Les projets d'intelligence artificielle stagnent partout dans le secteur bancaire.
Les conseils d'administration ont approuvé les budgets, les projets pilotes sont en cours, les feuilles de route regorgent de cas d'usage et les modèles fonctionnent… mais les changements concrets se font attendre.
Lorsqu'il s'agit d'intégrer l'IA dans les paiements, les décisions de crédit et les parcours clients, les performances s'essoufflent dès que les intégrations se complexifient et que la conformité soulève des problèmes.
L'ambition est là, mais la réalité est qu'il manque les bases nécessaires pour la concrétiser.
La recherche menée dans le cadre de notre rapport mondial, Cloud-led innovation in the era of AI: The new rules for driving value with cloud, révèle que si 98 % des organisations bancaires et d'investissement déclarent que l'essor de l'IA a accru leur besoin d'investissement dans le cloud, seulement 14 % se considèrent au plus haut niveau de maturité cloud.
Le vrai goulot d'étranglement n'est pas l'IA : c'est le cloud qui la sous-tend
On a tendance à considérer l'IA elle-même comme la partie la plus difficile. Bien que la mise en œuvre et la gestion des modèles et des algorithmes puissent être complexes, c'est rarement ce qui bloque la progression. Le problème est que l'IA n'est efficace qu'à la mesure de l'environnement dans lequel elle évolue.
Par exemple, un modèle de détection des fraudes peut signaler une transaction suspecte en quelques millisecondes, mais il peut prendre des minutes pour récupérer les bonnes données. Et si le système ne peut pas déclencher une action en temps réel, ou ne peut pas agir sans intervention humaine, la valeur est perdue. L'insight existe, mais la plateforme ne peut pas agir dessus.
Pour aider les organisations à éviter ces goulots d'étranglement, le cloud est devenu la couche d'exécution de l'IA — l'endroit où les décisions sont prises, les flux de travail déclenchés et les systèmes mis à l'échelle sous pression.
Cependant, après des années de migration vers le cloud, de nombreuses banques continuent de le considérer comme un simple espace d'hébergement d'applications, plutôt que comme une plateforme sur laquelle faire tourner leur activité et soutenir le poids de l'IA.
L'infrastructure legacy n'est pas seule en cause
Il est facile de blâmer les systèmes legacy — et oui, ils font partie du problème. Mais migrer vers le cloud ne sert pas à grand-chose si les données sont encore éparpillées entre les systèmes et que les applications restent étroitement couplées, avec des intégrations fragiles. Quand l'IA entre en jeu, elle se heurtera aux mêmes obstacles.
C'est pourquoi tant de programmes d'IA semblent au point mort. Ils ont été déployés mais pas pleinement intégrés dans les processus, et les données le confirment. La moitié des organisations interrogées pour notre rapport affirment que la nécessité de moderniser les applications et les plateformes de données freine l'innovation cloud.
Ainsi, l'IA ne se grippe pas parce que les modèles échouent, mais parce que les systèmes qui les entourent ne peuvent pas supporter leur dépendance aux données en temps réel, aux décisions pilotées par les événements et aux changements continus.
Ce que signifie « cloud moderne » à l'ère de l'IA
La modernisation est souvent abordée de la mauvaise façon. Plutôt que de simplement déplacer des charges de travail d'un endroit à un autre, elle vise à transformer le comportement de systèmes entiers.
Lorsque les clients ouvrent leur application bancaire, consultent leur solde et reçoivent une offre personnalisée en temps réel, basée sur les conditions du marché, les signaux de risque et l'historique des transactions, plusieurs choses doivent se produire instantanément :
- Les données doivent être disponibles et à jour.
- Les systèmes doivent communiquer entre eux sans interruption.
- Les décisions doivent déclencher des actions automatiquement.
- Tout doit être gouverné et auditable.
En d'autres termes, à l'ère de l'IA, le cloud doit opérer comme trois choses à la fois : une dorsale de données en temps réel, une plateforme où les flux de travail intelligents s'exécutent de bout en bout, et un environnement contrôlé où les décisions peuvent évoluer en toute sécurité.
Cela ne peut se réaliser que par une conception cloud-native — des systèmes modulaires basés sur les événements, pilotés par des interfaces de programmation d'applications, capables d'évoluer sans perturber ce qui les entoure.
L'architecture est désormais une décision réglementaire
Le secteur bancaire est très réglementé. À mesure que l'IA s'intègre dans les flux de travail essentiels, les régulateurs examinent à la fois les modèles et les environnements dans lesquels ils opèrent. Les banques doivent se conformer à des réglementations telles que le Digital Operational Resilience Act de l'Union européenne et le Digital Personal Data Protection Act de l'Inde.
Un rapport NTT DATA sur les leaders de l'IA dans les services bancaires et financiers montre que 62,5 % de ces organisations identifient la confidentialité des données et la souveraineté transfrontalière comme des préoccupations de gouvernance majeures.
C'est pourquoi, plus généralement, 99 % des organisations de notre étude sur le cloud s'attendent à une augmentation de l'adoption du cloud privé, portée par des besoins de sécurité, de souveraineté et de conformité, tandis que l'adoption du cloud souverain devrait augmenter de 50 % au cours des deux prochaines années.
Si les architectures des banques ne sont pas conçues pour un contrôle de niveau réglementaire, leurs stratégies IA ne pourront pas évoluer, quelles que soient la robustesse de leurs modèles.
Pourquoi les stratégies cloud et IA doivent converger
On observe souvent que l'IA et le cloud sont traités comme des sujets distincts. L'IA relève de la responsabilité des équipes d'innovation, tandis que les équipes d'infrastructure gèrent le cloud. Mais plusieurs problèmes surviennent lorsque les stratégies IA et cloud évoluent de manière isolée :
- Les ambitions en matière d'IA dépassent ce que la plateforme peut gérer.
- Les investissements cloud manquent d'un objectif commercial clair.
- La mise à l'échelle devient plus lente, plus coûteuse et plus difficile à contrôler.
Notre recherche montre que les organisations leaders partent du cas d'usage et construisent l'architecture avec les charges de travail IA en tête dès le premier jour. Les données, les plateformes et la gouvernance sont alignés dès le départ.
Cela produit un résultat très différent : une IA qui n'a pas besoin de lutter contre son environnement pour évoluer, mais qui est au contraire soutenue par lui.
Comment les leaders avancent (et pourquoi leur approche fonctionne)
À mesure que le secteur bancaire devient plus intelligent, les systèmes d'IA agentiques se répandent de plus en plus. Dans le crédit, par exemple, les documents peuvent désormais être collectés, vérifiés, évalués et approuvés avec une intervention humaine minimale, grâce à un système d'IA qui orchestre l'ensemble du flux de travail et prend des décisions — en continu et à grande échelle.
Ces systèmes agentiques déclenchent déjà des enquêtes sur les fraudes lorsque des anomalies apparaissent, orchestrent des flux de travail complexes d'octroi de crédit et d'intégration des clients, et personnalisent les interactions avec les clients en temps réel.
Chacun de ces flux de travail IA peut désormais impliquer une demi-douzaine d'applications, plusieurs sources de données et, de plus en plus, des agents autonomes qui prennent des décisions en cours de route. Essayer de gérer tout cela manuellement ou via des systèmes déconnectés devient vite difficile.
Certaines banques modernisent déjà par couches, pour corriger ce qui compte le plus, là où cela compte le plus. Notre recherche mondiale sur l'IA montre que 62,5 % des leaders de l'IA dans les services bancaires et financiers utilisent des modèles de déploiement hybrides — combinant des solutions plug-and-play avec une co-innovation sélective — contre seulement 29,2 % des retardataires du secteur.
Cela conduit généralement à un mix de cloud hybride et de changements applicatifs ciblés, avec une solide base de plateforme pour tout réunir au même endroit :
- Une vision claire et de bout en bout de ce qui se passe dans chaque système
- Une gouvernance intégrée dans la façon dont les décisions sont prises et exécutées
- Une visibilité continue des coûts à mesure que les charges de travail IA évoluent
- Une automatisation qui maintient les processus en mouvement sans intervention constante
Construisez les fondations ou limitez votre futur IA
La plupart des banques ne fonctionnent pas à un niveau où le cloud est la couche d'exécution de l'IA.
Pour y parvenir, les dirigeants bancaires doivent commencer à penser au cloud différemment. Ils doivent voir leur infrastructure comme le socle sur lequel la banque fonctionne et se développe, ce qui conduit à une innovation plus rapide et de meilleures marges.
C'est seulement alors qu'ils maintiendront leur avantage concurrentiel à l'ère de l'IA.
- À LIRE AUSSI : Le secteur bancaire regarde au-delà des projets pilotes pour transformer l'IA en impact business
Cet article a été co-rédigé par Kane Stavens, Managing Director : Asie-Pacifique chez NTT DATA.
QUE FAIRE ENSUITE
Accédez au rapport NTT DATA, Cloud-led innovation in the era of AI: The new rules for driving value with cloud, pour évaluer le niveau de maturité cloud de votre organisation.