- Après une période d’expérimentation tous azimuts, les banques françaises entrent dans l’ère de l’industrialisation de l’IA générative. Fini la dispersion : l’enjeu est désormais de prouver sa valeur réelle, à la fois opérationnelle, financière et stratégique.
- Les établissements choisissent la voie de la sélectivité : mieux vaut cibler quelques cas d’usage jugés stratégiques – octroi de crédit, relation client, lutte contre la fraude – que s’éparpiller. Pour avancer, ils s’appuient sur des centres d’expertise et AI factories.
- Trois priorités traversent tout le secteur : former et impliquer les collaborateurs pour garantir l’adoption, sécuriser les choix technologiques et l’usage des données, et installer une gouvernance sobre et durable pour maîtriser les coûts comme les risques.
Sur le même sujet
Cet article fait partie d’une série consacrée aux initiatives des établissements financiers français sur le terrain de l’intelligence artificielle générative. Une seconde analyse publiée par mind Fintech a été consacrée aux projets des compagnies d’assurance.
Le parcours des banques dans l’intelligence artificielle générative confirme à la fois les enseignements d’une récente étude du MIT, qui révèle que 95 % des applications métiers d’IA échouent, et la pertinence des bonnes pratiques mises en œuvre dans ces projets.
Pour réussir, les entreprises doivent privilégier une approche “bottom-up” : “permettre aux employés d’expérimenter et de découvrir leur mode optimal de collaboration homme-IA.” Concrètement, cette démarche constitue une rupture par rapport aux initiatives antérieures.
Les premières initiatives reposaient sur une approche “top-down”, qui consistait à imposer à tous les employés l’utilisation d’un outil spécifique, sous le contrôle strict des dirigeants et des superviseurs. Dans un rapport, LaborIA a déjà montré les limites de cette méthode.
Pour expliquer les échecs des projets d’IA, les chercheurs du MIT soulignent également une hiérarchisation défaillante des priorités dans l’application de l’IA générative. Après une phase initiale centrée sur la course aux cas d’usage, banquiers et assureurs ont rectifié le tir.
Chez BNP Paribas, “être très focalisé pour ne pas se disperser”
Selon Sophie Heller, chief operating officer du pôle commercial, personal banking & services (CPBS) chez BNP Paribas, le cap est clair : “être très focalisé pour ne pas se disperser.” Sur le marché du retail, la banque avance ainsi sur un nombre restreint de cas d’usage ou de produits d’IA.
L’établissement donne par ailleurs la priorité aux assistants virtuels et aux agents conversationnels. BNP Paribas n’entend pas pour autant concentrer ses efforts uniquement sur la GenAI. “Nous pensons qu’il y a encore beaucoup de valeur à retirer, pour nos clients comme pour nous-mêmes, des optimisations des processus avec de l’IA”, souligne Sophie Heller.
Dans cette perspective, l’IA générative constitue un complément en “ouvrant un éventail de possibilités considérable.” C’est également la stratégie défendue pour la banque commerciale en France (BCEF) par son directeur des opérations, Pierre Ruhlmann.
Les cas d’usage de l’IA ont été réduits à douze priorités, afin de renforcer l’efficacité et d’accroître la probabilité de succès dans les domaines identifiés comme stratégiques. L’analyse de la valeur y occupe une place centrale.
La sélection repose sur trois critères principaux : la valeur financière (économies, génération de PNB…), la valeur pour les clients et les collaborateurs (NPS, engagement salarié, effort score, etc.), et enfin le degré de digitalisation ou “self-carisation”.
Diplômé d'économie et d'informatique, je publie pour la presse IT B2B depuis 2005 sur des sujets liés à la transformation des systèmes d'information et à l'économie numérique. Depuis 2019, je me suis spécialisé dans l'exploitation des données par les organisations et le déploiement de l'intelligence artificielle.