Le formulaire a été soumis avec succès.
Vous trouverez de plus amples informations dans votre boîte aux lettres.
Nous recruterSélection de la langue
À proposServicesTechnologiesProjets
Un chatbot bancaire peut vous aider pour les démarches courantes, comme réinitialiser un mot de passe, retrouver un relevé de compte ou vérifier les pièces justificatives requises pour une demande de prêt. Utile ? Oui. Le genre de chose qui permet de faire avancer un dossier de manière autonome ? En général, non.
L'IA génétique dans le secteur bancaire C'est là que les choses deviennent plus intéressantes. Donnez un objectif à l'agent, et celui-ci peut examiner le dossier, extraire des données des systèmes agréés, respecter les règles de la banque, déclencher l'étape suivante et laisser une trace pour vérification. La banque fixe les limites, et l'agent travaille dans le respect de celles-ci.
C'est pourquoi Applications d'IA agentique dans le secteur bancaire font l'objet d'une attention considérable. L'enquête de PwC sur le secteur des services financiers a révélé que 55% de cadres bancaires considèrent l’IA générative ou agentique comme leur principale priorité d’investissement pour 2026, et 58% s’attendent à ce qu’elle ait le plus grand impact sur le secteur d’ici trois ans. L’enquête « AI Pulse Survey » menée par EY sur les services financiers européens a également révélé que 35% d'entreprises du secteur des services financiers utilisent déjà l'IA agentique, tandis que 25% prévoient de s'y mettre d'ici six mois.
Je vais répondre ci-dessous à Qu'est-ce que l'IA agentique dans le secteur bancaire ?, montrer où il s'intègre dans les flux de travail réels des banques et expliquer dans quels domaines celles-ci doivent exercer un contrôle rigoureux. Nous examinerons des cas d'utilisation concrets, l'architecture, les niveaux de sécurité et la différence entre un chatbot et un agent. Je montrerai également Comment mettre en œuvre l'IA agentique dans le secteur bancaire sans augmenter le risque opérationnel.
L'IA agentique dans le secteur bancaire et des services financiers désigne les systèmes capables de planifier, de raisonner et d'exécuter des processus en plusieurs étapes en vue d'atteindre un objectif défini, dans le respect des règles bancaires en vigueur.
Pendant longtemps, les banques ont principalement utilisé l’IA pour des tâches spécifiques telles que la détection des risques, la vérification des documents, l’évaluation ou la synthèse des dossiers. Aujourd’hui, l’IA agentique dans le secteur bancaire fait partie intégrante de l’ensemble du flux de travail. Elle examine les dossiers, respecte les règles de la banque et met en œuvre la prochaine étape approuvée dans des domaines tels que la lutte contre la fraude, le traitement des prêts, les contrôles de conformité, les demandes de service et les tâches administratives. En résumé, l’IA agentique exécute des flux de travail, tandis que les chatbots se contentent de répondre à des questions.
Imaginons que vous fassiez partie de l’équipe chargée de la lutte contre la fraude et qu’à 14 h 13, une transaction par carte suspecte apparaisse dans la file d’attente. Un chatbot peut vous expliquer la politique de la banque en matière de fraude lorsque vous le lui demandez. Un système agentique peut vérifier les transactions récentes, comparer le paiement aux habitudes de dépenses du client, examiner les données de localisation et évaluer le niveau de risque. Si les règles de la banque le permettent, l’agent peut bloquer la carte, ouvrir un dossier, envoyer un message de vérification et transférer le dossier à votre équipe lorsqu’un jugement humain s’avère nécessaire.
Grâce à cette même alerte, le chatbot informe l'équipe de ce qui s'est passé. Un système agentique, en revanche, contribue à faire avancer le flux de travail.
La manière la plus simple de comprendre l’IA agentique dans l’architecture bancaire est d’observer le parcours d’un dossier au sein de celle-ci. Imaginons que votre banque reçoive une mise à jour des informations KYC de la part d’un client. Celui-ci télécharge un nouveau justificatif de domicile, mais l’un des champs ne correspond pas aux données déjà stockées dans le système de la banque. Un agent IA peut aider à faire avancer le dossier, mais il doit suivre un parcours bien précis.
L'exemple de KYC illustre bien le point essentiel : L'IA agentique dans le secteur bancaire nécessite des contrôles, des points d'arrêt et une vérification humaine lorsque le risque ou les règles bancaires l'exigent. Sans ces fonctionnalités, on se retrouve avec un chatbot sous un nom plus sophistiqué.
Les démarches bancaires se déroulent rarement en un seul échange bien ordonné. Prenons l’exemple d’une demande de prêt immobilier. Un client télécharge ses bulletins de salaire, interrompt la procédure, puis revient quelques jours plus tard avec un relevé bancaire et le formulaire manquant. Un agent IA reprend la procédure à partir de la dernière étape effectuée. Il sait quels documents ont été validés et ce qui manque encore. Votre équipe dispose ainsi d’un historique complet du dossier en un seul et même endroit, au lieu de devoir rassembler les informations à partir d’e-mails, de notes dans le CRM et de documents téléchargés.
Un agent bancaire doit utiliser les systèmes dans le bon ordre. Pour un paiement transfrontalier, l'agent peut être amené à vérifier les coordonnées du bénéficiaire, le solde de son compte, sa limite de paiement, le taux de change et les frais avant d'effectuer le virement. Le contrôle des sanctions est toujours effectué séparément, car il s'agit d'une étape obligatoire en matière de conformité.
Si des informations de paiement manquent, le processus s'interrompt. Si le montant du paiement dépasse la limite autorisée, celui-ci est soumis à un examen. Si le contrôle des sanctions détecte une correspondance potentielle, l'agent ne décide pas si le paiement peut être effectué. Le processus s'interrompt alors et le dossier est transmis à un spécialiste de la conformité. Un chatbot pourrait indiquer au client :, “ Votre paiement est en cours de traitement. ” L'agent vérifie les systèmes concernés et fait avancer le dossier une fois celui-ci approuvé.
Certaines décisions bancaires nécessitent plusieurs vérifications intermédiaires. L’approbation d’un prêt en est un bon exemple. Le chargé de dossier examine des éléments tels que les revenus, l’historique de crédit, l’endettement existant, les documents fournis, les conditions du produit et les éventuelles informations manquantes. Si tout est en ordre, le processus avance rapidement. En cas de lacunes, le chargé de dossier doit faire preuve d’une plus grande prudence. Lorsque des informations manquent ou que le profil d’endettement semble inhabituel, l’agent résume le problème et transmet le dossier à un souscripteur. C’est toujours ce dernier qui prend la décision finale, mais il dispose désormais d’un dossier plus complet à examiner.
IA agentique pour le service client dans le secteur bancaire Il ne peut pas agir uniquement sur la base de la suggestion du modèle. L’agent prépare l’étape suivante, mais chaque action doit tout de même passer par des contrôles externes avant d’atteindre le système bancaire. La passerelle vérifie les autorisations, les limites, les alertes en matière de lutte contre le blanchiment d’argent et les règles d’approbation humaine.
Il en va de même pour les données clients. En cas de refus d’un paiement par carte, l’agent peut avoir besoin du numéro de dossier, du statut de la transaction et des quatre derniers chiffres de la carte. Il n’a pas besoin du numéro complet de la carte, d’une copie numérisée du passeport, du dossier de revenus ni de l’historique complet. Si le dossier présente un risque, la couche de contrôle interrompt le flux et le redirige vers l’équipe compétente, en consignant ce que l’agent a vérifié et la raison de l’interruption.
À présent, la distinction entre un chatbot et un conseiller devrait être plus claire. Un chatbot est particulièrement utile lorsque le client a besoin d’une réponse : frais liés à une carte, horaires d’ouverture des agences, conditions générales des produits, détails du solde ou état d’avancement d’une demande. Il peut expliquer la marche à suivre, proposer un lien ou transférer la demande au service client. C’est un outil très pratique, notamment pour les demandes simples.
Un agent intervient lorsque la réponse ne suffit plus. La perte d’une carte en est un bon exemple. Un chatbot peut indiquer au client comment la faire bloquer. Un L'IA agentique dans le secteur bancaire peut apporter son aide dans le traitement du dossier : il vérifie l'identité du client, examine les transactions récentes, bloque la carte, lance une procédure de contestation pour les paiements suspects, commande une carte de remplacement et envoie une mise à jour. Si le montant est élevé ou si le profil des transactions semble inhabituel, l'agent transmet le dossier à un analyste spécialisé dans la fraude, en joignant les détails du dossier et un compte rendu des faits.
Pour faciliter la lecture, j'ai présenté cette comparaison dans le tableau ci-dessous.
Un paiement refusé, une mise à jour des données d'identification (KYC), une alerte à la fraude ou un dossier de prêt peuvent sembler simples du point de vue du client. Au sein de la banque, chaque dossier passe par différents systèmes, règles, responsables et procédures de validation. Passons en revue les principaux Cas d'utilisation de l'IA agentique dans le secteur bancaire un par un, pour voir ce qu’un agent peut prendre en charge et dans quels domaines l’équipe doit encore intervenir.
En général, les clients se rendent à la banque parce qu'ils ont un problème à régler : une carte a été perdue, un paiement a échoué, un prélèvement semble erroné ou une limite doit être modifiée. Personne n'ouvre une application bancaire juste pour l'ambiance.
Un chatbot peut expliquer les étapes à suivre, envoyer un lien ou transmettre la demande au service client. C'est utile, mais seulement jusqu'à un certain point. Le client peut encore être amené à attendre, à cliquer ici et là, ou à répéter son problème à quelqu'un d'autre. AL'IA génétique dans le secteur bancaire peut traiter davantage de cas de service dans le cadre d'un flux approuvé. En cas d’échec de paiement, l’agent peut vérifier le statut du paiement, le solde du compte, les limites de la carte ou du virement, les alertes de risque récentes et la raison pour laquelle la transaction a été refusée. Si la solution est simple, il peut indiquer la marche à suivre ou envoyer la demande appropriée. Si le cas semble inhabituel, il transmet les détails à l’équipe d’assistance ou de gestion des risques.
Les équipes chargées de la lutte contre la fraude doivent gérer à la fois le bruit et l’urgence. Une alerte peut concerner un client achetant des baskets pendant un voyage. Une autre peut être le premier signe d’une prise de contrôle de compte. Un agent bancaire peut vérifier les signaux liés à la transaction, comparer le paiement au comportement habituel du client, appliquer des règles de risque et choisir la prochaine étape à valider. Les cas à faible risque peuvent être soumis à la confirmation du client. Les cas à risque plus élevé peuvent entraîner un gel de la carte, un blocage du virement, l’ouverture d’un dossier de fraude ou un examen par un spécialiste.
Mais je resterais prudent sur ce point. Ce processus ne peut pas rester figé pendant des mois. Les schémas de fraude évoluent, et vous devez disposer d’une marge de manœuvre pour ajuster les seuils, tester de nouveaux indicateurs sur des cas antérieurs et vérifier les faux positifs avant que les modifications n’affectent les clients réels.
Les démarches liées au KYC et à la lutte contre le blanchiment d’argent (AML) sont souvent bloquées avant même que la prise de décision ne commence. Un collaborateur vérifie la pièce d’identité, les documents manquants, la réponse concernant l’origine des fonds et les alertes AML. Un agent peut se charger de cette première étape. Il repère les fichiers manquants, demande au client le document approprié, vérifie les sources approuvées, met à jour le statut du dossier et rédige une brève note à l’intention du service de conformité. Si une correspondance avec une liste de sanctions n’est pas claire ou si la réponse concernant l’origine des fonds semble insuffisante, le dossier est transmis à un spécialiste.
Le traitement d'un dossier de prêt est souvent bloqué avant la décision finale d'acceptation ou de refus. Les justificatifs de revenus, les données des agences d'évaluation du crédit et l'historique des comptes sont dispersés dans différents systèmes. Un agent bancaire peut rassembler ces éléments avant que le responsable de l'évaluation ne se penche sur le dossier. Il repère les données manquantes, vérifie la conformité de la demande avec les règles de crédit et signale les points nécessitant un examen plus approfondi.
Pour les banques de l'UE, ce processus est soumis à une réglementation plus stricte. Le La loi européenne sur l'IA classe les systèmes d'IA qui évaluent la solvabilité d’une personne ou classent celle-ci dans la catégorie « risque élevé », sauf si ces systèmes sont utilisés pour détecter des fraudes financières. Avant la mise en service de ces systèmes, les banques doivent accomplir les démarches de conformité requises, assurer un contrôle humain et respecter les règles d’enregistrement applicables.
Les codes de motif doivent avoir leur propre place dans le processus. Aux États-Unis, ECOA et le règlement B exigent des motifs précis pour toute mesure défavorable. Dans le Royaume-Uni et UE, la réglementation en matière de crédit immobilier impose aux prêteurs d'informer les consommateurs en cas de rejet d'une demande de prêt immobilier, avec des informations supplémentaires si la décision a été influencée par une consultation de base de données. L'agent peut préparer le dossier et signaler les points à examiner, mais c'est à la banque qu'il revient de fournir les explications, de conserver le dossier et de prendre la décision finale en matière de crédit.
Les opérations bancaires s'enlisent lorsqu'une tâche passe entre trop de mains. Par exemple, dans le cadre d'une enquête sur un paiement, une personne vérifie la transaction, une autre examine le compte, le dossier attend ensuite d'être validé, puis quelqu'un informe le client. Un agent bancaire peut faire avancer le dossier efficacement à chaque étape : ouvrir l’enquête, extraire les détails du paiement, mettre à jour le dossier, demander l’approbation, informer l’équipe concernée et envoyer une mise à jour au client.
Les banques peuvent faire appel à des agents pour des cas d'utilisation générateurs de revenus, mais les processus les plus sûrs commencent par une demande du client. Si un client demande comment gérer un solde inactif, l'agent peut vérifier le consentement, l'éligibilité, les règles applicables au produit et le contexte du compte avant de proposer une option d'épargne adaptée.
Les dossiers liés au crédit doivent faire l’objet d’un traitement plus rigoureux. Si le propriétaire d’une petite entreprise se renseigne sur un financement à court terme avant le versement des salaires, l’agent ne doit pas décider de lui-même si le client est éligible ni lui proposer une offre présélectionnée. Il peut recueillir les informations requises, vérifier les règles de base et acheminer le dossier vers le processus de crédit approuvé par la banque. Dans ce cadre, l’agent favorise la vente croisée sans pour autant en faire une pression commerciale.
Les chatbots facilitent les échanges avec les banques. L’IA agentique transforme la suite des événements après qu’un client a demandé de l’aide. Concrètement, le principal Applications d'IA agentique dans le secteur bancaire traiter les dossiers en limitant les relais, réduire les tâches mineures pour l'équipe et aider les clients à obtenir plus rapidement ce pour quoi ils sont venus.
De nombreux coûts bancaires se cachent dans de petites tâches telles que la vérification de documents, la copie de données, la création de dossiers, l’envoi de mises à jour et le suivi des validations. Chaque étape peut paraître insignifiante, mais le coût augmente lorsque ce même travail se répète pour des milliers de mises à jour KYC, de vérifications de paiements, d’alertes à la fraude ou de dossiers de prêt. Un agent peut prendre en charge une partie de ces tâches routinières, laissant à l’équipe les dossiers qui nécessitent une intervention humaine. La banque dépense ainsi moins pour ce même travail répétitif, car les employés y consacrent moins d’heures.
De nombreux dossiers bancaires restent bloqués entre les différents systèmes et équipes. Un agent peut faire avancer le dossier tout au long du processus approuvé, mettre à jour les dossiers, demander une validation, envoyer des notifications et s'arrêter lorsqu'une règle ou un seuil de risque nécessite un examen. Ainsi, les employés passent moins de temps à vérifier les statuts ou à attendre le prochain transfert.
Les conseillers peuvent favoriser les ventes croisées lorsque le client a déjà sollicité de l'aide ou demandé des informations sur les produits disponibles. Ils vérifient le consentement du client, son éligibilité, les conditions d'application des produits et le contexte de son compte, puis transmettent les dossiers de crédit soumis à réglementation vers le processus d'examen approuvé par la banque. La banque dispose ainsi de davantage d'occasions de proposer une offre pertinente alors que le client est déjà en quête de conseils.
Un agent bancaire peut vérifier les autorisations, appliquer les règles bancaires, signaler toute activité inhabituelle et consigner chaque action. Votre équipe peut ainsi voir ce qui s'est passé, à quel moment et pourquoi le dossier a avancé ou a été bloqué. Cela permet de mieux maîtriser les dossiers à risque avant qu'ils ne dégénèrent en problèmes liés aux clients ou à l'audit.
Ce qui importe aux clients, ce sont les résultats. Ils veulent que leur carte soit bloquée, que la procédure de contestation soit lancée, que leur demande de prêt soit traitée ou que leur problème de paiement soit résolu. Un chatbot peut répondre à leurs questions. Un conseiller peut les aider à mener à bien leur démarche. Ainsi, les clients passent moins de temps à relancer la banque pour obtenir des informations, et celle-ci reçoit moins d'appels et de tickets récurrents concernant le même problème.
Un agent bancaire ne devrait pas avoir d’accès direct aux systèmes bancaires centraux, aux systèmes de paiement, aux systèmes KYC, au CRM ou aux systèmes de lutte contre la fraude simplement parce qu’il est en mesure de proposer l’étape suivante. La banque a besoin d’un point de contrôle intermédiaire. Celui-ci vérifie si l’agent est autorisé à agir, quelles données il peut utiliser, si une personne doit approuver l’étape et comment l’action sera enregistrée. C’est le rôle de la passerelle, des contrôles de sécurité et des connexions de données.
Imaginons qu'un client signale la perte d'une carte. L'agent peut décider que la carte doit être bloquée, mais la banque doit tout de même vérifier si cet agent est habilité à bloquer cette carte.
C'est le rôle de la passerelle MCP (Model Context Protocol), qui se situe entre l'agent et les systèmes de la banque. Avant qu’une requête n’atteigne les outils de gestion des cartes, le système bancaire central, les systèmes de paiement, les outils KYC, CRM ou de lutte contre la fraude, la passerelle vérifie si l’action est autorisée, si la requête est au bon format, si une autorisation est nécessaire et si l’action doit être consignée.
Concrètement, la passerelle contrôle six éléments :
Un chatbot traite généralement des contenus à faible risque, tels que les pages produits, les réponses à la FAQ, les scripts approuvés et le contenu du centre d'aide. S'il fournit une réponse insuffisante, la banque peut la corriger.
Un agent est plus proche de l'action concrète. Il peut demander un document, mettre à jour un dossier, lancer un blocage de carte, déclencher une vérification de paiement ou envoyer une alerte anti-blanchiment pour examen. Avant que cela ne se produise, la banque a besoin d'un dispositif de sécurité qui vérifie la demande, les données et l'étape suivante.
Un agent bancaire, à l'instar de tout spécialiste des opérations qualifié, a besoin de pouvoir consulter le dossier adéquat dans le système approprié au moment précis où son équipe travaille sur un dossier.
Si un client souhaite savoir pourquoi un virement international n'est pas encore arrivé, la réponse peut se trouver à plusieurs endroits. Le système de paiement indique le statut du virement. Le système bancaire central contient les coordonnées bancaires, et le dispositif de surveillance des fraudes indique si le paiement a déclenché une règle. Le CRM contient la note relative au client, et le dossier de la demande indique ce que l'équipe a déjà vérifié. Si l'agent ne consulte que la note du CRM, cela peut sembler utile, mais il passe tout de même à côté de la véritable raison.
Les connexions via l’API offrent à l’agent un accès restreint à ces systèmes. Il peut vérifier l’état des paiements, les données client, les informations KYC, les signaux de fraude, les documents et l’historique des dossiers sans pour autant avoir accès à l’ensemble des informations. C’est la banque qui décide ce que l’agent peut consulter, ce qu’il peut mettre à jour et ce qui reste confidentiel. Mais les données doivent également être à jour. Un statut de paiement, un signal de fraude ou un score de risque datant de la veille peut induire l’agent en erreur.
IA agentique pour le service client dans le secteur bancaire devient risqué dès qu’il commence à agir. Une réponse médiocre d’un chatbot peut agacer un client. Une action maladroite d’un agent peut causer de réels préjudices opérationnels : bloquer la mauvaise carte, retarder l’octroi d’un prêt, exposer des données personnelles ou orienter un dossier suspect dans la mauvaise direction. Plus tôt vous identifiez les points de défaillance potentiels de l’agent, plus il est facile de contrôler cette partie du flux de travail avant que des dossiers réels ne soient affectés.
L'IA agentique dans le secteur bancaire Il ne faut pas se fier à la mémoire pour fournir des réponses concernant les prêts, les paiements, les litiges, les frais, les limites ou les restrictions liées aux comptes. Chaque réponse fournie dans ces processus doit renvoyer au document qui la justifie. Si ce document fait défaut, le dossier doit faire l’objet d’un examen avant que le client ne reçoive une réponse.
Assurez-vous que l’agent travaille à partir de la fiche la plus récente avant de faire avancer un dossier. Un statut KYC obsolète, une mise à jour tardive d’une transaction, un solde périmé ou un profil client incomplet peuvent entraîner l’acheminement du dossier vers une étape inappropriée. En matière de crédit, de fraude, de lutte contre le blanchiment d’argent, de paiements et de restrictions de compte, l’agent doit interrompre la procédure si la fiche source actuelle est manquante ou obsolète.
Un agent en contact avec la clientèle traite des messages sur lesquels la banque n'a aucun contrôle. Il peut lui arriver qu'on lui demande de ne pas respecter les règles, d'afficher des données à accès restreint, de contourner une procédure de validation ou de faire appel à un outil ne relevant pas de son champ d'action. L'agent doit donc être soumis à des limites strictes quant à ce qu'il peut lire, ce qu'il peut faire et quelles actions doivent d'abord être soumises à un contrôleur humain.
Un agent peut reproduire d'anciens schémas dans un nouveau processus. Par exemple, dans le domaine des prêts, les approbations passées pourraient amener le système à privilégier un certain type d'emprunteur. En matière de détection des fraudes, des règles obsolètes pourraient conduire le système à signaler plus souvent certains groupes de clients. Votre équipe doit vérifier les taux d'approbation, les motifs de refus, les faux positifs et les escalades pour tous les groupes de clients.
Un agent bancaire peut avoir accès aux soldes des comptes, aux identifiants, aux détails des cartes, à l’historique des transactions, aux fichiers relatifs aux revenus, aux messages d’assistance et aux notes de risque. Le risque apparaît dès lors que le flux de travail expose davantage de données que ne l’exige le dossier. Une seule autorisation ou un seul transfert inapproprié peut entraîner la diffusion des informations client à des personnes non autorisées. Limitez l’accès aux données nécessaires au dossier en cours. Si vous ne pouvez pas expliquer clairement à quelles données l’agent a accédé et pourquoi, le processus n’est pas prêt à traiter des données bancaires.
Chaque action effectuée par un agent doit faire l'objet d'un enregistrement. Que l'agent bloque un virement, mette à jour le statut KYC, fasse avancer un dossier de prêt ou transmette un dossier de lutte contre le blanchiment d'argent pour examen, vous devez pouvoir consulter la règle, les données et l'autorisation qui sous-tendent chaque étape.
L'IA agentique ne peut pas relever d'une équipe d'IA vague. La responsabilité doit incomber aux équipes qui gèrent déjà le processus, qu’il s’agisse des opérations de cartes pour les blocages et les litiges, des services de crédit pour les demandes de prêt, ou de la conformité pour les contrôles KYC et AML. Chaque responsable doit savoir ce que l’agent est autorisé à faire, à quel moment un spécialiste doit approuver une étape, et ce qui se passe en cas de problème.
Chaque mise en œuvre d'une IA agentique dans le secteur bancaire sera différente, car chaque flux de travail dispose de ses propres systèmes, données, risques et règles d'approbation. Il est toutefois utile de comprendre les principales étapes et ce que chacune d'entre elles implique avant de se lancer dans le développement.
Commencez par quelque chose de plus modeste que ce que vous envisagez. C'est le conseil sincère que je peux vous donner. Choisissez un processus qui dispose déjà de règles, de limites et d'une équipe qui en a la responsabilité. La vérification des adresses dans le cadre du KYC dans le secteur de la grande distribution est un bon point de départ. Les résumés d'alertes à la fraude destinés aux analystes peuvent également s'avérer efficaces.
Le support client général est généralement trop vaste pour une première version. Il englobe trop d'intentions, de systèmes, de cas limites et de processus de validation. Avant de se lancer dans l'écriture du code, l'équipe doit cartographier le flux de travail en répondant à quelques questions fondamentales :
Une fois que vous avez choisi le cas d'utilisation, examinez les données dont le workflow a réellement besoin. L'agent doit disposer d'un contexte suffisant pour accomplir sa tâche, mais l'accès doit rester limité.
Dans le cadre d'un processus KYC, il peut s'agir de données de profil client, de documents téléchargés, de résultats relatifs aux sanctions, de règles de politique et de l'historique des dossiers. Le triage des cas de fraude nécessite un ensemble différent de données d'entrée, telles que les détails des transactions, les alertes antérieures, le statut de la carte et les signaux comportementaux. Chaque source doit disposer d'un responsable, de règles d'accès, de règles de conservation et de journaux.
Le projet pilote doit éviter tout accès direct aux systèmes centraux. Les API, les intergiciels ou les outils de gestion des flux de travail offrent à l'équipe un accès contrôlé aux systèmes bancaires et facilitent la gestion des autorisations, des limites, des validations, des annulations et de la surveillance.
On a tendance à sous-estimer cette étape. Une démonstration peut sembler convaincante, mais les cas concrets révèlent souvent des champs manquants, des enregistrements en double, des lacunes en matière d'accès et des données dont personne n'est responsable.
N'ajoutez l'agent qu'une fois que le workflow, l'accès aux données et les points d'arrêt ont été mappés. Avant le premier test, définissez le nom de la tâche, les outils qu'elle est susceptible d'utiliser, les points de transfert et le responsable pour chaque décision.
Pour la vérification des documents de prêt, veillez à ce que la première version soit concise. L’agent doit également suivre un ordre précis. Tout d’abord, il vérifie les documents téléchargés par rapport à la liste de contrôle de la banque et signale les champs manquants. Ensuite, il rédige une brève note à l’intention du responsable de la souscription et transmet les dossiers peu clairs pour examen. Il n’approuve pas le prêt, ne modifie pas les conditions de crédit, n’envoie pas de messages au client, n’accède pas aux comptes et n’intervient pas sur les paiements.
Avant le lancement, effectuez des tests en mode « shadow ». L’agent peut préparer des notes, choisir des itinéraires et indiquer où il s’arrêterait, mais il ne doit ni modifier les dossiers ni envoyer de messages. Comparez ensuite son travail à la manière dont les collaborateurs ont traité les mêmes dossiers. Si la note est utile, si l'itinéraire respecte la politique et si le point d'arrêt est pertinent, le flux est proche de la mise en production. Si l'équipe ne parvient pas à expliquer pourquoi l'agent a choisi une étape, corrigez le flux de travail avant toute action réelle.
Lorsque le pilote est appliqué à des cas concrets, ajoutez progressivement le workflow suivant. Un premier workflow bien conçu peut rendre les équipes impatientes, mais chaque nouveau workflow doit tout de même disposer d’un responsable, de règles d’accès, de points de contrôle, de journaux et d’un plan de secours.
Répartir les responsabilités entre trois fonctions. L'équipe métier est chargée du résultat ; l'équipe d'ingénierie gère les aspects techniques, des intégrations aux solutions de secours ; enfin, l'équipe chargée des risques et de la conformité s'occupe des contrôles d'accès, des pistes d'audit et de la conformité aux politiques. Cette organisation facilite la gestion des incidents, car chaque équipe connaît clairement ses responsabilités.
Suivez les délais de traitement des dossiers, les interventions manuelles, les erreurs, les remontées hiérarchiques, les délais de réponse aux clients et les résultats des examens au sein du processus réel. Si les chiffres s'améliorent et que votre équipe est en mesure de justifier chaque action, ce workflow pourra servir de base au suivant.
Un récent projet de néobanque nous a permis de tirer quelques enseignements que les démos ne montrent que rarement. Le client avait besoin de workflows autonomes pour les opérations de paiement et de gestion des commerçants. Le développement a duré environ trois mois et a représenté un coût d'environ $144K. En production, les principaux défis ont porté sur la vitesse, le routage, les contrôles et la réutilisation. Voici donc les principaux enseignements tirés de ce projet.
“ Avec les chatbots, chaque nouvelle fonctionnalité se traduit souvent par une tâche d'ingénierie distincte. Avec les agents, les compétences réutilisables peuvent s'appliquer à plusieurs processus bancaires, ce qui fait que la mise en place du processus suivant demande moins de travail que celle du premier. ”
Responsable de la pratique commerciale en matière d'IA
Voyons maintenant ce que les banques peuvent raisonnablement attendre de l'IA agentique dans un avenir proche. Prendre conscience dès maintenant de ces évolutions peut vous aider à concevoir des agents en tenant compte des futurs flux de travail, plutôt que de devoir revoir l'ensemble de la configuration par la suite.
Je ne m'attendrais pas à ce que les banques adoptent d'emblée des systèmes multi-agents. La solution à court terme me semble plus réaliste : un agent contrôlé, s'appuyant sur plusieurs outils spécialisés.
Dans le cadre de l’intégration, par exemple, la configuration la plus sûre à court terme consiste à faire appel à un seul agent contrôlé utilisant plusieurs outils. Cet agent peut collecter des documents, vérifier les pièces d’identité, consulter les listes de sanctions et préparer le dossier en vue de son examen. Il ne dispose que d’autorisations limitées et conserve une trace de ses actions. C’est, selon moi, la première étape vers laquelle s’oriente l’IA agentique dans le secteur bancaire. De véritables systèmes multi-agents pourraient voir le jour plus tard, lorsque des agents distincts partageront des informations et coordonneront leurs décisions.
La banque axée sur l'IA commencera probablement par des processus courants mais fastidieux, tels que la vérification de l'identité des clients (KYC), les contrôles anti-fraude, la présélection des demandes de prêt, le règlement des litiges et le reporting interne. Ces domaines sont déjà régis par des règles, des documents, des contrôles et des exceptions ; ils sont donc plus faciles à décomposer en étapes adaptées aux agents.
Les collaborateurs se consacreront davantage à des tâches nécessitant un travail d'analyse approfondi. L'agent préparera le dossier, recueillera des données, comparera les informations et signalera les points nécessitant un examen plus approfondi. Les employés, quant à eux, traiteront des dossiers plus complexes, tels que les litiges, les réclamations, les transactions importantes, les soupçons de fraude et les exceptions aux conditions générales.
À l'heure actuelle, les banques fixent généralement des règles claires concernant ce qu'un agent est autorisé ou non à faire. À l'avenir, ces autorisations pourraient gagner en souplesse et dépendre du cas spécifique traité par l'agent. Par exemple, une demande de faible montant pourrait être traitée plus facilement, tandis qu’une transaction importante, un comportement inhabituel du client ou un signal ambigu en matière de lutte contre le blanchiment d’argent rendrait le processus plus strict ou entraînerait le transfert du dossier à un humain.
Les banques peuvent également ajuster le degré d'autonomie accordé aux agents en fonction de l'efficacité de chaque processus. Si les dossiers simples sont traités sans heurts et avec peu d'erreurs, les agents pourraient se voir accorder davantage de latitude dans ce processus. En revanche, si le nombre de réclamations, d'interventions manuelles ou d'alertes de risque augmente, le processus redeviendrait plus strict.
L'IA agentique trouve tout son sens dans le secteur bancaire lorsqu'elle s'intègre à un processus concret, avec des limites clairement définies. Elle peut contribuer à accélérer le traitement des mises à jour KYC, des alertes de fraude, des contrôles de paiement, des dossiers de prêt et des demandes de service, mais la banque doit d'abord définir les règles.
Le point sur lequel je ferais particulièrement attention, c'est le processus lié à l'agent. Les responsabilités mal définies, les journaux d'activité insuffisants, les données en double, les règles de validation floues et les transferts de tâches mal gérés ne disparaîtront pas pour autant. Si l'on ajoute un agent à tout cela, le désordre risque de s'accélérer.
Si vous ne savez pas si votre banque a besoin d'un agent IA, ou dans quels cas un tel agent serait utile, nos consultants peut vous aider à y voir plus clair. Nous analyserons votre processus actuel, identifierons les goulots d'étranglement et distinguerons les éléments utiles Cas d'utilisation de l'IA agentique dans le secteur bancaire en évitant le battage médiatique, et en apportant notre aide à la mise en œuvre là où cela s'avère réellement pertinent.
Dans le secteur bancaire, un chatbot répond généralement aux questions et suit un parcours de conversation prédéfini. L'IA agentique appliquée au secteur bancaire et aux services financiers est capable d'analyser la demande, de choisir l'étape suivante, d'interpeller le système approprié et de mener à bien une tâche sans avoir à confier chaque petite action à un humain.
Dans certains cas, oui. Les agents peuvent prendre le relais des flux de chatbot lorsque la tâche dispose de règles approuvées, d’un accès au système et d’un recours sécurisé à un spécialiste humain. Par exemple, un agent peut aider à traiter une alerte à la fraude en vérifiant le contexte du compte, en suivant les étapes approuvées par la banque et en faisant avancer le dossier.
Dans le secteur bancaire, l'IA agentique nécessite une orchestration et une couche de passerelle entre le modèle et les systèmes bancaires. Ces couches vérifient les requêtes, gèrent les autorisations et bloquent les actions à risque avant qu'elles n'atteignent les systèmes bancaires centraux.
Dans le secteur bancaire et des services financiers, l'IA agentique facilite la mise en conformité grâce à des contrôles effectués avant que l'agent n'intervienne. Ces contrôles peuvent porter sur la lutte contre le blanchiment d'argent, les règles liées au RGPD, les droits d'accès et les journaux d'audit. En résumé, l'agent ne doit agir que dans le respect des règles bancaires approuvées.
Dans cette architecture, la passerelle MCP constitue l'interface entre les agents d'IA et les systèmes internes, les bases de données et les API de la banque. Elle vérifie, met en forme et valide les requêtes des agents, permettant ainsi à la banque de contrôler ce que l'agent peut voir et faire.
Parmi les exemples courants, on peut citer le tri des alertes de fraude, les mises à jour des données « KYC », l'examen des dossiers relatifs à la lutte contre le blanchiment d'argent, la vérification des dossiers de prêt, les enquêtes sur les paiements, ainsi que les dossiers de service client tels que les paiements échoués ou les cartes perdues.
Le coût dépend du flux de travail, des systèmes connectés, des contrôles de sécurité, des exigences de conformité et du nombre de compétences requises pour l'agent. Un agent IA dédié à un seul flux de travail coûte généralement moins cher qu'un agent intersystèmes connecté aux systèmes bancaires centraux, aux paiements, au KYC, à la lutte contre la fraude et au CRM.
Expert en blockchain et analyste DeFi
Andrew traduit les concepts décentralisés en outils financiers sécurisés et fonctionnels. Il navigue dans le paysage volatile de DeFi pour construire des infrastructures blockchain évolutives qui répondent à l'utilité du monde réel, dépassant les mots à la mode pour offrir une valeur technique.
