IA générative : un atout incontournable pour l’avenir des banques

Publié le 05/01/2025

L’intelligence artificielle générative s’est invitée dans les projets des banques françaises, avec des promesses fortes et un cadre juridique qui se resserre. Entre gains d’efficacité espérés, obligations européennes et limites techniques reconnues, voici ce qu’un particulier peut retenir sans céder ni à l’enthousiasme ni à l’inquiétude.

Une évolution technologique de fond #

Parler de rupture serait excessif : les banques automatisent depuis longtemps. Ce que change l’IA générative, c’est la nature des tâches concernées. Jusqu’ici, l’automatisation visait des opérations répétitives et structurées ; les modèles génératifs s’attaquent à du texte non structuré — notes internes, procédures, documentation réglementaire, correspondance. C’est un déplacement du périmètre, pas un changement de métier.

À lire Secteur bancaire : le bilan des évolutions de 2023

Ce déplacement pose deux questions que le secteur ne peut pas éluder. La première tient à la souveraineté et à la maîtrise des données : confier des documents internes à un service externe suppose de savoir où ils sont traités et par qui. La seconde tient à l’expertise : un modèle ne sait pas si sa réponse est juste, seul un professionnel du métier peut l’apprécier. Ces deux points expliquent pourquoi beaucoup d’établissements avancent par expérimentations internes plutôt que par déploiements massifs.

Ces sujets étaient au programme d’une conférence organisée à Bordeaux par Bordeaux Place Financière et Tertiaire, association de place bordelaise, qui a réuni professionnels, dirigeants et étudiants autour des usages de l’IA générative dans la finance.

Applications concrètes et cas d’usage #

Les usages aujourd’hui documentés dans le secteur financier restent majoritairement internes et assistés par un humain. On peut les regrouper en quelques familles, sans qu’aucune ne dispense d’une relecture :

Une approche technique revient souvent pour limiter les erreurs : la génération augmentée par la recherche, ou RAG (retrieval-augmented generation). Le principe consiste à obliger le modèle à s’appuyer sur des documents identifiés plutôt que sur sa seule mémoire d’entraînement, et à afficher ces sources. Cela réduit le risque d’invention, sans le supprimer : si le document retrouvé est obsolète ou mal compris, la réponse le sera aussi.

À lire Comment préparer son avenir financier

Les défis et risques à surmonter #

Les limites de ces outils sont connues et documentées, y compris par ceux qui les déploient. Les modèles génératifs produisent parfois des réponses fausses mais formulées avec assurance — ce que l’on appelle des hallucinations. Ils peuvent aussi reproduire les biais présents dans leurs données d’entraînement, ce qui est particulièrement sensible dès qu’un traitement touche des personnes.

S’y ajoutent l’explicabilité — être capable de dire pourquoi un résultat a été produit —, la traçabilité des données utilisées, la protection des données personnelles, et la dépendance à un fournisseur unique de modèle. Le coût énergétique de ces traitements est également mis en avant comme un critère de sobriété dans le choix des usages. Aucune de ces limites n’interdit l’usage ; toutes plaident pour un contrôle humain explicite et pour la formation des équipes, qui reste la condition de fond d’une adoption utile.

Ce que prévoit le règlement européen sur l’intelligence artificielle #

Le règlement (UE) 2024/1689 du 13 juin 2024, dit règlement sur l’intelligence artificielle, a été publié au Journal officiel de l’Union européenne le 12 juillet 2024. Il s’applique par étapes et repose sur une logique de niveaux de risque, décrite par la Commission européenne : risque inacceptable (pratiques interdites), haut risque, risque de transparence, risque minimal.

Pour une banque, le point central est le classement en haut risque des systèmes servant à évaluer la solvabilité des personnes physiques ou à établir leur note de crédit, au titre de l’accès aux services privés essentiels. Ces systèmes ne sont pas interdits, mais soumis à des exigences renforcées. Un second point concerne directement le client : les obligations de transparence visent notamment les agents conversationnels et les contenus générés par IA, qui doivent être identifiés comme tels.

À lire Actualité bancaire : ce qu’il faut savoir en 2023

RGPD : le droit de ne pas subir une décision entièrement automatisée #

Le cadre protecteur ne date pas du règlement sur l’IA. L’article 22 du RGPD pose que toute personne « a le droit de ne pas faire l’objet d’une décision fondée exclusivement sur un traitement automatisé, y compris le profilage, produisant des effets juridiques la concernant ou l’affectant de manière significative de façon similaire ».

La CNIL rappelle que cette interdiction de principe connaît trois exceptions — consentement explicite, nécessité contractuelle, disposition légale spécifique — et qu’elle s’accompagne de garanties : être informé lors de la collecte des données, pouvoir demander l’intervention d’une personne humaine, exprimer son point de vue et contester la décision. La CNIL cite d’ailleurs le refus automatique de crédit sans intervention humaine parmi ses exemples. Le RGPD impose en outre d’informer sur l’existence d’une décision automatisée et sur la logique sous-jacente.

Questions fréquentes #