Comment les banques s’adaptent pour garder le contrôle sur l’IA et la data

L’innovation en termes de plateforme et de cas d’usage, notamment dans le domaine de l’IA générative, n’est-elle possible qu’en confiant les clés aux hyperscalers et en s’exposant à un risque de dépendance technologique ? Ce n’est pas une fatalité, mais un choix stratégique, estiment deux experts du secteur.

Historiquement, au sein du Crédit Mutuel Arkéa, le système d’information s’appuyait essentiellement sur des solutions on-premise. Le groupe bancaire mutualiste intègre à présent des composants Google Cloud. “Le cloud public doit être vu comme une extension de notre SI”, décrit David Courté, responsable du service data architecture.

Du cloud public, mais pas en fermant les yeux

Afin de réduire le “vendor lock-in” et de permettre la réversibilité, l’entreprise “se limite volontairement sur le choix des composants disponibles et mis à disposition des utilisateurs.” Et cela vaut aussi pour l’intelligence artificielle, notamment générative.

“Nous privilégions des modèles développés en interne, que nous hébergeons par exemple sur les services d’inférence de Google afin de rester en maîtrise de nos algorithmes et applications. Cependant, nous ne nous interdisons pas pour autant l’utilisation de modèles sur étagère”, détaille l’expert IT du Crédit Mutuel Arkéa.

Chez BPCE, deux environnements coexistent également. Dans l’univers corporate functions & CIB, qui intègre notamment Natixis, le groupe exploite une architecture on-premise. Cet historique a été “hybridé”, par exemple pour y embarquer des services cloud, dont PowerBI de Microsoft. Sur l’IA, des outils de l’éditeur américain, dont Azure, sont aussi déployés.

Du côté de la banque de détail de BPCE, une évolution est en cours “avec une transformation par le biais d’un move to cloud sur GCP [Google Cloud Platform, Ndlr], plutôt pour la partie analytics et data science”, confie Florian Caringi, manager big data & data architecture.