IA agentique : la prochaine révolution pour les banques ?

La révolution de l’IA agentique est en marche. Des géants de la technologie tels qu’Amazon, Google, Microsoft, Nvidia et Salesforce intègrent déjà l’IA agentique à leurs offres, ce qui pourrait annoncer un tournant majeur dans l’automatisation intelligente.

Les agents d’IA sont capables de raisonner de manière autonome, d’exécuter des tâches complexes et d’atteindre des objectifs définis. Cela génère des gains d’efficacité dans de nombreux processus bancaires comme la souscription de crédits, la gestion de trésorerie ou la détection de fraude. Cependant, les applications concrètes de l’IA agentique dans le secteur bancaire restent encore peu répandues et en phase émergente. Cela s’explique notamment par les contraintes réglementaires, les risques liés aux modèles et les enjeux de confidentialité. A cela s’ajoute l’absence de normes matures pour les outils et les communications liées à l’IA agentique. Les systèmes existants et les protocoles d’intégration de données limités peuvent également compliquer le déploiement. De nombreux processus bancaires devront probablement être profondément révisés pour intégrer l’IA agentique, notamment ceux dont l’automatisation repose sur les précédentes générations de technologie comme la RPA, le machine learning ou récemment l’IA générative.

Afin de comprendre comment tirer pleinement parti de cette opportunité de transformation majeure, nous avons mené des entretiens approfondis avec des experts technologiques ainsi que des professionnels de notre réseau. Exploiter tout le potentiel de cette technologie nécessitera de développer de nouvelles compétences. La sélection initiale de cas d’usage à fort impact, mais à moindre risque, sera aussi essentielle pour démontrer de manière convaincante son potentiel.

Exploiter le potentiel des agents d’IA

Plusieurs institutions financières, telles que BNY, Mastercard, PayPal, Visa et JPMorgan Chase, expérimentent des agents IA autonomes pour automatiser des tâches spécifiques, comme le codage, la validation de paiements, les transactions commerciales ou encore la gestion de documents juridiques. A titre d’exemple, JPMorgan a notamment démontré que l’IA agentique LAW (Legal Agentic Workflows for Custody and Fund Services Contracts) peut traiter des documents juridiques avec une précision de 92,9 %.

L’IA agentique montre ainsi un fort potentiel dans des domaines où l’automatisation est déjà avancée, comme la gestion des comptes, tandis que son impact devrait rester plus limité dans les activités nécessitant une interaction humaine, telles que l’intégration et l’accompagnement des clients.

Agents IA et anti-blanchiment : un cas d’usage emblématique 

Alors que les bots d’IA actuels peuvent déjà signaler des activités suspectes de blanchiment d’argent, mais ils requièrent souvent une intervention humaine. L’IA agentique permet d’aller plus loin en automatisant l’ensemble du processus : un agent peut analyser une alerte, un autre examiner les transactions passées et présentes, et un troisième rédiger les conclusions et recommander les actions à entreprendre. Les agents communiquent et prennent des décisions de manière autonome, s’appuyant sur des technologies avancées pour accéder et analyser les données financières en temps réel. L’intervention humaine se limite à la validation finale et à la soumission des rapports. Cette approche offre un gain de temps significatif tout en renforçant la détection des activités suspectes, y compris celles qui pourraient échapper aux méthodes traditionnelles.

Trois stratégies pour intégrer l’IA agentique dans les opérations bancaires 

Réussir l’intégration de l’IA agentique repose sur une sélection rigoureuse des cas d’usage, fondée sur leur valeur opérationnelle, leur complexité et les contraintes réglementaires associées. Pour en exploiter pleinement le potentiel, les banques doivent aligner cette transformation sur leurs priorités stratégiques et leurs réalités opérationnelles. 

Vers une adoption responsable et intégrée 

L’IA agentique ne doit pas être envisagée comme une initiative isolée, mais comme le prolongement naturel des stratégies d’intelligence artificielle et d’automatisation déjà engagées. Elle se distingue par sa capacité à exécuter de manière proactive des tâches complexes et à prendre des décisions autonomes, tandis que l’IA traditionnelle reste plus adaptée à la prédiction et à l’analyse de tendances. Chaque approche doit être mobilisée là où elle crée le plus de valeur.

La conformité doit être intégrée dès la conception des agents IA, avec des mécanismes de contrôle et de supervision continus. Une collaboration étroite entre les équipes technologiques IA et les fonctions conformité est essentielle pour garantir transparence et responsabilité.

Le développement de l’IA agentique repose sur une infrastructure robuste, souvent basée sur le cloud, et une orchestration efficace des systèmes multi-agents. Des données fiables, une gouvernance rigoureuse et une traçabilité complète constituent les fondations indispensables à la confiance et à la performance de ces modèles. Tenir un registre actualisé des agents, précisant leur propriétaire, leur périmètre d’action et leur niveau de risque, contribuera à renforcer cette gouvernance.

Enfin, la réussite de cette transformation dépendra d’une véritable culture de collaboration entre humains et IA. Former, acculturer et accompagner les équipes permettra de renforcer la confiance, de favoriser l’appropriation des technologies et d’assurer une adoption durable et responsable.

L’avenir de la banque avec l’IA agentique

Les expériences passées avec l’IA générative et la RPA servent déjà de référence pour introduire l’IA agentique. Dans un premier temps, il convient de concentrer les efforts sur les domaines où l’impact sera le plus immédiat, tout en adaptant la méthode d’adoption à la maturité technologique et aux priorités propres à chaque institution. Pour maximiser les bénéfices tout en maîtrisant les risques liés à la confidentialité, à l’éthique et à la réglementation, l’expérimentation proactive et l’ajustement continu s’avèrent essentiels.
Une approche structurée et stratégique permettra à l’IA agentique de transformer durablement les opérations bancaires et de soutenir la croissance de l’activité, tout en équilibrant efficacité et sécurité.