IA et finance : les décisions deviennent continues
Découvrez comment l’IA, les agents et la tokenisation transforment la finance : décisions en continu, actifs mobiles et nouveaux risques. Les clés pour agir.
Quand les agents IA commencent à déplacer l'argent
La prochaine transformation de la finance ne se limite pas à ajouter un assistant conversationnel dans une appli bancaire. Elle concerne des systèmes capables de décider, de déplacer des actifs et d'agir pour un client ou une entreprise - parfois sans qu'une personne intervienne à chaque étape.
Un agent peut, par exemple, surveiller une trésorerie, comparer des placements, payer un fournisseur ou renégocier un abonnement. Mais pour que ça serve vraiment, il ne suffit pas d'avoir un bon modèle. Il faut aussi des décisions qu'on peut déclencher quand on veut, des actifs qui peuvent être transférés, et des règles claires pour déléguer des pouvoirs sans perdre le contrôle.
C'est là que le sujet devient concret : la finance doit passer d'un fonctionnement calé sur des horaires et des interfaces humaines à une infrastructure capable d'agir en continu. Cette évolution ouvre des opportunités, mais elle soulève aussi des questions très pratiques de responsabilité, de sécurité et de supervision. Voici une façon simple de comprendre ce que ces mécanismes impliquent - et ce qu'une entreprise peut tenter dès maintenant.
Le nouveau système financier se construit autour de l'IA
On présente souvent l'intelligence artificielle comme un logiciel qu'on achète puis qu'on déploie. Cette vision est trop courte. Les modèles consomment des ressources informatiques - parfois des processeurs spécialisés - et ils coûtent de l'électricité aussi. En clair : l'utilisation a un coût variable, qui dépend du modèle, du volume de requêtes et de la complexité des tâches.
Dès lors, les entreprises ont besoin de mécanismes financiers adaptés. Celles qui construisent des centres de données doivent absorber des investissements lourds, anticiper le prix de la capacité de calcul et gérer des dépenses qui bougent avec la demande. Celles qui utilisent ces services veulent, elles, comprendre quel modèle choisir pour chaque besoin, à quel prix, et avec quel niveau de qualité.
Le calcul devient donc un intrant : il faut l'estimer, le payer, le financer et parfois le couvrir face aux variations de prix. Certains acteurs commencent d'ailleurs à publier des repères sur les prix de location de capacité - ou à structurer des contrats liés à cette capacité. Mais la maturité et la liquidité de ces offres restent à vérifier : un chiffre ou une promesse ne suffit pas à créer un marché solide.
Le coût par requête ne suffit pas
Comparer les modèles uniquement au coût du jeton est une erreur classique. Le modèle le moins cher n'est pas forcément le plus rentable si ses réponses exigent qu'on les vérifie, qu'on les corrige ou qu'on les relance. À l'inverse, utiliser un modèle très haut de gamme pour chaque opération peut coûter plus cher que le gain attendu.
La bonne mesure, c'est le coût d'une tâche correctement accomplie. Cela inclut le prix des appels au modèle, le temps de contrôle humain, les erreurs, les coûts d'intégration et, surtout, les conséquences d'une décision mauvaise ou inexacte. Pour une demande simple, un modèle léger peut suffire. Pour une décision sensible comme le crédit ou la conformité, les exigences de fiabilité et de traçabilité changent complètement la donne.
On peut voir ça comme des matières premières : deux produits peuvent avoir le même usage « sur le papier », mais pas la même qualité, et donc pas la même valeur réelle. En entreprise, ça implique de classer les tâches avant de choisir un modèle. Et de pouvoir remplacer un fournisseur sans devoir tout réécrire.
Trois fonctions que la finance doit réorganiser
Un cadre utile consiste à distinguer trois fonctions :
- La décision : accorder un crédit, déclencher un paiement, ou choisir un modèle pour traiter une tâche.
- L'enregistrement : quelle opération a eu lieu, sur quel actif, et selon quelles conditions.
- La distribution : comment le client (ou son agent) accède au service financier.
Le cloud et le mobile ont surtout transformé la distribution : on est passé des agences aux applications. Avec les agents IA et des actifs tokenisés, on peut toucher aux trois fonctions en même temps. Mais ça ne se fait pas « tout seul » ni de façon identique partout : une banque, une plateforme de paiement et une PME n'ont ni les mêmes contraintes réglementaires, ni le même appétit pour le risque.
Les chiffres d'investissement et les exemples cités dans les analyses sectorielles bougent vite. Il faut les remettre en contexte à la date de publication, surtout quand on parle de valorisations, de volumes de marché ou de produits encore soumis à autorisation. Le raisonnement structurel reste plus stable : l'infrastructure de l'IA crée des besoins nouveaux en financement, en paiement et en gestion du risque.
Des décisions ponctuelles aux décisions en continu
Pendant longtemps, les décisions financières dépendaient du travail humain. Un comité de crédit se réunissait à intervalles réguliers. Une équipe de trésorerie analysait les positions le matin, puis passait les mouvements en fin de journée. Les dossiers suivaient des files d'attente, des horaires, et des capacités de traitement.
L'automatisation « classique » a accéléré certaines étapes, sans forcément changer ce rythme. Avec l'IA, on peut envisager autre chose : surveiller une situation en continu, recalculer une recommandation quand un paramètre change, et remonter à un humain les cas qui sortent du cadre prévu.
Attention : ça ne veut pas dire que chaque décision doit être prise automatiquement. Ça veut dire que la fréquence peut augmenter quand le coût marginal baisse et quand les données arrivent assez vite. Une trésorerie peut, par exemple, recalculer ses besoins de liquidité au fil de l'eau au lieu d'attendre une revue quotidienne. Un système de détection peut analyser de nouvelles opérations en continu, à condition que les alertes soient compréhensibles et bien priorisées.
Les cas où le gain peut être réel
Les endroits les plus prometteurs, c'est quand trois conditions se cumulent : la décision revient souvent, les données nécessaires sont disponibles, et une erreur coûte « moins » (ou peut être contrôlée).
- Gestion de trésorerie : anticiper encaissements et décaissements, repérer un excédent temporaire, proposer un transfert entre comptes. Les paiements importants peuvent rester soumis à validation humaine.
- Contrôle des fournisseurs : automatiser une première vérification des pièces, des coordonnées et du risque, puis remonter les anomalies à une équipe financière.
- Analyse des dépenses : repérer les abonnements inutilisés, les doublons ou les écarts par rapport aux règles d'achat. L'agent peut recommander une action, sans être autorisé à résilier ou à payer tout seul.
- Surveillance des risques : suivre des expositions qui évoluent et signaler les changements au-delà d'un seuil défini, plutôt que de se limiter à un échantillon examiné périodiquement.
Le bénéfice ne se résume pas au nombre de tâches confiées à l'IA. Il se voit dans le temps gagné, les erreurs évitées et la qualité de la décision finale. Et même quand ça marche sur un processus interne, ça ne se transpose pas automatiquement à une décision réglementée, ni à un autre établissement.
Le contrôle humain change de place
Quand une décision devient fréquente, le rôle humain se déplace : on valide moins systématiquement chaque dossier, mais on passe plus de temps à définir les règles, examiner les exceptions et auditer les résultats. Ce n'est pas forcément « moins de travail ». Ça peut demander une supervision plus structurée, surtout à grande échelle.
Un agent peut se tromper avec assurance, exploiter une donnée incomplète ou appliquer correctement une règle qui n'est plus adaptée. Il faut donc prévoir des seuils d'autonomie, des mécanismes d'arrêt et une procédure de recours. Les décisions qui touchent aux droits d'une personne, à son accès au crédit ou à sa situation financière doivent être encadrées, avec des garanties et une supervision compatibles avec le cadre réglementaire européen.
Une approche pragmatique consiste à commencer en mode recommandation : l'agent propose, un humain valide, puis l'entreprise compare avec le processus existant. On augmente l'autonomie seulement quand on comprend où les erreurs arrivent, comment gérer les exceptions, et qui porte la responsabilité. Automatiser une décision qu'on ne maîtrise pas ne fait que rendre ses conséquences plus rapides.
Des actifs portables, mais pas sans règles
Dans beaucoup de systèmes financiers, l'information liée à un actif est stockée dans une base contrôlée par une institution. Pour transférer un prêt ou utiliser un actif comme garantie, il faut souvent produire des documents, vérifier les droits, rapprocher les données et s'assurer que toutes les parties travaillent à partir des mêmes informations.
La tokenisation vise à représenter un actif (ou un droit) sous une forme numérique transférable. Dans les bons cas, le jeton facilite le suivi de la propriété, l'exécution d'un transfert et l'utilisation du droit comme garantie. Cela peut limiter certaines opérations de rapprochement et permettre des transferts en dehors des horaires habituels.
Mais un jeton n'est pas « l'actif » par magie. Il faut déterminer ce qu'il représente juridiquement, qui tient le registre qui fait foi, comment les droits s'exercent, et ce qui se passe en cas d'erreur, de faillite ou de perte d'accès. La technologie améliore la circulation d'un droit - elle ne garantit ni la qualité juridique du droit, ni la solidité de l'émetteur.
Ce que la portabilité pourrait changer
Certains usages méritent qu'on les teste, sans confondre expérimentation et adoption généralisée :
- Mobiliser une garantie : un actif tokenisé peut être utilisé comme collatéral sur une autre plateforme, à condition de respecter la valeur, la propriété et les conditions de saisie.
- Céder des créances : des prêts conçus pour être transférables dès le départ peuvent être plus faciles à suivre et à céder que des dossiers assemblés après coup. Il faut toutefois conserver les protections applicables à l'emprunteur.
- Régler des transactions en dehors des horaires bancaires : des actifs numériques peuvent circuler le week-end. Mais ça ne veut pas dire que tous les systèmes de paiement, les dépositaires ou les marchés sous-jacents s'exécutent sans interruption.
En Europe, l'usage de jetons liés à des actifs ou à la monnaie s'inscrit dans un cadre réglementaire incluant notamment le règlement MiCA, ainsi que d'autres règles selon le produit et l'activité. Le régime applicable dépend de la nature du jeton, des services proposés et des acteurs concernés. Une entreprise ne peut donc pas conclure à partir de la seule faisabilité technique qu'un montage est juridiquement autorisé.
Un registre partagé est utile seulement s'il est fiable
L'idée d'un enregistrement vérifiable compte pour les agents. Si un système déplace un actif ou engage des fonds, les parties doivent pouvoir reconstituer ce qui s'est passé : instruction reçue, identité de l'agent, autorisation, montant et résultat.
Un registre partagé peut aider à produire cette preuve, mais il faut distinguer traçabilité et vérité. Une écriture immuable peut être fausse dès le départ. Il faut donc vérifier les informations à la source, gérer les corrections et encadrer la confidentialité. La transparence intégrale n'est pas toujours souhaitable, notamment quand elle expose des données personnelles ou commerciales.
Le bon choix dépend du besoin. Une base de données classique, bien gouvernée, peut être plus simple et moins coûteuse qu'une blockchain. La tokenisation prend du sens quand plusieurs parties doivent partager un état cohérent, transférer un droit, ou automatiser un règlement avec des règles communes. La technologie doit résoudre un problème précis - pas servir d'excuse après coup.
Le client délègue : identité, mandat et preuve
La distribution financière a d'abord bougé vers le site web, puis vers l'application mobile. L'étape suivante pourrait être celle d'un agent agissant à la place du client. Le client ne se connecte pas forcément à chaque service : son agent compare des offres, exécute des instructions et contacte des prestataires en son nom.
Pour une entreprise financière, ça change la relation commerciale. L'interlocuteur immédiat peut être un logiciel tiers, pas l'utilisateur qui clique dans l'application. Ajouter un assistant conversationnel dans son interface ne règle pas ce problème. Le client peut préférer son propre agent : il connaît déjà ses contraintes et peut interagir avec plusieurs fournisseurs.
Trois éléments indispensables à une délégation sûre
1. Une identité vérifiable. L'entreprise doit savoir qui est le client, quel agent agit pour lui, et comment on relie les deux. L'authentification et les protocoles d'accès doivent empêcher qu'une simple requête automatisée soit traitée comme un consentement valide.
2. Un mandat explicite. « Gérer mes abonnements » est trop vague pour autoriser des dépenses au hasard. Un mandat utile définit une action, un budget, des limites et des conditions d'escalade. Exemple : « payer les factures d'électricité jusqu'à 150 euros par mois, et demander confirmation au-delà ».
3. Une preuve exploitable. Le client et le prestataire doivent pouvoir comprendre ce que l'agent a demandé, ce qu'il a reçu comme réponse, et pourquoi l'opération a été exécutée. Sans journal d'audit clair, régler un litige devient compliqué.
Ces points recoupent des exigences classiques de conformité : authentification, gestion du consentement, lutte contre la fraude, protection des données et conservation des preuves. Le RGPD reste important dès que des données personnelles sont traitées. Et le mandat donné à un agent ne supprime ni les obligations du prestataire, ni les droits du client.
Concevoir des services pour des agents sans perdre le client
Une entreprise peut préparer ses services à cette évolution sans tout reconstruire. Elle peut commencer par rendre ses opérations accessibles via des interfaces documentées, limiter les permissions au strict nécessaire, et prévoir des confirmations explicites pour les actions sensibles. Les journaux doivent être consultables par les équipes opérationnelles et compréhensibles en cas de contestation.
Il faut aussi définir les limites du système : que se passe-t-il si l'agent envoie deux fois la même instruction ? Si le solde est insuffisant ? Si le prix change entre la recommandation et l'exécution ? Les paiements savent traiter une partie de ces cas depuis longtemps. Mais l'arrivée d'agents ajoute une couche de délégation qu'il faut intégrer dans les contrôles existants.
Pour les banques et fintechs françaises, l'enjeu n'est pas uniquement d'avoir une interface. Il faut rester un fournisseur fiable, même quand la décision d'achat se prend ailleurs. Cela peut avantager des acteurs capables de s'appuyer sur des comptes, des licences, un bilan et une infrastructure de paiement robuste. Et non, ces nouveaux intermédiaires ne font pas disparaître les fondamentaux : quelqu'un doit financer le crédit, absorber les pertes et répondre aux obligations réglementaires.
Conclusion : automatiser progressivement, pas à l'aveugle
La finance de demain pourrait s'organiser autour de décisions plus fréquentes, d'actifs plus faciles à transférer et de clients qui délèguent davantage à des agents. On voit déjà cet impact dans les besoins liés à l'économie de l'IA : financer les infrastructures, acheter de la capacité de calcul, et router les tâches vers le bon modèle.
Mais les principes techniques ne remplacent pas les règles de gestion. Une entreprise doit savoir : quelle décision elle automatise, quelles données la justifient, quel actif peut être déplacé et qui assume la responsabilité si quelque chose tourne mal. Sans ça, l'automatisation devient vite une couche de complexité supplémentaire.
Commencez par un processus fréquent, mesurable et réversible. Testez l'agent en mode recommandation, documentez les exceptions, puis augmentez son autonomie seulement quand le contrôle tient vraiment. Pour aller plus loin sur le raisonnement qui inspire cette analyse, consultez l'article source sur la finance à l'ère de l'intelligence artificielle.