Les règles du secteur financier sont en train d'être redéfinies grâce à l'IA et à l'IA générative. Dans leur entretien pour The Bridge, Joffrey Martinez, Managing Partner responsable mondial des services financiers Artefact, et Alexis Baufine-Ducrocq, associée et responsable des services financiers, discutent de la course à la redéfinition de la performance financière grâce à l'IA.

Joffrey Martinez supervise des programmes de transformation data l'intelligence artificielle pour de grandes banques, des assureurs et des institutions financières du monde entier. Avant de rejoindre Artefact, il a travaillé dans le capital-investissement et le conseil, notamment chez BearingPoint et IBM Consulting France. Il est titulaire d'un master de la Kedge Business School et d'une certification Black Belt Lean Six Sigma, ainsi que d'une formation pour cadres de l'École Polytechnique.

Alexis Baufine-Ducrocq aide les grandes banques et compagnies d'assurance à mettre en œuvre des solutions d'IA et d'IA générative. Fort de plus de 14 ans d'expérience dans le conseil en Europe et en Asie, il a auparavant occupé des postes dans les domaines de la stratégie et des technologies. Alexis a suivi une formation d'ingénieur en télécommunications à CentraleSupélec et est diplômé de l'ESCP Europe.

L'intelligence artificielle fait depuis longtemps partie intégrante du monde financier, mais l'essor de l'IA générative et de l'analyse avancée redéfinit aujourd'hui la manière dont les institutions appréhendent la performance, la productivité et la création de valeur. Que ce soit dans le secteur bancaire, celui de l'assurance ou de la gestion d'actifs, l'IA devient non seulement un outil au service de l'efficacité opérationnelle, mais aussi un moteur de transformation stratégique.

Aujourd'hui, la compétitivité dans le secteur financier ne se mesure plus uniquement à l'aune des marges ou de l'exposition au risque, mais aussi à la capacité des institutions à collecter et à exploiter efficacement leurs data. La course est lancée pour offrir des décisions plus rapides, une meilleure expérience client et des opérations plus résilientes, le tout grâce à une gestion intelligente de l'information.

Rapidité, précision et qualité sont désormais indissociables. Dans un contexte où une banque peut approuver un prêt en quelques heures plutôt qu’en plusieurs jours, ou où un assureur peut régler un sinistre en quelques minutes, les attentes des clients ont définitivement changé. Le leadership dans le secteur financier reviendra à ceux qui sauront allier agilité et confiance : une combinaison rendue possible par l’intelligence artificielle.

Deux voies vers la maturité en matière d'IA

Si toutes les institutions financières se sont engagées dans la transformation par l'IA, le niveau de maturité varie considérablement d'un acteur à l'autre au sein du secteur. La banque de détail et l'assurance ont été parmi les premières à industrialiser l'IA, en grande partie parce que leurs modèles économiques reposent sur l'échelle : des millions de clients, des milliards de data et une pression constante sur les marges. Ces conditions rendent le retour sur investissement de l'IA à la fois mesurable et immédiat.

Les banques de détail ont désormais recours à l'apprentissage automatique pour présélectionner les demandeurs de prêt, personnaliser les offres et détecter les anomalies dans les transactions des clients. Les assureurs utilisent des techniques similaires pour prévoir les renouvellements de contrats, détecter les fraudes et optimiser la souscription. Dans ces deux secteurs, l'IA contribue directement à la rentabilité en réduisant les coûts d'exploitation et en augmentant le potentiel de ventes croisées.

En revanche, la banque d'investissement, la banque privée et la gestion d'actifs sont entrées dans l'ère de l'IA par le biais de domaines spécialisés : le trading quantitatif, la modélisation des risques et la détection des fraudes. Ces applications étaient approfondies mais restreintes, réservées à des experts tels que les analystes quantitatifs et les actuaires. Ce qui change aujourd'hui, c'est la diffusion de l'IA à tous les niveaux de la chaîne de valeur. La relation client, l'octroi de crédit et la gestion des risques s'appuient désormais sur des modèles prédictifs et un raisonnement automatisé. Ce qui relevait autrefois de centres d'excellence isolés s'intègre désormais dans la prise de décision au quotidien.

Comme le dit Joffrey, « tous les acteurs se sont lancés dans la course à l'IA, car exploiter ce potentiel représente un véritable enjeu concurrentiel ». La généralisation de l'IA marque le passage de l'expérimentation à l'intégration, de projets isolés à une capacité à l'échelle du secteur qui sous-tend la compétitivité.

Mettre en place les data

Parmi les sous-secteurs financiers, celui de l'assurance offre sans doute l'exemple le plus parlant de l'data cruciale data la transformation. Les actuaires, véritables data dans ce secteur, ont toujours eu recours à la modélisation statistique pour évaluer les risques. Cette culture de la quantification confère aux assureurs un avantage naturel dans la modernisation de leurs infrastructures.

Ces dernières années, l'accent a été mis sur la création data de bout en bout. Les assureurs santé, habitation et dommages développent des plateformes capables d'intégrer en temps réel data clients, data relatives aux sinistres, data comportementales et les sources externes. Il en résulte une base unifiée pour la prédiction et la personnalisation.

La plupart des assureurs exploitent désormaiscloud hybrides etcloud . Les ensembles de données hautement sensibles, tels que les dossiers médicaux, restent sur site, tandis que data moins critiques data vers des clouds publics pour bénéficier d'une évolutivité et d'analyses avancées. De plus en plus, un troisième niveau, celui des clouds souverains, fait son apparition pour concilier innovation et exigences réglementaires. Cette approche par niveaux permet aux entreprises de trouver un équilibre entre conformité, agilité et coûts.

Tout aussi importante est la montée en puissance data rigoureuse. La responsabilité des data de plus en plus aux fonctions opérationnelles, ce qui confère aux souscripteurs, aux gestionnaires de sinistres et aux responsables marketing une responsabilité directe quant à data et à l'utilisation data . Une gouvernance rigoureuse transforme data atout technique data un atout opérationnel : propres, contextualisées et exploitables par l'IA. Grâce à une gouvernance rigoureuse, l'IA passe du statut d'outils réservés aux experts à celui de systèmes en libre-service qui accélèrent l'impact commercial.

Data clients (CDP) occupent désormais une place centrale dans cette stratégie. En reliant les informations provenant de tous les points de contact, les CDP permettent aux assureurs de détecter les premiers signes de désabonnement, de personnaliser leurs offres et de s'adapter en temps réel au comportement des clients. Dans un secteur connu pour son taux de désabonnement élevé, où, comme le dit Alexis, « le défi consiste à remplir la baignoire plus vite qu’elle ne se vide », data est désormais synonyme de fidélisation de la clientèle.

Une fois ces bases établies, l'IA peut passer d'initiatives menées par des experts à des applications en libre-service accessibles à toutes les divisions de l'entreprise. Data deviennentData le trait d'union entre le potentiel technologique et l'impact commercial.

Contrastes mondiaux dans l'adoption de l'IA

Lorsque l'on compare le niveau de maturité de l'IA à l'échelle mondiale, des tendances claires se dégagent. Les États-Unis occupent largement la première place, représentant plus d'un tiers du chiffre d'affaires mondial lié à l'IA dans le secteur des services financiers. Des institutions américaines telles que JPMorgan ont intégré l'IA dans la quasi-totalité de leurs processus, du trading à la gestion de crédit en passant par le conseil à la clientèle, illustrant ainsi ce à quoi ressemble une intégration complète à grande échelle.

L'Asie suit de près, portée par l'extraordinaire capacité d'innovation de la Chine. Ping An, par exemple, est passée du statut d'assureur à celui d'entreprise technologique diversifiée, déposant des milliers de brevets dans le domaine de l'intelligence artificielle et mettant en œuvre des centaines d'applications concrètes dans les secteurs de la santé, du crédit et de la gestion de patrimoine.

L'Europe rivalise avec l'Asie en termes d'ampleur de ses initiatives, mais se distingue par l'importance qu'elle accorde à l'éthique et à la réglementation. Des banques telles qu'UBS, BNP Paribas et Santander investissent massivement dans des cadres d'IA responsable tout en déployant simultanément des modèles avancés dans les domaines de la prévention de la fraude et du service à la clientèle.

D'autres régions progressent rapidement, chacune à sa manière. L'Amérique latine, sous l'impulsion des banques brésiliennes Itaú et Nubank, utilise l'IA pour lutter contre la fraude et gérer des écosystèmes bancaires exclusivement numériques. Le Moyen-Orient tire parti de stratégies d'investissement dans l'IA menées par l'État qui stimulent l'innovation dans tous les secteurs, tandis que les institutions africaines ont recours à l'IA pour étendre l'inclusion financière aux populations mal desservies.

Malgré ces différences, un élément commun unit les pays à la pointe : la reconnaissance de l'IA comme une infrastructure stratégique. Les nations et les institutions qui considèrent l'IA non pas comme un facteur de coût, mais comme un moteur de croissance, avancent plus vite, avec plus d'assurance et de manière plus cohérente.

Les trois axes de la création de valeur

Dans l'ensemble du secteur financier, l'IA génère de la valeur grâce à trois leviers étroitement liés : l'optimisation des coûts, la croissance des revenus et la protection contre les risques.

L'optimisation des coûts reste l'aspect le plus visible. L'automatisation réduit le « coût de service » en rationalisant le traitement des documents, la souscription et le service client. Dans la banque de détail, l'analyse de crédit basée sur l'IA a raccourci de plusieurs jours les délais d'approbation des prêts, réduisant ainsi les frais généraux tout en améliorant la satisfaction client. Dans le secteur de l'assurance, l'automatisation de bout en bout permet désormais de traiter jusqu'à 30 % des demandes d'indemnisation en matière d'assurance habitation et santé en quelques minutes. La reconnaissance optique de caractères et les modèles génératifs lisent les factures, vérifient la couverture et déclenchent des paiements instantanés : un exemple concret d’efficacité se traduisant par une meilleure expérience client.

Ces mêmes systèmes valorisent la contribution humaine. En traitant automatiquement les cas courants, l'IA permet aux experts de se concentrer sur les situations complexes ou délicates où le jugement et l'empathie sont essentiels. En ce sens, l'automatisation devient un moyen de réhumaniser le travail plutôt que de le supprimer.

La croissance du chiffre d'affaires représente le prochain défi à relever. L'analyse prédictive permet aux banques et aux assureurs d'anticiper les besoins des clients – un nouvel emploi, l'achat d'un logement, un changement de vie – et de proposer des produits adaptés au moment opportun. L'IA générative étend cet avantage au domaine du conseil : dans la banque privée, elle permet de synthétiser des analyses de marché complexes en informations concises et exploitables, réduisant ainsi le délai entre l'expertise et la décision du client.

Ces capacités font évoluer les modèles de service d'une approche réactive vers une approche proactive. Les relations deviennent continues, contextualisées et personnalisées, ce qui constitue un facteur de différenciation majeur sur des marchés où les offres de produits ont tendance à se banaliser. L'IA établit une nouvelle norme en matière de relations clients : disponibilité, accessibilité, personnalisation et réactivité à tout moment.

Le troisième axe, la protection, est sans doute le plus crucial pour instaurer la confiance. Les modèles d'apprentissage automatique surveillent désormais des millions de transactions en temps réel, détectant les anomalies qui pourraient indiquer une fraude ou une activité de blanchiment d'argent. La capacité de l'IA à traiter data déséquilibrées, où les transactions légitimes sont largement plus nombreuses que les transactions frauduleuses, a révolutionné la détection des risques.

En matière de conformité, l'IA réduit considérablement le nombre de faux positifs. Au lieu de faire appel à des équipes d'analystes pour examiner manuellement les transactions, l'IA filtre les alertes afin de concentrer l'attention humaine sur les activités réellement suspectes, ce qui permet à certaines institutions de diviser ce nombre par 100 sans perte de précision. Le résultat ? Une réduction des coûts, des délais de réponse plus courts et une confiance accrue de la part des autorités de régulation et des clients.

Au-delà du retour sur investissement : le retour culturel

Il est relativement simple de quantifier l'impact de l'IA. Les modèles de lutte contre la fraude peuvent permettre d'économiser des dizaines de millions d'euros ; l'automatisation des processus peut générer des gains d'efficacité de 20 à 30 %. Pourtant, la valeur ajoutée la plus importante réside dans la manière dont l'IA transforme la façon dont les organisations pensent et travaillent.

Considérer l'IA uniquement comme un outil d'automatisation revient à passer à côté de son potentiel de transformation. Il ne s'agit pas seulement de gagner quelques minutes sur des tâches routinières, mais aussi de redéfinir les rôles, les pratiques de gestion et même la notion d'expertise. Dans la compagnie d'assurance de demain, par exemple, les responsables superviseront des agents IA chargés de traiter la plupart des sinistres courants, réservant ainsi le temps des humains aux cas exceptionnels qui requièrent de l'empathie et du discernement.

Il y a aussi la productivité plus discrète des outils du quotidien, qu’Alexis décrit comme productivité diffuse. Les technologies d'assistance comme Copilot ne font peut-être gagner que quelques minutes par utilisateur, mais leur effet cumulatif harmonise la qualité au sein des équipes. Lorsque les employés partagent leurs découvertes et leurs bonnes pratiques, ils accélèrent l'adoption et renforcent la confiance dans les applications d'IA plus complexes.

Ainsi, la préparation culturelle devient à la fois une condition préalable et le résultat du succès de l'IA. Les organisations qui encouragent la curiosité et la collaboration en tirent des bénéfices à long terme bien plus importants que celles qui se concentrent uniquement sur les indicateurs financiers immédiats.

Gérer les nouvelles dimensions du risque

Aucun secteur ne possède autant d'expérience en matière de gestion des risques que celui de la finance. Pourtant, l'IA introduit de nouvelles formes de risques qui nécessitent des contrôles adaptés, allant de data et des biais des modèles à la cyber-résilience et à l'explicabilité.

De nombreuses institutions relèvent ces défis en s'appuyant sur le modèle des « trois lignes de défense ». Une équipe développe l'algorithme, une autre en valide l'intégrité, et une troisième, qui comprend souvent des autorités de régulation, en évalue les performances. Cette séparation des tâches garantit la responsabilité et la transparence tout au long du cycle de vie de l'IA.

Surtout, la culture de gouvernance profondément ancrée dans ce secteur offre une base solide pour une IA responsable. Les banques et les assureurs opèrent déjà selon des normes rigoureuses en matière de confidentialité et de conformité ; étendre ces principes aux systèmes algorithmiques constitue une évolution naturelle. Comme le souligne Joffrey, « le plus grand risque est celui de ne rien faire ». Dans ce contexte, l'inaction reviendrait à céder du terrain à des concurrents plus agiles.

La transformation humaine

Le changement le plus profond, cependant, est d'ordre humain. L'histoire montre que chaque vague d'automatisation modifie les métiers plutôt que de les faire disparaître. Lorsque la calculatrice mécanique a fait son apparition à la fin du XIXe siècle, les commis n'ont pas été remplacés ; ils sont devenus des analystes. La même logique s'applique aujourd'hui.

L'IA automatisera les calculs, la documentation et le suivi, mais le besoin de supervision humaine, d'interprétation et d'empathie ne fera que croître. Les professionnels de demain seront des superviseurs d'agents intelligents, des orchestrateurs de processus et des concepteurs de transformation. Leur valeur ne résidera pas dans l'exécution de tâches routinières, mais dans leur perspicacité et leur capacité de jugement.

Le défi n'est pas de rendre les humains obsolètes, mais de les rendre indispensables d'une nouvelle manière.

Vers un écosystème financier plus intelligent

L'IA a déjà transformé la manière dont les institutions financières gèrent leurs opérations, interagissent avec leurs clients et contrôlent les risques. La prochaine étape verra des agents IA spécialisés opérer de bout en bout aux côtés d'experts humains, intégrant ainsi l'intelligence dans chaque processus.

Les institutions qui mèneront cette transformation sont celles qui sauront allier l'innovation à la rigueur qui a toujours caractérisé le secteur financier. Elles ne considéreront pas l'IA comme une simple technologie, mais comme un moyen de renouveler le contrat fondamental de ce secteur : mieux servir les clients, gérer les risques de manière responsable et créer de la valeur avec intelligence et intégrité.

En résumé, l'avenir des services financiers ne dépendra pas de ceux qui déploieront le plus grand nombre de modèles, mais de ceux qui les utiliseront pour bâtir les institutions les plus fiables, les plus adaptatives et les plus centrées sur l'humain.

 

Regardez l'interview originale en français: