La valeur se compte en centaines de milliards

Trois cabinets, une même conclusion

Rarement les grands cabinets de conseil auront convergé à ce point. McKinsey estime que l’IA générative peut créer entre 200 et 340 milliards de dollars de valeur par an dans la banque mondiale, soit 9 à 15 % du résultat opérationnel du secteur¹. Le Boston Consulting Group calcule que les seules banques de détail pourraient dégager plus de 370 milliards de dollars de profits supplémentaires par an d’ici 2030, à condition de déployer l’IA à grande échelle². Accenture, enfin, chiffre à 289 milliards de dollars l’effet d’une adoption à l’échelle sur trois ans pour les 200 premières banques mondiales³.

Ces montants ne s’additionnent pas et ne se comparent pas directement : l’un mesure un potentiel annuel, l’autre des profits à un horizon donné, le troisième l’effet sur un panel d’établissements. Ce qui compte, c’est l’ordre de grandeur, et le fait que des méthodes indépendantes aboutissent au même constat. Pour un dirigeant, la question n’est donc plus de savoir si la valeur existe.

D’où vient la valeur

La première source est la productivité. Les plus forts gains absolus se trouvent dans la banque d’entreprise, autour de 56 milliards de dollars, et dans la banque de détail, autour de 54 milliards¹. Ce sont les métiers où le temps des équipes est le plus absorbé par la préparation, la documentation et le contrôle.

Mais réduire l’IA à un programme d’économies serait une erreur. Dans l’estimation d’Accenture, l’effet se répartit entre une hausse des revenus d’environ 5 %, une baisse des coûts d’exploitation de 8 % et une baisse des provisions pour pertes de 16 %³. Autrement dit, une part importante de la valeur vient d’une meilleure maîtrise du risque : mieux instruire, mieux surveiller, détecter plus tôt.

La valeur est aussi très concentrée. Une banque compte environ 25 grands domaines d’activité ; moins de 10 d’entre eux concentrent 70 à 80 % de la valeur d’une transformation par l’IA⁴. Les établissements qui réussissent ne dispersent pas leurs efforts : ils refondent un domaine de bout en bout, puis passent au suivant en réutilisant ce qu’ils ont construit.

Du brut au net : ce qui reste vraiment

Les chiffres bruts impressionnent : dans certaines catégories de coûts, l’IA permet des réductions allant jusqu’à 70 %. Une fois déduite la hausse des dépenses technologiques qu’elle entraîne, l’effet net attendu sur la base de coûts d’une banque se situe plutôt entre 15 et 20 %⁵. C’est considérable, mais c’est un autre ordre de grandeur.

Surtout, cet avantage s’use. À mesure que l’IA se diffuse, la concurrence transfère une grande partie du gain vers les clients, sous forme de meilleurs prix et de meilleurs services. McKinsey estime que les pionniers pourraient gagner jusqu’à 4 points de rentabilité des fonds propres tangibles, tandis que les retardataires verraient leurs profits baisser durablement⁵.

La question n’est plus de savoir si la valeur existe, mais qui la captera en premier.Notre lecture

Un écart qui se creuse déjà

Les études convergent aussi sur un second constat, plus inquiétant : une petite minorité capte l’essentiel de la valeur. Selon le BCG, seules 5 % des entreprises sont réellement prêtes, 35 % passent à l’échelle et 60 % restent en retard ; les premières affichent une croissance deux fois plus forte et des baisses de coûts 40 % plus importantes⁶. Dans la banque, moins d’un établissement sur quatre serait prêt pour l’ère de l’IA⁷.

La pression vient aussi des clients, qui adoptent l’IA plus vite que leurs banques. Il a fallu deux ans pour que 45 % des Américains en âge de travailler utilisent l’IA générative, contre quinze ans pour la banque en ligne⁸. Un client équipé d’un assistant capable de déplacer son épargne vers le meilleur taux casse l’inertie qui fait la rentabilité des dépôts : sans adaptation, les profits bancaires mondiaux pourraient reculer de 170 milliards de dollars sur une dizaine d’années⁵.

Ce que cela change pour vous

Nos recommandations

1. Cibler les domaines qui concentrent la valeur, plutôt que multiplier les expérimentations.
2. Chiffrer la valeur nette, en intégrant le coût technologique et l’érosion concurrentielle.
3. Mesurer l’impact dès le premier cas d’usage, avec des indicateurs avant et après.
4. Consacrer l’essentiel de l’effort aux personnes et aux processus : la règle 10-20-70 réserve 70 % de l’investissement à l’organisation et aux compétences¹².
5. Associer le superviseur en amont sur la gouvernance, le risque et l’auditabilité⁷.