Les agents de paiement couvrant l’ensemble du cycle de traitement peuvent libérer jusqu’à 60 % du potentiel d’efficacité opérationnelle

La complexité des paiements ne se résume pas à un seul défi, mais à une série de huit à dix enjeux distincts : l’initiation, la vérification et la validation, l’enrichissement et l’acheminement, le contrôle des sanctions et la lutte contre le blanchiment d’argent, la transmission au réseau, la compensation et le règlement, la gestion et la correction des exceptions, la comptabilisation et l’enregistrement, ainsi que le rapprochement de fin de journée. À mesure que cette complexité se multiplie à travers les différents types de paiements, le nombre de variantes de processus augmente plus rapidement que le nombre de produits qu’une banque met en marché.

C’est précisément le type d’environnement où l’IA agentique excelle : des activités exigeant du jugement, mais encadrées par des règles, réparties entre de multiples systèmes et encore confiées à des employés parce qu’aucune application ne détient à elle seule l’autorité décisionnelle. C’est également la raison pour laquelle les projets pilotes limités à un seul processus peinent souvent à générer des résultats durables : automatiser une étape sur dix laisse les neuf autres inchangées.

Lorsqu’on adopte une vision de l’ensemble du cycle de traitement, le potentiel de l’IA agentique dans les opérations de paiement devient considérable. À l’échelle des activités, les gains potentiels varient de 5 à 15 % lorsque la simplification des processus constitue la meilleure solution, de 20 à 40 % pour l’automatisation traditionnelle et de 40 à 80 % lorsqu’un agent peut prendre en charge une activité de façon autonome, du début à la fin. Appliquée à l’ensemble d’une fonction évaluée, cette approche permettrait d’optimiser de 30 à 60 % des efforts manuels associés aux activités de soutien aux paiements et au traitement numérique des chèques².

À mesure que la complexité augmente, les gains traditionnels s’amenuisent

Depuis des décennies, les équipes responsables des opérations de paiement mènent des programmes d’amélioration de l’efficacité. Or, dans les organisations les plus avancées, l’essentiel des gains accessibles a déjà été réalisé. C’est précisément là que réside le défi.

Ce qui reste à optimiser, ce sont les exceptions, les enquêtes, les activités de correction et les décisions qui exigent du jugement entre les différentes étapes du processus. Selon nos récentes évaluations d’opérations de paiement matures, la réingénierie des processus ne représente plus qu’une faible part de la valeur exploitable restante, tandis que l’automatisation traditionnelle en représente environ 15 %³.

Parallèlement, l’écosystème des paiements continue d’évoluer sous l’impulsion des exigences de SWIFT, du système RTR (Real-Time Rail), de Lynx et de la norme ISO 20022. À terme, des données plus riches et normalisées amélioreront le filtrage, le rapprochement et le traitement direct de bout en bout (STP). À court terme, toutefois, cette évolution se traduit par la coexistence de normes parallèles, des changements aux données de référence et des ajustements continus aux règles de détection.

C’est dans ce contexte que l’IA agentique prend tout son sens. Elle représente la solution pour la grande majorité des possibilités d’optimisation qui subsistent.

Repenser le processus avant d’y intégrer des agents

L’IA agentique peut accroître l’efficacité des opérations de paiement, mais uniquement lorsque le processus a été cartographié dans son ensemble. Un projet pilote limité à une seule étape n’optimise que cette étape et demeure tributaire de toutes les contraintes qui l’entourent. Une vision globale du cycle de traitement est également essentielle pour déterminer avec rigueur où et quand l’intervention humaine crée le plus de valeur.  

Trois leviers pour repenser le modèle opérationnel

En adoptant une vision de l’ensemble du cycle de traitement, nous évaluons les opérations de paiement selon trois leviers complémentaires, appliqués de façon séquentielle. Chacun cible un type d’occasion distinct et offre un niveau différent de création de valeur.

1. Réingénierie

Ce levier permet de dégager un potentiel d’amélioration de 5 à 15 % et constitue le fondement de toute transformation subséquente. Il constitue également le levier de création de valeur le plus rentable⁴.

Un processus repensé pour un secteur d’activité peut généralement être adapté à d’autres avec peu de modifications, puisque les principales étapes du cycle de traitement des paiements demeurent les mêmes. Concevoir dès le départ une solution pouvant être étendue à l’ensemble de l’organisation permet de transformer un rendement ponctuel en bénéfices à l’échelle d’un portefeuille.

2. Automatisation

La plupart des banques ont déjà largement exploité ce levier, mais certaines occasions demeurent. Prises individuellement, elles sont souvent trop modestes pour justifier un investissement. Toutefois, leur valeur devient beaucoup plus intéressante lorsqu’elles sont évaluées collectivement dans le cadre d’une refonte globale du cycle de traitement.

3. IA agentique

C’est dans ce domaine que se concentre la plus grande part de la valeur restante, puisqu’il s’agit du seul levier capable de prendre en charge les activités nécessitant de l’interprétation et du jugement : gestion des exceptions, enquêtes, activités de correction, décisions d’enrichissement des données et rapprochement continu d’informations imparfaites entre différents systèmes. Un agent peut interpréter une instruction non structurée, récupérer le contexte pertinent, appliquer les règles établies, prendre une décision et en expliquer le raisonnement.

La réutilisation est essentielle au passage à l’échelle. La décision de conception la plus importante consiste à bâtir les agents comme des capacités réutilisables. Une fois un premier cas d’utilisation conçu comme un service réutilisable, les suivants peuvent être mis en œuvre à une fraction du coût initial.

Les agents spécialisés ne suffisent pas à eux seuls. Ce qui transforme un ensemble d’agents performants en véritable plateforme, c’est une couche d’orchestration. Des services d’entreprise communs, notamment les règles et politiques, les fonctions d’audit et de journalisation, ainsi que la gestion des identités et des droits d’accès, permettent de répondre aux exigences de contrôle à l’échelle de la plateforme et de favoriser une collaboration efficace entre les agents et les intervenants humains.

Les contrôles doivent être intégrés dès la conception. Les banques peuvent déjà créer des agents capables d’exécuter des activités liées aux opérations de paiement. Le véritable défi consiste à satisfaire les exigences des fonctions de risque et de gouvernance. Un agent conçu en fonction de l’appétit pour le risque de la banque et de ses exigences de contrôle est également conçu pour produire les éléments probants nécessaires à son approbation.

Les agents et les modèles qui les alimentent devraient être conçus selon un cadre de contrôle intégrant l’observabilité, les garde-fous, l’orchestration, la gestion des connaissances et les mécanismes de contrôle d’accès.

Comment Deloitte peut vous aider

Le potentiel de création de valeur dans les opérations de paiement est trop important pour être ignoré : de 30 à 60 % des efforts manuels peuvent être optimisés, et la majeure partie de cette valeur est accessible grâce à l’IA agentique⁵. La prochaine étape consiste à déterminer où se situe votre institution dans cette fourchette et ce qu’il faudra faire pour en exploiter pleinement le potentiel.

Deloitte aide les banques à transformer une occasion d’amélioration en retombées à l’échelle de l’entreprise grâce à une démarche en trois étapes :

1. Imaginer : utiliser l’outil Deloitte Imagine pour cerner et redéfinir l’état cible des opérations de paiement.
2. Évaluer : mesurer la valeur et la complexité des occasions à travers les différents processus de paiement afin d’établir un dossier d’affaires solide.
3. Passer à l’échelle : mettre en place une plateforme réutilisable qui s’étend aux paiements et aux domaines connexes pour soutenir les objectifs de l’organisation, avec l’appui de Payments Workbench.

Nous comprenons également les particularités du contexte canadien, notamment en ce qui concerne Lynx, la norme ISO 20022, le système RTR (Real-Time Rail), l’ACSS et Interac. Des exigences réglementaires telles que la supervision prévue par la LPAP, les attentes du BSIF et les obligations de SWIFT influencent ce qui peut être confié à un agent ainsi que les éléments probants nécessaires pour en démontrer la conformité.

Vous souhaitez évaluer l’ampleur du potentiel de l’IA agentique au sein de votre organisation? Poursuivons la conversation.