L’IA promet aux banques efficacité et réduction des coûts, mais à quel prix pour la confiance des clients ?

Dans un secteur où la moindre erreur peut avoir des conséquences dramatiques, l’intégration de l’intelligence artificielle doit se faire avec une rigueur particulière. Cameron Thomson, vice-président du groupe EMEA chez Avaya, souligne que les institutions financières doivent considérer l’IA comme une extension de leurs exigences existantes en matière de confiance et de résilience, plutôt que comme une exception.

Un modèle hybride pour préserver la confiance

L’exemple présenté lors de l’événement Journeys UK à Londres illustre parfaitement cette approche. Imaginez un scénario où une transaction suspecte est détectée par l’IA, la carte est bloquée et le processus de résolution commence. Cependant, lorsque le client demande une nouvelle carte à une adresse différente pendant un voyage, le profil de risque change. L’interaction est alors transférée à un spécialiste humain, qui dispose de l’intégralité du contexte sans obliger le client à recommencer. « Ce modèle, combinant automatisation et jugement humain, est celui que les institutions financières devraient adopter », affirme Thomson. « La confiance repose sur la capacité de l’IA à agir rapidement tout en respectant des limites strictes. »

Les enjeux spécifiques du secteur régulé

Les conséquences d’une mauvaise utilisation de l’IA dans le secteur financier sont bien plus graves que dans le commerce de détail. Une décision erronée concernant une transaction, une identité client ou une alerte frauduleuse peut entraîner des conséquences réglementaires, financières et réputationnelles immédiates. Cela influence non seulement l’utilisation de l’IA, mais aussi son architecture.

Les institutions financières doivent savoir où résident leurs données, qui y a accès, comment les décisions sont gouvernées et si les services critiques restent disponibles en cas de défaillance d’une partie du système technologique. C’est pourquoi les déploiements hybrides et sur site restent populaires, notamment en Europe où la souveraineté des données est une préoccupation majeure. « Pour les organisations régulées, la flexibilité n’est pas un obstacle à l’innovation, mais souvent ce qui la rend possible », explique Thomson.

L’importance du contexte avant l’autonomie

Les normes ouvertes jouent un rôle clé dans cette intégration. Le Model Context Protocol (MCP), par exemple, permet à l’IA d’accéder de manière standardisée et gouvernée à des systèmes comme les plateformes CRM, les applications opérationnelles, les sources de connaissances et les API. « Un modèle linguistique seul peut générer une réponse, mais il ne sait pas ce qui se passe dans le compte d’un client en temps réel ni n’a l’autorisation d’agir », précise Thomson.

Pour une banque, cela signifie connecter de manière sécurisée un agent IA aux informations de fraude, aux dossiers clients et aux workflows approuvés, plutôt que de construire une intégration personnalisée pour chaque modèle ou application. Une couche d’orchestration agnostique est également cruciale : « Les entreprises ne sont pas contraintes de miser sur un seul fournisseur de modèles alors que le marché de l’IA continue d’évoluer. »

Modernisation sélective : le rythme des institutions régulées

L’un des enseignements clés de l’événement Journeys UK est que les organisations régulées n’ont pas l’intention de rejeter la modernisation. Elles rejettent plutôt l’idée que cette modernisation doit impliquer le remplacement complet et immédiat de tous leurs systèmes. Les clients souhaitent accéder à l’IA, à une meilleure orchestration et à des données plus riches, mais ils ont également des systèmes profondément intégrés dans leurs opérations pour des raisons de continuité, de souveraineté, de sécurité et de conformité réglementaire.

Dans le secteur financier en particulier, ces considérations ne peuvent devenir secondaires simplement parce qu’une nouvelle technologie est disponible. L’objectif n’est pas seulement de détecter la fraude plus rapidement, mais de passer de la détection à la résolution sans fragmenter l’expérience client. Cela permet aux banques de prendre des décisions de service et de risque à partir d’une vue unifiée et actuelle, plutôt que de silos séparés.

En conclusion, l’adoption de l’IA par les banques doit se faire avec une approche équilibrée, où innovation et confiance vont de pair. Les institutions financières doivent moderniser leurs systèmes tout en préservant la sécurité et la conformité, garantissant ainsi une expérience client fluide et sécurisée.