Dans le secteur financier, l'intelligence artificielle est considérée comme l'un des principaux leviers pour gagner en efficacité, automatiser les processus et améliorer la prise de décision. Les banques, les compagnies d’assurance et les prestataires de services financiers expérimentent déjà l’IA dans de nombreux domaines: service à la clientèle, détection de fraudes, traitement des documents, analyse des risques ou encore développement logiciel. La nécessité d’agir est forte. Les marges se réduisent, les attentes des clients augmentent, les exigences réglementaires se multiplient et les cyberrisques gagnent en complexité.

Pourtant, le déploiement opérationnel de l’IA reste souvent en deçà des attentes. De nombreuses initiatives fonctionnent au sein d’équipes spécifiques ou dans des environnements de test contrôlés, sans parvenir à s’intégrer dans les processus métiers critiques de l’entreprise. Le véritable défi en matière d’IA ne réside donc pas uniquement dans la technologie. Il réside dans la capacité à rendre l’IA fiable, intégrée et évolutive, de manière à ce qu’elle crée une véritable valeur ajoutée pour l’entreprise.

Le dernier rapport «Kyndryl Readiness Report»^[1] illustre clairement ce paradoxe: les dépenses en matière d’IA ont augmenté en moyenne de 33% par rapport à l’année précédente. Elles sont déjà 54% à faire état de retours sur investissement positifs grâce à l’IA. Pourtant, 62% d’entre elles n’ont toujours pas réussi à dépasser le stade des projets pilotes.

L’infrastructure fait la différence

Dans le secteur financier, les discussions portent souvent sur les modèles, les algorithmes et les nouvelles applications. En revanche, l'infrastructure informatique sous-jacente, pourtant souvent déterminante, reste moins visible. De nombreux établissements travaillent avec des systèmes centraux développés au fil des années. Les données sont stockées dans différents silos, les interfaces sont complexes, les processus sont hérités du passé et les exigences réglementaires sont élevées.

C’est là un obstacle majeur pour l’IA. Les modèles ont besoin de données cohérentes, à jour et facilement accessibles. Ils doivent pouvoir s’intégrer dans les processus existants. Les résultats doivent être traçables. Et les informations sensibles doivent être protégées contre tout traitement non maitrisé. Lorsque les données sont fragmentées ou que les systèmes centraux ne peuvent pas être intégrées de manière flexible, l’IA reste limitée à des expérimentations isolées.

Là encore, on constate un écart significatif entre les ambitions et la réalité. Selon le «Readiness Report», 90% des organisations estiment disposer des outils et processus leur permettent de tester et de déployer rapidement de nouvelles idées. Pourtant, plus de la moitié considèrent que leur propre environnement technologique freine l'innovation. L’année dernière déjà, 90% des dirigeants d’entreprise estimaient que leur infrastructure informatique était «best in class», mais seuls 39% la jugeaient adaptée aux défis futurs.

Pourquoi les établissements financiers sont particulièrement concernés

Pour les établissements financiers suisses et européens, le défi est particulièrement complexe. Ils doivent innover sans compromettre la confiance, la stabilité, ni la conformité réglementaire. Un projet pilote d’IA peut être mis en place relativement rapidement. Son intégration dans les processus métiers essentiels relève toutefois d’une toute autre dimension.

Des questions se posent alors et dépassent largement le simple choix d'une solution technologique: d’où proviennent les données? Qui peut vérifier les résultats? Comment détecter les erreurs? Quels systèmes sont connectés? Comment garantir simultanément la protection des données, les obligations de surveillance et les contrôles internes? Comment intégrer les directives et les contrôles dans des processus automatisés et lisibles par machine de manière à ce qu’ils soient appliqués de manière cohérente? Et qui assume la responsabilité lorsque l’IA prépare des processus ou influence des décisions?

L’informatique devient ainsi un enjeu stratégique pour les directions générales et les conseils d’administration. L’architecture des données, la résilience, l’intégration et la sécurité déterminent si l’IA peut réellement conduire à une réduction des coûts, à de meilleurs processus et à de nouveaux modèles économiques. La technologie n’est donc plus seulement une infrastructure opérationnelle, elle devient un véritable levier de pilotage de l'entreprise.

La cybercriminalité change la donne

La cybersécurité joue un rôle central. Les établissements financiers ont toujours été parmi les cibles les plus attractives pour les cyberattaques. L’IA modifie ce paysage des risques des deux côtés.

Elle peut aider à détecter plus rapidement les anomalies, à automatiser les processus de sécurité et à identifier plus tôt les menaces. Dans le même temps, les cybercriminels peuvent utiliser l’IA pour rendre leur campagne de phishing, l’ingénierie sociale ou les logiciels malveillants plus sophistiqués.

Le rapport «Kyndryl Readiness Report» identifie la cybersécurité comme le domaine d’application le plus fréquent de l’IA. Cela va de soi: dans un secteur fondé sur la confiance et la disponibilité, la cyber-résilience est une condition préalable à toute transformation numérique.

Pour les établissements financiers, cela signifie que la préparation à l’IA et la préparation aux cybermenaces ne peuvent plus être dissociées. Toute stratégie visant à déployer l’IA à grande échelle doit également intégrer la gestion des accès aux données, les modèles d’identité et d’autorisation, l’architecture de sécurité et la capacité de réaction en cas d’urgence. A défaut, les nouvelles technologies ne feront pas seulement gagner en efficacité, mais augmenteront également les surfaces d’attaque.

L’humain reste au cœur de la transformation

Au-delà de l’infrastructure et la sécurité, les collaborateurs jouent également un rôle déterminant dans la réussite. L’IA ne produira des résultats que si les collaborateurs la comprennent, l’acceptent, lui font confiance et sont capables de l’utiliser à bon escient. Selon le Readiness Report, 87% des dirigeants estiment que l'IA transformera profondément les métiers de leur entreprise au cours des douze prochains mois. Pourtant, seuls 29% d’entre eux estiment que leur personnel est suffisamment préparé pour utiliser l’IA avec succès dans son travail quotidien.

Cet enjeu est particulièrement important dans le secteur financier. De nombreux processus resposent largement sur l’expertise humaine et sont sensibles aux risques. Les collaborateurs doivent non seulement maîtriser les outils, mais aussi être capables d’analyser les résultats d’un œil critique, d’évaluer la qualité des données et d’identifier les risques. Cela nécessite de plus en plus des rôles de passerelle – à l'image des Human Systems Architects – qui définissent la manière dont les collaborateurs, les processus décisionnels et les systèmes d’IA interagissent. L’introduction de l’IA n’est donc pas un simple projet informatique. Il s’agit d’un projet de transformation qui nécessite une formation continue, des lignes directrices claires et de la confiance.

Du projet pilote au levier de productivité

Le secteur financier a pleinement pris conscience de l’importance de l’IA. Les investissements augmentent et les premiers résultats sont visibles. Mais la phase suivante s’annonce plus difficile: il ne s’agit plus de multiplier des projets pilotes, mais de transformer les investissements en IA en une valeur ajoutée économiquement mesurable.

Pour cela, il faut des architectures de données modernes, des systèmes centraux intégrables, une gouvernance solide, une cyber-résilience robuste et des collaborateurs capables d’utiliser l’IA de manière responsable. Les établissements qui mettent en place ces bases pourront intégrer l’IA dans leur chaîne de valeur opérationnelle. Ils seront en mesure d’automatiser les processus, d’identifier les risques plus tôt et de servir leurs clients plus rapidement.

La véritable question n’est donc pas de savoir quelle banque expérimente le plus grand nombre d’applications d’IA. Elle consiste à identifier les institutions capables de faire évoluer leurs fondations technologiques et organisationnelles afin de rendre l'intelligence artificielle fiable, transparente et créatrice de valeur. Dans un secteur fondé sur la confiance, ce n’est pas le plan d’IA le plus ambitieux qui fera la différence, mais la capacité à le mettre en œuvre de manière solide et à le déployer à grande échelle.

^[1] https://www.kyndryl.com/ie/en/insights/readiness-report-2025