Faire évoluer votre modèle opérationnel des services financiers à l’ère de l’IA

L’intelligence artificielle transforme déjà la façon dont les institutions financières travaillent, s’organisent et se démarquent dans un marché de plus en plus concurrentiel. Or, les modèles opérationnels de demain ne peuvent pas être construits en greffant l’IA à des structures héritées du passé. Ils doivent être conçus pour accélérer la prise de décision, améliorer l’exécution et renforcer l’imputabilité. 

Les modèles opérationnels intégrant l’IA peuvent améliorer la qualité des décisions, accroître la confiance et permettre aux organisations d’agir plus rapidement tout en maîtrisant les risques. Pourtant, selon le rapport de Deloitte L’état de l’IA en entreprise (en anglais), 84 % des organisations n’ont toujours pas repensé les rôles ni la nature même du travail en fonction des capacités de l’IA.

Pour les leaders du secteur des services financiers, la véritable question n’est plus de savoir si l’IA peut créer de la valeur. Elle est plutôt de déterminer comment transformer le modèle opérationnel afin de capter cette valeur de façon sécuritaire, répétable et à grande échelle. Pour y parvenir, trois changements s’imposent : repenser le travail, repenser les structures qui l’encadrent et repenser les modes de fonctionnement qui donnent vie au modèle opérationnel. 

1. Repenser le travail

L’IA oblige les organisations à repenser la façon dont le travail est réalisé et les domaines où l’intervention humaine crée le plus de valeur. De nombreux rôles dans les services financiers ont été conçus autour d’activités comme la collecte d’information, l’analyse de données, la coordination des parties prenantes et le traitement des transactions. À mesure que l’IA prend en charge une part croissante de ces activités, les organisations ont l’occasion de redéfinir le travail en fonction des tâches où l’apport humain est le plus déterminant. L’enjeu ne consiste plus simplement à automatiser des tâches. Il s’agit plutôt de déterminer comment répartir le travail entre les personnes et l’IA afin d’améliorer les résultats, de mieux gérer les risques et d’accroître la capacité organisationnelle.

Décomposer le travail en tâches, en décisions et en jugement

Pendant longtemps, de nombreux postes combinaient la collecte d’information, l’analyse, la coordination et la prise de décision au sein d’un même rôle. L’IA remet cette approche en question. Les leaders doivent examiner le travail lui‑même afin de déterminer quelles activités peuvent être automatisées, lesquelles nécessitent une supervision humaine et dans quels cas le jugement demeure indispensable. Cette analyse constitue la base de la refonte des rôles et des responsabilités.

Repenser les flux de travail dans leur ensemble

L’objectif n’est pas simplement d’accélérer l’exécution des tâches individuelles. Il s’agit de repenser la manière dont le travail progresse au sein de l’organisation. L’IA peut réduire les efforts nécessaires pour recueillir l’information, valider les données, coordonner les parties prenantes et faire cheminer les dossiers dans les processus d’approbation.

Les organisations qui repensent leurs flux de travail en fonction de ces capacités peuvent simplifier les transferts entre équipes, réduire les délais et améliorer la rapidité ainsi que la cohérence de la prise de décision.

Valoriser davantage la contribution humaine

À mesure que l’IA prend en charge les activités courantes d’analyse et de coordination, les employés consacrent moins de temps à préparer l’information et davantage à exercer leur jugement. Les efforts humains se concentrent de plus en plus sur la gestion des exceptions, la prise de décisions complexes, l’arbitrage des risques, le renforcement des relations avec les clients et l’imputabilité des résultats. L’objectif n’est pas d’éliminer les personnes du processus, mais de veiller à ce qu’elles consacrent leur temps aux activités où elles créent le plus de valeur.  

2. Repenser les structures qui encadrent le travail

À mesure que le travail évolue, les structures organisationnelles doivent évoluer elles aussi. La plupart des institutions financières ont été conçues autour de fonctions visant à optimiser des activités distinctes, notamment les opérations, la technologie, la gestion des risques, la conformité et le service à la clientèle. Ces capacités demeurent essentielles, mais les clients se préoccupent peu de la façon dont le travail est organisé à l’interne. Ce qui compte pour eux, c’est la rapidité et l’efficacité avec lesquelles leurs besoins sont satisfaits. L’IA crée une occasion de structurer l’organisation davantage autour des résultats recherchés, en réunissant les compétences nécessaires pour atteindre ces résultats de manière intégrée.

Organiser les équipes autour des résultats, plutôt que des fonctions

Les modèles opérationnels traditionnels privilégient souvent l’efficacité fonctionnelle. Les modèles de demain mettront davantage l’accent sur les résultats pour les clients, les employés et l’entreprise. Plutôt que d’optimiser chaque étape du processus de façon isolée, les organisations peuvent structurer leurs équipes autour des parcours créateurs de valeur et des résultats qu’elles cherchent à atteindre.

Créer des équipes multidisciplinaires

L’atteinte des résultats recherchés exige la mobilisation de compétences provenant de l’ensemble de l’organisation. Les organisations les plus performantes réunissent au sein d’une même équipe les expertises d’affaires, des opérations, de la technologie, des données, de la gestion des risques, de la conformité, des services juridiques et de la conduite du changement. En intégrant ces expertises directement là où les décisions sont prises, les organisations réduisent les transferts entre équipes, renforcent la collaboration et accélèrent l’exécution.

Clarifier les responsabilités et les pouvoirs décisionnels

À mesure que l’IA s’intègre aux flux de travail, la question de l’imputabilité devient encore plus importante. Les leaders doivent déterminer clairement quelles décisions peuvent être déléguées, dans quels contextes l’IA peut agir à l’intérieur de paramètres établis et à quel moment l’intervention humaine demeure nécessaire.

Cette question est particulièrement importante dans le secteur des services financiers, où les cadres de gestion des risques et de contrôle ont historiquement été conçus en fonction d’une prise de décision dirigée par l’humain. À mesure que l’IA joue un rôle croissant dans les activités courantes, les banques et les assureurs devront faire évoluer leur appétit pour le risque, leurs approches en matière de gouvernance et leurs cadres décisionnels afin de soutenir une main-d’œuvre intégrée, composée d’humains et d’agents d’IA, tout en maintenant un niveau de supervision approprié, la conformité réglementaire et la confiance des clients. La gouvernance, les mécanismes de financement, la gestion de la performance et la surveillance des risques doivent renforcer la responsabilisation à l’égard des résultats plutôt que des priorités fonctionnelles.  

3. Repenser les modes de fonctionnement

La refonte du travail et l’organisation des équipes autour des résultats constituent des étapes essentielles, mais elles ne suffisent pas à elles seules. Pour réaliser tout le potentiel d’un modèle opérationnel alimenté par l’IA, les organisations doivent également repenser la façon dont le travail est géré, encadré et amélioré en continu.

À mesure qu’elles ont accès à des analyses plus rapides et à des données opérationnelles quasi en temps réel, l’agilité devient une capacité organisationnelle essentielle – et non plus seulement une méthode d’exécution. Les institutions financières devront se doter de mécanismes de gestion permettant aux équipes de prendre des décisions plus rapidement, de s’adapter à l’évolution des conditions et d’apprendre en continu, tout en maintenant les mécanismes de gouvernance, de contrôle et d’imputabilité requis dans des environnements hautement réglementés.

Gouvernance : rapprocher les décisions du travail

Les modèles de gouvernance traditionnels reposent souvent sur des transferts entre fonctions, des points d’approbation et des revues périodiques. Bien que ces mécanismes de contrôle demeurent essentiels, ils peuvent ralentir la prise de décision et créer des frictions tout au long du parcours client.

Dans un modèle opérationnel alimenté par l’IA, les organisations s’organisent de plus en plus autour des résultats plutôt que des fonctions. Des équipes multidisciplinaires réunissent dès le départ les expertises d’affaires, des opérations, de la technologie, des données, de la gestion des risques, des services juridiques et de la conformité. Elles sont appuyées par l’IA, qui aide à surveiller les activités, à repérer les risques et à mettre en évidence les goulots d’étranglement. La gouvernance évolue alors : plutôt que d’examiner le travail une fois celui-ci terminé, elle consiste à établir des paramètres clairs qui permettent aux équipes de progresser plus rapidement tout en maintenant un niveau de supervision approprié.

Cadences : des cycles de planification et d’apprentissage plus courts

L’IA accélère la capacité des organisations à apprendre, à s’adapter et à évoluer. Dans ce contexte, les cycles de planification annuels ne suffisent souvent plus.

De nombreuses organisations adoptent désormais des cycles de planification trimestriels arrimés à des résultats mesurables sur les plans des affaires, de l’expérience client, des opérations et des risques. Grâce à des cadences de livraison régulières, les équipes peuvent tester de nouvelles approches, tirer des enseignements des résultats obtenus et ajuster leurs priorités à mesure que les conditions évoluent. L’IA offre également une visibilité plus rapide sur la performance et les indicateurs opérationnels, ce qui permet aux équipes de prendre des décisions plus éclairées tout au long du trimestre.

Leadership : passer de la gestion des activités à l’atteinte des résultats

À mesure que l’IA s’intègre au travail quotidien, le rôle des leaders évolue. Ils consacrent moins de temps à coordonner les activités et davantage à définir une orientation claire, à établir les paramètres qui guideront l’action, à clarifier les priorités et à veiller à ce que les équipes disposent de l’autonomie nécessaire pour agir.

La réussite repose de plus en plus sur la création d’un environnement où le jugement humain et les capacités de l’IA se renforcent mutuellement. Les leaders doivent dépasser les silos fonctionnels, mobiliser les équipes autour des résultats à atteindre et demeurer responsables des décisions critiques en matière de risque, d’expérience client et de confiance.

Les organisations qui tireront le meilleur parti de l’IA ne la considéreront pas comme une simple initiative technologique, mais comme un nouveau cadre de gestion fondé sur un apprentissage plus rapide, une imputabilité accrue et une amélioration continue.  

Ce que les leaders doivent faire dès maintenant

Passer des cas d’usage de l’IA à la réinvention des flux de travail créateurs de valeur

Pour réaliser tout le potentiel de l’IA à grande échelle, les organisations doivent l’intégrer à la façon dont elles prennent des décisions, répartissent les ressources, gèrent les risques, conçoivent le travail et évaluent la performance. L’IA doit être intégrée aux flux de travail où l’entreprise crée de la valeur, plutôt que d’être considérée comme une initiative technologique distincte. Les équipes d’affaires doivent disposer de la latitude nécessaire pour innover au plus près des activités, tout en s’appuyant sur des paramètres clairs à l’échelle de l’entreprise en matière de gestion des risques, de gouvernance et de normes technologiques.

Déterminer les 5 à 10 flux de travail les plus créateurs de valeur

Commencez par les parcours clients, les chaînes de valeur et les décisions critiques où la rapidité, la coordination et la confiance ont le plus d’importance. Préservez la solidité des fonctions individuelles, mais réduisez les silos entre elles en orientant l’exécution vers des résultats communs. 

Concevoir une main-d’œuvre intégrée, composée d’humains et d’agents d’IA

Déterminez clairement dans quelles situations le jugement humain est indispensable, dans quels contextes l’IA peut agir à l’intérieur de paramètres établis et comment le travail circule entre les deux. Plus ce modèle est clair, plus il sera sécuritaire et facile à déployer à grande échelle. Une main-d’œuvre centrée sur l’humain et habilitée par l’IA place les compétences humaines au premier plan. Les organisations doivent donc investir davantage dans les capacités qui feront la différence demain : l’établissement de relations, la capacité de mobiliser par des idées et des récits inspirants, la communication, la créativité, l’empathie, la négociation, l’influence et le coaching.

Planifier, apprendre et s’adapter plus fréquemment

Concevez un modèle opérationnel qui permet aux équipes d’expérimenter, d’apprendre et de passer à l’échelle selon des cycles plus courts. Cela suppose une responsabilité claire à l’égard des produits ou des solutions, des priorités bien définies, des équipes multidisciplinaires habilitées à agir, des mécanismes de contrôle intégrés et des boucles de rétroaction régulières qui transforment l’exécution quotidienne en amélioration continue. 

Favoriser l’adoption grâce à une conduite du changement itérative

Expliquez clairement comment le travail des employés évoluera, quelles décisions continueront de relever du jugement humain, de quelle façon l’IA sera gouvernée et comment les compétences devront se développer au fil du temps. L’adoption doit être soutenue par une mobilisation continue, de la formation et des mécanismes de rétroaction qui permettent d’ajuster l’approche à mesure que le modèle évolue et passe à l’échelle.

L’adoption d’une approche de changement minimal viable (CMV) peut également aider à décomposer la transformation en étapes plus petites, plus concrètes et plus faciles à gérer.

Comment Deloitte peut vous aider

Deloitte peut vous aider à repenser votre modèle opérationnel afin de tirer pleinement parti d’une main-d’œuvre intégrée, composée d’humains et d’agents d’IA. Nous accompagnons les organisations dans la refonte de leurs processus, de leurs rôles, de leurs modes de fonctionnement et de leurs cadres de gouvernance. En appliquant des méthodologies éprouvées pour déterminer où l’IA crée le plus de valeur et en élaborant des feuilles de route pragmatiques à l’aide d’outils comme Deloitte Enterprise AI Navigator, les organisations peuvent réduire jusqu’à 50 % le temps consacré à la définition de leur stratégie d’IA et à la conception de leurs initiatives.

Les institutions financières qui réussiront à transformer leur modèle opérationnel seront mieux placées pour convertir leurs investissements en IA en valeur d’affaires mesurable, tout en préservant la confiance, la gouvernance et l’imputabilité auxquelles s’attendent leurs clients, les autorités réglementaires et le marché.