L’IA agentique entre dans la banque

De l’assistant qui répond à l’agent qui exécute

La banque a d’abord connu l’IA prédictive, qui note et classe, puis l’IA générative, qui rédige et résume à la demande. L’IA agentique franchit une étape de plus : l’agent reçoit un objectif, découpe le travail, mobilise les outils et les données, puis enchaîne les tâches jusqu’au résultat. L’humain ne fait plus le travail avec l’aide de la machine ; il fixe le cadre, traite les exceptions et contrôle.

La lutte contre le blanchiment et la connaissance client illustrent bien cet écart. Selon McKinsey, un assistant d’IA générative qui aide l’analyste dans ses dossiers apporte 15 à 20 % de productivité¹. Avec des agents, un seul praticien peut en superviser vingt ou davantage, et les gains observés par le cabinet vont de 200 à 2 000 %¹. On ne parle plus d’un outil qui fait gagner du temps, mais d’une autre organisation du travail.

Cet écart explique pourquoi la part des agents dans la valeur tirée de l’IA progresse vite. Tous secteurs confondus, le BCG l’estime à 17 % en 2025 et l’attend à 29 % en 2028².

Là où les banques les attendent

Les directions informatiques des banques ont déjà désigné leurs terrains prioritaires. Dans l’enquête d’Accenture, plus de la moitié d’entre elles s’attendent, d’ici trois ans, à une adoption large des agents dans quatre domaines : risque, conformité et audit (57 %), détection de la fraude (57 %), analyse de crédit (56 %) et KYC (56 %)³. Le point commun de ces domaines est clair : des volumes élevés, des règles écrites, des dossiers documentés, et un coût de contrôle qui pèse lourd.

Le crédit en donne une illustration concrète. Des systèmes multi-agents qui préparent la note de crédit apportent 20 à 60 % de productivité à l’analyste et des décisions environ 30 % plus rapides⁴. L’analyste ne disparaît pas : il valide, challenge l’analyse et rencontre le client. Le front office suit le même mouvement. McKinsey estime que l’IA agentique peut rendre 10 à 12 heures par semaine à chaque chargé d’affaires, à partir d’une enquête auprès d’environ 400 banquiers nord-américains⁵.

Ce qui change, c’est la conception du processus. Un agent ne s’insère pas dans un circuit pensé pour des humains : il faut redessiner le flux, décider des points de validation et définir ce qui remonte à l’humain. Dans le KYC, l’ambition affichée est de ne réserver à l’analyste que les cas complexes, soit moins de 15 à 20 % des dossiers¹.

Des risques d’une autre nature

Un assistant qui se trompe produit un mauvais texte, que l’utilisateur peut corriger. Un agent qui se trompe agit. Deloitte recense six risques propres aux agents dans la banque : des agents qui sortent de leur périmètre, des objectifs mal alignés, des fuites de données, des décisions opaques, une exécution sans limite et la manipulation par des tiers⁶. S’y ajoutent les risques en chaîne, quand l’erreur d’un agent alimente le suivant.

Le risque de modèle ne disparaît pas pour autant. Dans le crédit, là où une précision proche de la perfection est exigée, les hallucinations restent un obstacle majeur au passage à l’échelle⁷. Les réponses proposées relèvent moins de la technologie que du contrôle interne : donner à chaque agent une identité, journaliser ses actions, appliquer une sécurité de type « zéro confiance » et attribuer clairement les responsabilités⁶.

Pour un établissement, la conséquence est pratique. Chaque agent doit être traité comme un nouvel intervenant dans le processus : avec un mandat écrit, des habilitations limitées, des seuils au-delà desquels il doit s’arrêter et demander une validation, et une piste d’audit complète. Les banques savent déjà encadrer un collaborateur, un prestataire ou un délégataire de signature. Le travail consiste à transposer cette discipline à des intervenants qui agissent plus vite, en plus grand nombre, et sans fatigue.

Un assistant qui se trompe produit un mauvais texte ; un agent qui se trompe produit une mauvaise opération.Notre lecture

La supervision humaine, maillon encore fragile

Le modèle agentique repose sur une hypothèse : un humain compétent supervise, comprend ce que fait l’agent et répond de ses erreurs. Or cette hypothèse est loin d’être acquise. Selon Accenture, environ la moitié des salariés de banque disent manquer de formation ou de règles claires de responsabilité quand l’IA se trompe, et 42 % des dirigeants bancaires estiment que l’IA générative avance plus vite que leurs cadres de risque et de conformité³.

Superviser vingt agents n’est pas le même métier que traiter vingt dossiers. Il faut savoir lire une trace d’exécution, repérer une dérive, arbitrer une exception et documenter sa décision pour l’audit. C’est pourquoi le BCG recommande de consacrer 70 % de l’effort aux personnes et aux processus, contre 10 % aux algorithmes et 20 % à la technologie et aux données⁸. Le même cabinet constate que moins d’une banque sur dix dispose de cas d’usage mesurables en production en conformité⁸ : le goulet d’étranglement est organisationnel avant d’être technique.

Ce que cela change pour vous

Nos recommandations

1. Partir d’un processus complet et documenté, comme le KYC ou la note de crédit, plutôt que d’agents isolés.
2. Définir pour chaque agent un périmètre, des limites d’exécution et une identité traçable avant sa mise en service.
3. Écrire les règles de responsabilité en cas d’erreur et les faire connaître aux équipes concernées.
4. Former les superviseurs humains au contrôle des agents, en consacrant l’essentiel de l’effort aux personnes et aux processus⁸.
5. Associer les fonctions de contrôle et l’audit interne dès la conception, pour que chaque décision reste explicable.