L’industrie des services financiers est à un tournant décisif dans sa capacité à exploiter efficacement l’intelligence artificielle. Dans les conseils d’administration des grandes banques, le mot d’ordre est clair : « Nous avons besoin d’IA agentique. » La promesse est enivrante — des systèmes autonomes capables de penser, raisonner et agir de manière indépendante pour transformer les opérations.
Mais il est temps de faire preuve d’introspection : une nouvelle étude du MIT révèle que 95 % des projets pilotes d’IA générative en entreprise échouent à produire un impact commercial mesurable.
Cette recherche, publiée par l’initiative NANDA du MIT, s’appuie sur 150 entretiens avec des dirigeants, une enquête auprès de 350 employés et l’analyse de 300 déploiements publics d’IA. Les résultats sont sans appel : si environ 5 % des programmes pilotes d’IA génèrent une accélération rapide des revenus, la grande majorité reste bloquée au stade pilote, sans impact significatif sur les résultats financiers.
Le MIT met en lumière un point crucial : les échecs ne sont pas dus à la qualité des modèles. Ils proviennent d’une intégration défaillante dans l’entreprise — ce que le MIT appelle le « fossé d’apprentissage » entre les capacités avancées de l’IA et l’infrastructure organisationnelle nécessaire à son déploiement à grande échelle.
L’écart d’infrastructure : un défi de 100 milliards pour le secteur
Le « stack gap » représente les coûts cachés entre ce que les banques prévoient pour l’IA agentique et ce que sa mise en œuvre complète exige réellement. Nous estimons que cet écart pourrait dépasser 100 milliards de dollars à l’échelle mondiale :
- Modernisation de l’infrastructure : En 2024, le secteur des services financiers a investi 45 milliards de dollars dans l’IA, dont 31 milliards pour la banque. Mais la plupart des infrastructures ne sont pas adaptées aux exigences de l’IA agentique. Les mises à niveau des centres de données nécessitent généralement trois à cinq fois le budget initial, soit plus de 40 milliards de dollars de coûts imprévus.
- Complexité d’intégration : Par exemple, les banques britanniques utilisent souvent des centaines de systèmes différents. Chaque intégration IA-système coûte entre 100 000 et 500 000 dollars. Pour les banques mondiales nécessitant des milliers de connexions, les coûts d’intégration pourraient dépasser 25 milliards de dollars.
- Coordination multi-fournisseurs : Selon une étude de la RAND Corporation, les taux d’échec des projets d’IA peuvent atteindre 80 %, la complexité liée aux multiples fournisseurs étant un facteur majeur. Les inefficacités ajoutent 30 à 50 % de coûts supplémentaires, soit potentiellement 40 milliards de dollars gaspillés.
- Échec du passage du pilote à la production : Le MIT a constaté que 95 % des pilotes ne parviennent pas à se déployer à grande échelle, tandis que RAND rapporte 80 % d’échecs globaux. Appliqué aux 31 milliards investis annuellement dans l’IA bancaire, cela représente 23 milliards de dollars d’opportunités perdues.
La vérité méconnue sur l’IA agentique, c’est qu’elle ne repose pas sur l’intelligence. Elle repose sur l’infrastructure.
Pourquoi l’écart d’infrastructure tue les rêves d’IA
Entrez dans une banque et vous découvrirez un paysage technologique extrêmement complexe — des décennies de systèmes interconnectés. Des systèmes bancaires centraux des années 1990 communiquent avec des applications cloud via des middleware rafistolés. Les données sont dispersées dans des centaines de systèmes, tandis que des infrastructures conçues pour le traitement par lots doivent désormais répondre à des exigences en temps réel.
Imaginez maintenant demander à cet environnement technologique de soutenir des agents IA autonomes capables de prendre des décisions conformes en une fraction de seconde, avec une précision parfaite des données. C’est comme demander à une vieille voiture robuste de concourir en Formule 1.
C’est cela, le stack gap — le fossé entre les exigences de l’IA agentique et ce que la plupart des banques peuvent réellement offrir. Trop de fournisseurs construisent des « suites de luxe » sur des fondations instables. La vérité est simple : on ne peut pas déployer l’IA agentique sans transformer simultanément l’ensemble de son infrastructure technologique.
La réalité de l’infrastructure d’abord
La plupart des programmes d’IA commencent par les algorithmes et échouent à cause de l’infrastructure. Chez NTT DATA, nous prônons l’approche inverse : commencer par des fondations robustes qui permettent à l’IA de fonctionner.
Prenons la détection de fraude. Un agent IA identifiant une transaction suspecte peut avoir besoin d’une évaluation des risques à l’échelle mondiale en quelques millisecondes. Cela nécessite :
- Une infrastructure compatible IA capable de traiter à la périphérie avec une latence ultra-faible
- Une architecture réseau qui distribue les décisions à l’échelle mondiale sans enfreindre les lois sur la souveraineté des données
- Des pipelines en temps réel qui corrèlent les informations à travers des dizaines de systèmes instantanément
En tant que troisième fournisseur mondial de centres de données, avec un investissement de 10 milliards de dollars d’ici 2027 pour fournir une infrastructure prête pour l’IA, NTT DATA ne se contente pas d’héberger l’IA pour ses clients. Nous concevons également le système nerveux mondial qui rend l’IA agentique possible.
Des fondations bancaires aux systèmes nerveux de l’IA
Chez NTT DATA, nous savons que l’IA agentique ne peut pas prospérer sur des bases fragiles. Nous l’avons déjà prouvé en construisant BOJ-NET et CAFIS, des systèmes de paiement qui forment l’épine dorsale invisible du système financier japonais, et aujourd’hui en réinventant la banque centrale avec notre Integrated Banking Cloud.
Nous avons fait de même dans d’autres secteurs avec des plateformes comme TradeWaltz et FEDI, créant des rails numériques fiables sur lesquels des écosystèmes entiers peuvent fonctionner. Aujourd’hui, notre Smart AI Agent™ Ecosystem étend cette base à l’échelle mondiale, accélérant l’adoption de l’IA agentique avec des solutions prêtes pour l’industrie.
Nous ne construisons pas des penthouses sur du sable mouvant. Nous concevons le système nerveux de l’IA de demain.
Pourquoi NTT DATA est différent
Contrairement aux startups spécialisées uniquement en IA, nous avons passé des décennies à construire l’infrastructure mondiale qui rend l’intelligence autonome réelle. C’est pourquoi nous sommes idéalement positionnés pour aider les banques à éviter l’écart de 100 milliards :
- Maîtrise complète de la stack : des centres de données aux algorithmes IA, en passant par la transformation des entreprises
- Portée mondiale : une entreprise de 30 milliards de dollars au service de 75 % des Fortune Global 100
- Intégration éprouvée : déploiements réussis à grande échelle dans les services financiers
- Partenariats stratégiques : OpenAI Center of Excellence et alliances avec tous les principaux fournisseurs cloud
Avec NTT DATA, les institutions financières ne se contentent pas d’expérimenter l’IA agentique. Elles la déploient à grande échelle.
SIBOS 2025 : un test de réalité
Alors que les dirigeants se réunissent à Francfort, en Allemagne, ce mois de septembre pour SIBOS 2025, certaines questions méritent réflexion :
- Comment combler l’écart d’infrastructure pour permettre un déploiement massif de l’IA ?
- Votre fournisseur d’IA peut-il garantir une latence inférieure à la milliseconde sur les marchés mondiaux ?
- Votre fournisseur cloud peut-il assurer la conformité avec les lois sur les données de chaque juridiction ?
- Votre intégrateur de systèmes peut-il moderniser les systèmes bancaires hérités sans perturber les opérations ?
L’avenir appartient à l’IA full-stack
L’avenir de l’IA agentique dans la banque ne repose pas uniquement sur des algorithmes intelligents. Il repose aussi sur une infrastructure intelligente. Ceux qui comprennent cela et s’associent à des fournisseurs capables de livrer les deux seront les leaders de la transformation du secteur.
Chez NTT DATA, nous avons construit les deux.
