L’IA agentique : une solution efficace pour les banques

Les gestionnaires de comptes des grandes banques consacrent trop de temps à des tâches administratives, négligeant ainsi leurs clients. L’intelligence artificielle (IA) agentique révolutionne ce processus en automatisant la prospection, la qualification des leads et la préparation des réunions, entraînant des augmentations de revenus allant jusqu'à 15 % par gestionnaire, selon McKinsey.

Avec des obstacles tels que des systèmes inefficaces et des pistes de vente de mauvaise qualité, l'IA agentique se présente comme un véritable levier de transformation. En déployant cette technologie, les banques ont observé une hausse des revenus de 3 % à 15 % pour les conseillers, accompagné d'une réduction des coûts de service de 20 % à 40 %. Contrairement aux outils d'IA traditionnel, les agents intelligents peuvent automatiser des flux de travail complexes en interprétant des objectifs et en interagissant avec divers systèmes.

L’application de l’IA agentique dans la prospection se traduit par une analyse de données structurées et non structurées, permettant de générer des listes de clients potentiels mises à jour en temps réel. Les banques ayant mis en œuvre cette méthode constatent une augmentation de 30 % de leur pipeline et de 10 % de leurs revenus. De plus, les agents assurent un suivi automatisé des pistes et préparent les réunions en agrégeant des données en quelques minutes, réduisant ainsi le temps alloué à ces tâches de 25 %.

L'IA agentique offre également un soutien à la tarification et à la structuration, entraînant des marges améliorées de 10 %. Enfin, cette technologie redéfinit le rôle des conseillers en leur permettant de se concentrer sur la relation avec leurs clients, rendant l'IA essentielle dans un contexte concurrentiel. Les banques doivent donc adopter une nouvelle approche pour pleinement bénéficier de cette innovation, avec un potentiel de revenus qui pourrait atteindre 30 %.

L'administration fiscale française utilise des technologies de pointe, telles que la cartographie aérienne et l'intelligence artificielle (IA), pour lutter contre la fraude fiscale en exploitant les données laissées par les internautes et les entreprises. Bien que ces méthodes visent un objectif légitime, elles soulèvent des préoccupations relatives à la vie privée, comme l'indique le chercheur Karim Sid Ahmed.

Un exemple concret de cette application est le « programme du foncier innovant », lancé en 2022 pour un coût de 24 millions d'euros. Ce programme recourt à des algorithmes pour analyser les images aériennes publiques afin de déceler des structures comme des piscines, vérifiant ainsi si elles sont correctement déclarées pour les impôts locaux. En effet, il a révélé que 20 000 piscines n'avaient pas été déclarées, générant 10 millions d’euros de recettes supplémentaires pour l'État en 2022, malgré les dénis de certains propriétaires.

Un autre projet notable est le « ciblage de la fraude et valorisation des requêtes » (CFVR), mis en place en 2014 pour 34,5 millions d'euros. Ce programme enrichit les données fiscales existantes en intégrant des informations provenant de sources privées, permettant de traiter environ 1 400 milliards de données. En 2024, près de la moitié des contrôles fiscaux des professionnels et 45 % de ceux des particuliers seront lancés grâce à l'IA, avec des données collectées, y compris sur les réseaux sociaux. Ces initiatives montrent comment l'IA peut renforcer l'efficacité fiscale tout en soulevant des questions éthiques sur la vie privée des citoyens.

Aldrick Zappellini, directeur data & IA du groupe Crédit Agricole, a exposé les impacts majeurs de l'IA, particulièrement de la GenAI, sur les risques cybers lors de l'événement Future of Software à Paris en décembre 2025. La protection de la confiance, pilier de la banque, est mise à l'épreuve par des systèmes d'IA potentiellement vulnérables.

Les efforts en cybersécurité sont ainsi intensifiés avec un doublement ou triplement des effectifs dédiés à la lutte contre les cyberattaques. Le Crédit Agricole utilise déjà des solutions de deep learning pour traiter les documents clients. Cependant, avec la montée de la GenAI, la vigilance face aux cybermenaces est devenue cruciale. Des outils et des méthodes robustes sont déployés pour détecter des comportements anormaux dans le transfert de données entre systèmes, permettant ainsi une détection anticipée d'éventuelles intrusions.

Pour lutter contre les malversations liées à la GenAI, telles que la fraude au président, le Crédit Agricole intègre des systèmes d’authentification à double facteur. De plus, des analyses avancées, basées sur l'IA, surveillent les données entrantes pour détecter les anomalies.

Le groupe a également cartographié les risques liés à l'IA, identifiant 44 menaces spécifiques, dont la manipulation de modèles par des prompt injections. Grâce à des projets de recherche innovants, le Crédit Agricole est capable de contrôler les données sensibles, garantissant que les modèles ne retiennent pas d'informations critiques.

En somme, Aldrick Zappellini souligne l'importance d'un réseau défensif pour anticiper et répondre aux menaces cybernétiques, tout en intégrant l'IA de manière sécurisée dans les opérations bancaires. Cette démarche proactive est essentielle pour concilier innovation technologique et gestion des risques.

La banque d'affaires BNP Paribas intègre l'intelligence artificielle (IA) dans son offre de services, marquant une étape significative dans sa transformation numérique. Dans un contexte où chaque jour, des articles d'analystes sont analysés pour générer des scores relatifs à l'économie, la banque utilise cette technologie pour enrichir l'expérience de ses collaborateurs et clients.

BNP Paribas Corporate & Institutional Banking (CIB) vise à activer 800 cas d'usage d'IA d'ici la fin de l'année suivante, aspirant à générer un impact économique de 750 millions d'euros. L'application LLM@CIB, accessible à 43 000 collaborateurs après formation, permet aux employés d'accéder à des modèles de langage avancés.

Parmi les applications concrètes, la banque a développé un outil GenAI qui permet d'extraire des données et d'analyser des articles de recherche. De plus, un système de scoring régulier sur des sujets économiques critiques tels que l’inflation et les politiques des banques centrales fournit des insights pertinents pour les marchés. Ces analyses de sentiment hebdomadaires sont publiées gratuitement, pouvant évoluer vers de nouveaux indicateurs sectoriels.

Pour les clients, BNP Paribas a également lancé un agent virtuel, Noa, qui assiste environ 100 000 utilisateurs. Bien que pour l’instant basé sur le Machine Learning, la banque envisage d'intégrer la GenAI pour comprendre les requêtes clients. L’objectif est d’automatiser des tâches répétitives, améliorant ainsi l'efficacité des équipes tout en renforçant la capacité à traiter une plus grande volume de demandes. Au-delà de ces optimisations, la technologie est perçue comme un levier pour la croissance de l'activité de BNP Paribas CIB.