du marché de mettre au point et déployer une application en quelques jours sans compromis sur les fonctionnalités attendues.

Devant une menace existentielle de cet ordre, les éditeurs – indifféremment de solutions à installer ou en services (SaaS) – doivent admettre que leur valeur ajoutée ne réside plus, comme l'a pourtant validé un demi-siècle d'histoire, dans le code, qui est totalement banalisé par l'IA. Il leur faut maintenant reporter tous leurs efforts sur la confiance que doivent inspirer les logiciels qu'ils commercialisent, en particulier quand ils assument un rôle stratégique dans les systèmes d'information de leurs clients.

Ce qu'ils peuvent défendre en la matière est ce que l'intelligence artificielle ne maîtrise pas… du moins pour l'instant. Il s'agira notamment de l'architecture et du design des produits, essentiels pour leur viabilité à long terme : une conception optimale est indispensable pour des outils qui seront amenés à rester opérationnels durant des années et à travers plusieurs vagues de transformation. Encore faudrait-il que ces disciplines – et leurs experts – restent présents dans les équipes de développement.

De manière détournée, l'actualité d'IBM et sa filiale Red Hat illustre cette réorientation de la promesse. Dans l'univers du logiciel libre, le code, ouvert à tous, détermine rarement le prix des logiciels. En revanche, la garantie apportée par une firme reconnue, en l'occurrence en termes de correction des vulnérabilités dorénavant détectées par l'IA à un rythme insoutenable, crée une opportunité pour un modèle d'affaires renouvelé (monétisé par un abonnement annuel à 1 million de dollars, apparemment).

Pour les entreprises, les années qui viennent vont exiger qu'elles redéfinissent leurs critères habituels de sélection d'une stratégie d'équipement. En pratique, le dilemme classique « build or buy » va bientôt changer radicalement de forme, jusque dans des variantes inédites (par exemple, les applications tactiques, voire jetables, créées hors de la DSI, se généraliseront). Et leurs fournisseurs vont donc se trouver rapidement sous la pression d'une équation qui se prépare aujourd'hui et se stabilisera peu à peu…

L'IA affecte la visibilité des banques

Au début de l'année, l'agence de communication américaine 5W a simulé des milliers de requêtes de consommateurs sur les principales plates-formes d'intelligence artificielle générative – ChatGPT, Claude, Perplexity… – afin de déterminer comment les banques sont traitées par ces outils de plus en plus populaires. Les résultats sont édifiants.

Il n'y a pas si longtemps, le seul indicateur de mesure de la visibilité numérique des entreprises était celui que fournissait le moteur de recherche de Google, qui a donné naissance à la discipline incontournable du « SEO » pour son optimisation. En quelques mois, après le lancement de ChatGPT, tout a changé et, désormais, les populations, en particulier les plus jeunes, basculent sur les nouveaux services d'IA afin d'obtenir les réponses à leurs questions, remettant en cause des années de pratiques.

Dans le but de mieux comprendre et quantifier les implications du phénomène sur le secteur bancaire (de détail et d'investissement), les équipes de 5W ont exécuté 31 500 demandes représentatives des interrogations du grand public entre janvier et mai 2026. Leur analyse a ensuite porté non seulement sur les enseignes qui sortent gagnantes de l'exercice mais aussi sur quelques critères de « raisonnement », susceptibles d'aider les institutions qui souhaiteraient commencer à renforcer leur présence marketing…

Le premier constat révèle un fort déséquilibre des citations. Même si elle est numéro 1 aux États-Unis, JPMorgan se trouve ainsi largement sur-favorisée par les applications d'IA, apparaissant plus fréquemment que ses 4 principales concurrentes combinées (Bank of America, Wells Fargo, Citi, Capital One). À l'inverse, certaines marques sont presque totalement occultées… pendant que quelques nouveaux entrants, à l'instar de SoFi et Chime, tirent leur épingle du jeu en se plaçant dans le top 10 global.

Les sources les plus souvent référencées laissent également apparaître un biais considérable puisque trois fournisseurs d'information rassemblent plus des deux tiers des mentions. Devançant les médias traditionnels (Wall Street Journal, Forbes, Reuters…), ce sont deux sites spécialisés (Bankrate et Investopedia)… et Wikipedia, en tête (avec 19,3%), qui composent ce groupe. Les domaines des banques, tous confondus, occupent une position marginale dans le palmarès (à 6,8% de citations).

Autre observation notable, les solutions d'IA testées ont la mémoire longue, que ce soit pour mettre en exergue un produit qui n'existe plus (en l'occurrence, Marcus de Goldman Sachs, qui apparait encore très régulièrement) ou pour proposer des contre-exemples sur des préoccupations spécifiques de sécurité (qui, par ailleurs, sont dominées par les grands groupes), avec des « affaires » datant de plusieurs années.

Conclusion, les banques ont devant elle un énorme chantier si elles veulent rester dans les esprits de leurs prospects et de leurs clients, au fur et à mesure de leur transition vers l'intelligence artificielle pour leurs questions du quotidien. En outre, elles devront à la fois soigner leur visibilité et s'assurer que les informations restituées sont toujours d'actualité. Enfin, l'enquête de 5W fait aussi ressortir d'immenses disparités de traitement entre les plates-formes : la même solution ne fonctionnera pas partout.

L'IA commence à remplacer les débutants

Dans les entreprises du secteur tertiaire, l'intelligence artificielle s'avère bien adaptée à l'exécution des tâches historiquement réservées aux employés inexpérimentés et l'impact sur les recrutements commence à s'en ressentir. Alors Gartner s'interroge sur les moyens d'adapter les pipelines traditionnels de formation des débutants ainsi menacés.

Alors que l'adoption massive de l'IA ne produit encore que rarement des résultats probants – seulement un cinquième des 95% organisations concernées déclarent en avoir tiré une valeur significative –, 22% des responsables de ressources humaines interrogés au cours du dernier trimestre de 2025 confirment que, dans au moins un département, les embauches de personnel pour les positions juniors ont déjà été totalement interrompues en raison des initiatives d'automatisation engagées.

Le raisonnement est trivial. Les parcours d'apprentissage des nouveaux arrivants, notamment dans les métiers intellectuels, passent par la réalisation des opérations simples et répétitives préparatoires à la mise en œuvre de l'expertise de leurs aînés. Or leur nature rend ces tâches propices à leur prise en charge par l'intelligence artificielle. Hélas, comme je l'ai souligné par le passé, comment les experts de demain apprendront-ils s'ils n'ont plus de place dans l'entreprise au début de leur carrière ?

Au mieux, et dans un premier temps, les firmes devront faire appel à des compétences externes, plus onéreuses et plus volatiles, afin de compenser la disparition de leur vivier de talents cultivé en interne. Au pire, et, à défaut de changement de méthode, de manière inévitable, elles ne trouveront plus les individus correctement formés dont elles ont besoin… et rien ne garantit (heureusement ?) que, à ce moment de rupture, l'IA aura atteint une maturité suffisante pour assumer les rôles correspondants.

Concrètement, les directions de ressources humaines n'ont donc guère d'autre choix que d'entamer une transformation profonde des pratiques en vigueur vis-à-vis des débutants. Les analystes de Gartner leur proposent trois approches possibles, qu'il faudra certainement combiner pour un maximum d'efficacité (et un minimum de perturbations dans la vie de l'entreprise), en prenant en compte simultanément l'évolution à long terme des compétences requises à l'ère de l'intelligence artificielle.

La priorité portera d'abord sur l'identification des fonctions que les jeunes recrues sont à même d'assumer une fois que celles qui leur étaient dévolues jusqu'à présent sont assignées à l'IA. Il s'agira fréquemment d'interagir avec cette dernière au service de capacités critiques. Le déficit de formation, qui ne sera pas comblé de la sorte, imposera ensuite de développer des méthodes d'apprentissage dédiées. Enfin, l'ensemble devra être entouré d'un filet de sécurité, constitué d'outils, d'accompagnement et de réseautage, de manière à limiter les risques d'erreur durant ces phases initiales.

Nombre d'organisations s'emparent des promesses de l'intelligence artificielle sans prendre le moindre recul et, outre qu'elles oublient de définir les critères objectifs et mesurables de succès, ne considèrent pas toujours les conséquences de leurs choix à des échéances lointaines. Les impacts considérables de la technologie, sur toutes les dimensions de leur fonctionnement, dont la gestion des effectifs et des talents, rendent pourtant absolument indispensable de l'intégrer dans une perspective stratégique.