IA banque

L'Intelligence Artificielle banque — crédit, fraude, AML, relation client.

Le secteur bancaire utilise le machine learning depuis 20 ans pour scoring crédit, fraude, AML. Arrivée IA générative récente : KYC, relation client, banque privée. Cadre réglementaire le plus exigeant (AI Act haut risque, ACPR, RGPD). Voir conformité IA.

Maturité IA bancaire

Vingt ans de machine learning et l'arrivée de l'IA générative

Le secteur bancaire français est l'un des plus anciens utilisateurs industriels du machine learning. Le scoring crédit (modèle Bâle II/III), la détection de fraude, le respect des obligations LCB-FT (lutte contre le blanchiment et le financement du terrorisme), la prévision de comportements clients : autant de domaines où les modèles statistiques et ML sont déployés à grande échelle depuis le début des années 2000.

L'arrivée de l'IA générative à partir de 2023 a ouvert de nouveaux cas d'usage : automatisation du KYC (Know Your Customer), assistance à la relation client, productivité en banque privée, génération de comptes rendus de comités. Ces nouveaux usages s'ajoutent au socle ML existant — ils ne le remplacent pas.

L'enjeu pour les banques françaises en 2026 est triple : capturer la valeur des nouveaux usages IA générative, sécuriser réglementairement les usages existants face à l'AI Act, et industrialiser durablement dans le cadre des exigences ACPR et EBA.

Cas d'usage

Sept usages matures de l'IA en banque

Scoring crédit

Modèles de scoring d'octroi et de comportement, conformes aux exigences Bâle III et aux SNI (Systèmes de Notation Interne). Encadrement renforcé par l'AI Act (annexe III, point 5 — services essentiels). Explicabilité obligatoire.

Détection de fraude

Modèles temps réel sur flux transactionnels (cartes, virements, paiements en ligne), articulation avec les processus métier d'investigation. ROI direct sur les pertes opérationnelles.

LCB-FT / AML

Détection automatisée des opérations suspectes, scoring de risque client, filtrage des sanctions. Sujet réglementaire critique (TRACFIN, 4e et 5e directives anti-blanchiment).

KYC augmenté

Automatisation de l'onboarding : extraction des pièces d'identité, vérification croisée avec les bases publiques, biométrie, qualification de risque. Réduction des délais d'ouverture de compte de plusieurs jours à quelques heures.

Relation client augmentée

Assistants conversationnels pour le service client, synthèse de dossiers pour les conseillers, génération de propositions personnalisées. Vigilance article 22 RGPD sur les décisions affectant les clients.

Banque privée et gestion de patrimoine

Synthèse de dossiers clients, génération de comptes rendus de visite, veille sur les portefeuilles, identification d'opportunités. Productivité des chargés d'affaires multipliée.

Conformité et reporting

Génération automatique des rapports réglementaires, veille réglementaire structurée, alimentation des registres internes (RGPD, AI Act, contrôle interne). Articulation avec les outils GRC existants.

Cadre réglementaire

Trois couches réglementaires bancaires à articuler

AI Act (UE 2024/1689). Les systèmes IA bancaires utilisés pour l'évaluation de la solvabilité et l'octroi de crédit relèvent de l'annexe III (haut risque). Obligations : système de gestion des risques, gouvernance des données, supervision humaine, documentation technique, transparence vis-à-vis du client. Voir AI Act.
Doctrine ACPR et EBA. L'Autorité de contrôle prudentiel et de résolution publie depuis 2020 des recommandations sur l'IA en banque, articulées avec les guidelines de l'European Banking Authority. Domaines couverts : gouvernance des modèles, validation indépendante, explicabilité, biais. Doctrine en évolution rapide.
DORA (Digital Operational Resilience Act). Règlement européen sur la résilience opérationnelle numérique entré en application en janvier 2025. Encadre la dépendance aux prestataires tiers critiques (cloud, IA, données) et impose des plans de résilience.

Notre accompagnement

Comment Expert IA accompagne le secteur bancaire

Audit IA de la maturité actuelle et qualification des systèmes au regard de l'annexe III AI Act.
Conformité IA articulant AI Act, doctrine ACPR/EBA et obligations sectorielles.
Gouvernance IA : structuration du comité IA, registre des systèmes, articulation avec le RSSI et la direction de la conformité.
Machine Learning sur les cas d'usage à fort enjeu (scoring, fraude, prévision).
Formation IA finance pour les directions financières et de la conformité.