Le déploiement de l'IA dans les services financiers commence par la gouvernance et l'architecture

Le véritable défi pour faire évoluer l'IA dans les services financiers réside dans l'infrastructure de données sous-jacente. Les organisations peinent à unifier des données fragmentées, à mettre en œuvre une gouvernance rigoureuse et à maintenir l'observabilité des systèmes existants qui fonctionnent depuis des décennies.

Thomas Mathew, directeur principal du cloud pour le secteur des services financiers chez Microsoft, le dit clairement : "La plupart des organisations échouent dans le domaine de l'IA, non pas parce qu'elles manquent de données, mais parce qu'elles ne parviennent pas à faire confiance aux données dont elles disposent déjà et à les interpréter correctement."

Une mauvaise qualité des données ne se traduit pas seulement par des résultats inexacts. Elle sape la confiance des utilisateurs, attire l'attention des autorités de régulation et rend difficile à justifier l'ensemble de l'investissement dans l'IA. Pour les DSI, les directeurs techniques et les directeurs des données qui évoluent dans un environnement fortement réglementé, cela représente un risque inacceptable.

La première vague d'adoption de l'IA dans les services financiers s'est concentrée principalement sur les applications destinées aux clients : chatbots, personnalisation et assistants numériques. Les organisations ont rapidement découvert que déployer ces outils sans une architecture backend solide entraîne des hallucinations, des violations de conformité et une augmentation des coûts.

D'autres aspects ont pris le pas depuis, comme le confirment les données IDC : les entreprises privilégient désormais l'infrastructure, les données et la gouvernance plutôt que l'innovation au niveau du front office. L'expérience client, qui occupait la dernière place en termes de maîtrise budgétaire il y a à peine un an, a progressé, mais seulement après que les organisations ont reconnu la nécessité de corriger d'abord leurs systèmes internes.

Jerry Silva, vice-président des analyses financières chez IDC, y voit un impératif stratégique : "Considérez l'IA comme une capacité d'entreprise, et non comme une technologie. Assurez-vous que toutes les mesures de gouvernance sont en place, puis recherchez les experts capables de vous aider à tirer pleinement parti de la valeur métier que l'IA peut générer."

C'est ce changement de paradigme qui distingue les organisations qui progressent réellement de celles qui se contentent encore d'expérimentations isolées.

Les entreprises de services financiers disposent d'une quantité considérable d'informations, mais celles-ci sont souvent cloisonnées, non structurées ou obsolètes. Pour résoudre le problème, une plateforme unifiée doit intégrer et organiser les informations provenant de toute l'entreprise.

Lorsque les organisations mettent en œuvre des fonctionnalités de recherche robustes telles que la recherche sémantique, leurs modèles peuvent exploiter des sources précises, pertinentes et à jour. Les logs et les documents bruts sont ainsi transformés en informations exploitables.

Dans les environnements réglementés, la gouvernance ne peut pas être considérée comme un élément secondaire. Votre architecture doit garantir automatiquement la souveraineté des données, le contrôle d'accès et la confidentialité. Une gouvernance efficace de l'IA requiert un contrôle d'accès basé sur les rôles et des pistes d'audit complètes. Ce contrôle protège l'organisation et favorise une innovation sécurisée.

La fragmentation est l'ennemie du passage à l'échelle. Lorsque différentes équipes utilisent des outils distincts, des angles morts apparaissent, et les enquêtes sur la fraude ou les défaillances système deviennent un processus lent et manuel. Unifier les métriques, les logs et les traces au sein d'une seule plateforme aide les équipes à développer des modèles de prévision de l'état du système et de détection des anomalies.

Par exemple, l'un des plus grands assureurs IARD aux États-Unis s'est associé à Kyndryl, Elastic et Microsoft pour mettre en œuvre cette approche unifiée. Les résultats ont été impressionnants : la compagnie a réduit le nombre d'incidents d'environ 5 000 par an et a constaté que 90 % de ses pannes passées auraient pu être évitées.

La stratégie d'IA des services financiers passe des systèmes génératifs aux systèmes agentiques. Ces agents autonomes ne se contentent pas de répondre à des questions ; ils observent, raisonnent et exécutent des workflows complexes tels que l'automatisation du traitement des sinistres ou l'investigation des menaces de sécurité.

Cependant, l'autonomie introduit de nouveaux risques. Les systèmes agentiques nécessitent un contexte en temps réel, des garde-fous stricts et une intervention humaine pour les décisions à fort enjeu. Rares sont les implémentations agentiques dans les services financiers qui fonctionnent sans supervision humaine, notamment lorsque des données clients sensibles, des risques de pertes financières, des décisions de crédit importantes ou des obligations réglementaires sont en jeu.

Tim Brophy, architecte de solutions principal chez Elastic, conseille une approche pragmatique pour démarrer : "Voyez petit. Commençons par un petit projet et un cas d'utilisation simple, puis itérons jusqu'à ce que cela prenne de l'ampleur… car la pertinence d'un cas d'utilisation dépend entièrement du contexte dans lequel il s'inscrit."

Une architecture d'IA hautement observable, qui permet de savoir comment les agents prennent leurs décisions et à quelles données ils accèdent, est essentielle pour un déploiement sûr à grande échelle.

La plateforme Search AI Lake d'Elastic centralise les données de toute l'entreprise. Elle utilise le machine learning pour accélérer l'analyse des causes premières et identifier des tendances qui pourraient échapper à l'attention humaine. Grâce à la centralisation des données de télémétrie, l'IA peut détecter les anomalies avant qu'elles ne provoquent des pannes majeures ou des incidents de sécurité.

Cette approche unifiée prend également en charge différents cas d'utilisation. Comme l'explique Tim Brophy, une fois les données consolidées pour une meilleure observabilité, la même plateforme peut servir à l'analyse de la sécurité, à la détection des fraudes et à la recherche assistée par l'IA. Cela évite une refonte complète de l'architecture.

Le déploiement de l'IA dans les services financiers n'est pas seulement une initiative informatique ; elle exige une collaboration entre les équipes métier, données, sécurité et conformité. Les projets isolés échouent souvent parce qu'ils ne tiennent pas compte des besoins de l'ensemble de l'organisation.

Niloy Sengupta, vice-président chargé de la modernisation des services financiers chez Kyndryl, l'explique ainsi : "Si une partie de l'organisation essaie de faire quelque chose, les chances d'adoption dans l'ensemble de l'entreprise sont plus faibles que si tout le monde s'y met."

Les entreprises qui réussissent créent des environnements où les équipes élaborent des solutions ensemble. Grâce à des plateformes partagées, elles décloisonnent les services et veillent à ce que les projets d'IA soient alignés sur les objectifs métier et les exigences réglementaires.

La complexité des architectures financières modernes fait que très peu d'organisations peuvent tout développer en interne. Le rythme des changements, qu'il s'agisse des nouveaux protocoles de communication entre agents ou de l'évolution des cadres réglementaires, exige une expertise pointue qu'il est difficile et inutilement coûteux de maintenir en interne.

La collaboration au sein de l'écosystème, entre les fournisseurs de logiciels, les fournisseurs de cloud et les intégrateurs de systèmes, est essentielle. Des plateformes comme Elastic, exécutées sur Microsoft Azure et gérées par Kyndryl, offrent des intégrations préconfigurées, des architectures de référence éprouvées et un support de niveau entreprise. Ces partenariats réduisent les risques liés à la mise en œuvre et accélèrent la rentabilisation.

Les entreprises de services financiers qui réussiront dans la prochaine ère de l'IA seront celles qui accordent dès aujourd'hui la priorité à leur infrastructure de données En investissant dans la recherche unifiée, une observabilité complète et une gouvernance rigoureuse de l'IA financière, elles bâtiront l'architecture résiliente nécessaire aux systèmes autonomes. Cette approche réduit les risques, améliore l'efficacité opérationnelle et génère des résultats métier mesurables.

Le passage de l'expérimentation à la réalisation exige une stratégie claire et un alignement interfonctionnel. Pour cela, il faut traiter l'IA comme une capacité essentielle de l'entreprise, en s'appuyant sur la bonne technologie et les bons partenaires.

Les organisations qui font de réels progrès n'attendent pas un plan parfait. Elles commencent modestement, gèrent avec prudence et construisent sur des bases solides et fiables.