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 de BNP Paribas intègre l'intelligence artificielle dans ses offres pour améliorer sa performance et créer des bénéfices significatifs. Selon Laurent Carlier, directeur du Lab IA et data de BNP Paribas Global Markets, l'institution récupère quotidiennement les articles des analystes pour générer des scores relatifs à la croissance économique, à l'attitude des banques centrales et à l'inflation.

BNP Paribas CIB a intégré l'IA dans son écosystème de manière prudente, en lançant un agent au sein de son portail destiné aux entreprises et en développant des indicateurs basés sur l'analyse des publications économiques. La stratégie IA du groupe vise à déployer 800 cas d'usage d'ici l'année prochaine, avec une création de valeur estimée à 750 millions d'euros. Parmi les outils notables, LLM@CIB offre aux 43 000 collaborateurs l'accès à la technologie des modèles de langage, après une formation préalable.

La banque a également développé des outils d'analyse du sentiment des économistes sur des thèmes économiques clés. Ces analyses, publiées hebdomadairement, pourraient se transformer en nouveaux indicateurs sectoriels. Parallèlement, un agent virtuel, Noa, a été mis à la disposition des 100 000 utilisateurs du portail, facilitant la gestion des questions simples des clients. Noa utilise actuellement des algorithmes de Machine Learning, mais BNP Paribas envisage d'intégrer la GenAI pour mieux comprendre les demandes des clients, optimisant ainsi le service et automatisant des tâches répétitives.

Ces initiatives démontrent comment l'IA améliore l'efficacité opérationnelle de BNP Paribas tout en enrichissant l'expérience utilisateur des clients.

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.