Insight

Étude : de l’IA générative vers l’IA agentique dans les services financiers

Publié le 9 juillet 2026

  • Banque
  • Data & intelligence artificielle

Cette page a été traduite automatiquement depuis l’anglais pour en faciliter l’accès. En cas de doute, nous vous recommandons de consulter la version originale.

Cette étude examine comment les banques et les assureurs évoluent de l’IA générative vers l’IA agentique, et quels changements organisationnels, de gouvernance, de données et de modèle opérationnel sont nécessaires pour déployer l’IA avec succès à l’échelle de l’entreprise. Elle repose sur 30 entretiens semi-structurés menés auprès des dirigeants de banques, d’assureurs et de fournisseurs de technologies dans la région DACH, réalisés conjointement par Wavestone et l’Université de Saint-Gall entre octobre 2025 et mai 2026.

En bref

  • L’IA agentique dépasse désormais l’effet de mode : les institutions financières la considèrent de plus en plus comme une capacité stratégique, susceptible de transformer les opérations et l’engagement client.
  • La réglementation reste le principal frein à l’adoption : les exigences de conformité, les attentes en matière de gouvernance et les incertitudes réglementaires continuent de ralentir les efforts de mise en œuvre.
  • Les organisations priorisent des cas d’usage à forte valeur ajoutée : les initiatives actuelles se concentrent sur des domaines où l’automatisation, l’efficacité et l’aide à la décision peuvent générer des résultats business mesurables.
  • La gouvernance déterminera le passage à l’échelle : le succès de l’adoption dépend de cadres de gouvernance robustes, conciliant innovation, gestion des risques et conformité réglementaire.
  • Les précurseurs construisent des avantages compétitifs : les organisations qui développent dès aujourd’hui leurs capacités, leurs modèles opérationnels et leur expertise se positionnent pour une différenciation durable.

État actuel de l’IA agentique

L’IA agentique passe rapidement de l’expérimentation à la mise en œuvre. Les institutions financières, dans les secteurs de la banque et de l’assurance, reconnaissent son potentiel pour automatiser des processus complexes, renforcer la prise de décision, améliorer les interactions clients et générer des gains de productivité à grande échelle. Toutefois, malgré l’intérêt croissant, la plupart des organisations en sont encore aux premières étapes de l’adoption.

Le défi ne réside plus dans la compréhension de la technologie elle-même. Les organisations évoluent plutôt dans un environnement complexe, marqué par des exigences réglementaires, des attentes en matière de gouvernance, des systèmes hérités et des considérations de gestion des risques. En conséquence, de nombreuses institutions arbitrent soigneusement entre innovation et conformité, tout en identifiant des cas d’usage concrets créant une valeur mesurable pour l’entreprise.

Notre étude examine où en sont aujourd’hui les acteurs des services financiers dans leur parcours vers l’IA agentique, quels obstacles freinent les progrès, où la valeur est déjà générée et comment les organisations leaders se préparent à la prochaine vague de transformation par l’IA.

  • Banque
  • Data & intelligence artificielle

From GenAI to Agentic AI | Wavestone x University St. Gallen

pdf · 7652KO

Téléchargez l’étude en anglais dès maintenant

Nous traitons ici des données à caractère personnel et des données hautement sensibles. Techniquement, ce n’est pas là que réside le problème, mais c’est au niveau des dispositions réglementaires (AI Act, RGPD, DORA) que se situent les principales contraintes.

Responsable de l’IA, banque allemande

Aperçu de l’étude  

Structure de l’étude

L’étude sur l’IA agentique est structurée autour des dimensions clés qui déterminent comment les institutions financières peuvent passer de cas d’usage IA isolés à un modèle opérationnel agentique :

  • Synthèse exécutive : Vue d’ensemble de l’état actuel de l’IA agentique dans les services financiers, des principaux freins, des implications pour le modèle opérationnel et des recommandations stratégiques.
  • Introduction et contexte stratégique : Analyse des facteurs qui façonnent l’adoption de l’IA, notamment l’évolution démographique, la pression sur les coûts, la réglementation, les systèmes legacy et l’émergence de l’IA agentique comme nouveau paradigme.
  • État actuel des services financiers : Analyse de la maturité IA des banques et des assureurs, couvrant le machine learning, l’adoption de la GenAI, le niveau de préparation à l’IA agentique, ainsi que les facteurs organisationnels qui différencient les leaders des retardataires.
  • De la GenAI à l’IA agentique : Analyse des transformations réelles lors du passage d’une IA axée sur les tâches à des workflows orchestrés de bout en bout, incluant les architectures d’agents, les principes d’orchestration et les exigences de passage à l’échelle.
  • Principaux freins à l’adoption : Évaluation des obstacles majeurs à la montée en charge de l’IA agentique, allant de la réglementation, des capacités de calcul et des enjeux de souveraineté à la qualité des données, la gouvernance, la préparation des équipes et les technologies legacy.
  • Transformation du modèle opérationnel : Analyse approfondie du modèle cible, incluant les structures hub-and-spoke, la stratégie IA, la gouvernance, la gestion de portefeuille et l’évolution du rôle des fonctions IT et métiers.
  • Recommandations : Recommandations pratiques pour les institutions financières sur la définition d’une stratégie IA, la mise en place du bon modèle opérationnel, l’établissement d’une gouvernance adaptée, la gestion de l’IA comme un portefeuille et la préparation des équipes à la transition.

L’avenir de l’IA agentique dans les services financiers ne sera pas déterminé uniquement par la performance des modèles. Le véritable facteur différenciant réside dans la capacité des organisations à aligner stratégie, gouvernance, données, technologie et talents au sein d’un modèle opérationnel capable de déployer l’IA à l’échelle de manière sécurisée.

  • Banque
  • Data & intelligence artificielle

From GenAI to Agentic AI | Wavestone x University St. Gallen

pdf · 7652KO

Je télécharge l’étude en anglais

Contributeurs

Contactez-nous

Partager ce contenu