Trois ans après l’irruption de l’intelligence artificielle générative dans le débat public, les banques françaises ont changé de ton. L’époque des annonces spectaculaires et des promesses vaguement futuristes semble révolue. Place désormais à une approche plus discrète, mais nettement plus exigeante : l’IA doit prouver sa rentabilité.
C’est le message qui ressort du salon Adopt AI, organisé fin novembre au Grand Palais. Loin d’une révolution visible du jour au lendemain, les établissements bancaires revendiquent désormais une stratégie pragmatique, centrée sur des usages concrets, mesurables et compatibles avec les contraintes réglementaires du secteur.
De la fascination technologique à la discipline économique
L’effet ChatGPT, fin 2022, a agi comme un électrochoc. En quelques mois, toutes les banques ont lancé des expérimentations — souvent en mode exploratoire — sur la génération de texte, l’assistance au conseiller ou l’automatisation de la documentation interne.
Mais très vite, une réalité s’est imposée : l’IA coûte cher. Coûts d’infrastructure, gouvernance de la donnée, cybersécurité, mise en conformité réglementaire, formation des équipes… Loin de réduire immédiatement les charges, l’IA les augmente dans un premier temps.
Aujourd’hui, la question n’est plus “que peut faire l’IA ?”, mais “où crée-t-elle réellement de la valeur économique ?”.
« Boring is the new sexy » : l’IA invisible mais rentable
Cette maturité nouvelle résume bien la formule employée par une dirigeante de premier plan : “Boring is the new sexy”. Traduction : ce qui crée de la valeur n’est pas spectaculaire.
Dans des groupes comme Société Générale, l’IA est avant tout mobilisée pour :
automatiser la lecture de documents réglementaires,
accélérer le traitement des dossiers clients,
assister les conseillers dans la préparation des rendez-vous,
réduire le temps passé sur des tâches administratives répétitives.
Ces gains sont rarement visibles pour le client final, mais ils ont un impact réel sur la productivité des collaborateurs. Plusieurs banques estiment désormais des gains de temps de 15 à 30 % sur certaines fonctions support, sans suppression massive d’emplois.
Un ROI difficile à mesurer… mais incontournable
La difficulté centrale reste la mesure du retour sur investissement. Contrairement à un projet informatique classique, l’IA n’apporte pas toujours une économie budgétaire directe. Elle agit souvent par amélioration marginale : quelques minutes gagnées ici, une erreur évitée là, une décision mieux préparée ailleurs.
Pour piloter ces projets, les banques s’appuient sur des indicateurs précis :
réduction du temps de traitement par dossier,
baisse du taux d’erreur ou de non-conformité,
amélioration de la satisfaction interne,
capacité à absorber des volumes sans recruter.
Selon des estimations issues de cabinets spécialisés en transformation digitale bancaire, le point mort d’un projet IA bien ciblé se situe entre 18 et 36 mois, un horizon long au regard des contraintes de rentabilité du secteur.
Une IA bridée par la régulation… et c’est assumé
Contrairement aux géants technologiques, les banques évoluent sous une contrainte réglementaire lourde. Protection des données, explicabilité des algorithmes, traçabilité des décisions : tout projet d’IA doit être audit-able.
À cela s’ajoute l’entrée en vigueur progressive du cadre européen AI Act, qui impose une classification des usages selon leur niveau de risque. Résultat : les banques privilégient des IA fermées, entraînées sur des corpus internes, plutôt que des modèles publics.
Ce choix limite parfois la puissance technologique… mais sécurise juridiquement le ROI.
Pourquoi l’IA ne détruira pas l’emploi bancaire (à court terme)
Contrairement aux scénarios anxiogènes souvent relayés, l’IA ne provoque pas aujourd’hui de choc massif sur l’emploi bancaire. Elle déplace le travail plus qu’elle ne le supprime.
Les profils les plus recherchés restent hybrides :
conseillers augmentés par l’IA,
analystes capables d’interpréter des recommandations algorithmiques,
experts conformité et data.
À court terme, l’IA agit davantage comme un outil de survie économique face à la pression sur les marges que comme un levier de réduction brutale des effectifs.
Un enjeu stratégique face aux banques américaines
Le sujet dépasse largement la productivité interne. À l’international, les grandes banques américaines investissent des milliards de dollars par an dans l’IA, bénéficiant d’un accès facilité au capital et à des écosystèmes technologiques plus permissifs.
Pour les banques européennes, le défi est double :
ne pas décrocher technologiquement,
tout en conservant un modèle prudent compatible avec leur environnement réglementaire.
C’est précisément ce qui explique l’approche actuelle : peu visible, progressive, mais disciplinée.
Analyse : une révolution lente, mais probablement irréversible
L’IA bancaire ne ressemble pas à une rupture brutale. Elle s’apparente plutôt à ce que fut l’informatisation dans les années 1990 : longue, ingrate, coûteuse au début, mais structurelle.
Les établissements qui parviendront à industrialiser des cas d’usage simples, répétables et mesurables disposeront d’un avantage concurrentiel durable. Ceux qui se contenteront d’effets d’annonce risquent, à terme, de subir une érosion silencieuse de leur compétitivité.
En matière d’IA bancaire, le futur ne sera ni spectaculaire, ni immédiat.
Mais il sera, très probablement, comptablement incontournable.
Commentaires récents