Livre blanc | Services financiers

Combler l’écart de valeur de l’IA

Architecture décisionnelle et résilience opérationnelle pour les dirigeants des services financiers

Dans ce livre blanc

Pourquoi l’expansion de l’IA a devancé les rendements des entreprises, pourquoi les institutions financières peinent particulièrement à transformer leurs projets pilotes en valeur au bilan, les cinq pièges structurels qui l’expliquent, et l’architecture décisionnelle qui comble l’écart.

Chapitre 1 : le mirage macroéconomique

L’expansion de l’intelligence artificielle est sans précédent historique par son intensité en capital. Ces dernières années, l’écosystème technologique, soutenu par les grands fournisseurs de cloud, des fonds d’infrastructure spécialisés et le crédit privé, a engagé des centaines de milliards de dollars dans l’expansion physique : centres de données de nouvelle génération, semi-conducteurs spécialisés et alimentation électrique à haute densité.

Un paradoxe macroéconomique est apparu. Alors que la capacité physique de calcul ne cesse de croître, le coût unitaire de l’inférence chute fortement.

  • Le piège déflationniste : les gains d’efficacité font qu’une même tâche de calcul coûte une fraction de son prix d’il y a douze mois. Les exploitants d’infrastructures ont besoin d’une croissance de volume considérable rien que pour servir leur dette et amortir leurs investissements.
  • L’exposition au crédit privé : contrairement aux cycles technologiques précédents, financés surtout par les marchés d’actions, une part importante de cette expansion repose sur le crédit privé, des véhicules de leasing spécialisés et le financement de projets, bien moins transparents.

Lorsque les conditions de financement se resserrent, ou que la politique de Washington évolue sur les subventions énergétiques, les contrôles à l’exportation ou le droit de la concurrence, la fragilité de cette structure de financement apparaît. Si la demande des entreprises ne suit pas la capacité physique, la surcapacité qui en résulte entraînera des dépréciations bien au-delà du secteur technologique, jusque dans les portefeuilles institutionnels et les marchés du crédit.



Chapitre 2 : l’écart de valeur dans les services financiers

Pour les banques, les gérants d’actifs, les gestionnaires de fortune et les assureurs, la surcapacité de calcul se traduit par un dilemme interne précis : l’écart de valeur pour l’entreprise.

L’infrastructure IA macroéconomique face au bilan de l’entreprise, toutes deux menant à l’écart de valeur

Figure 1 : la capacité s’achète au niveau macroéconomique ; la valeur doit se réaliser au bilan.

Les équipes d’innovation ont lancé de nombreuses preuves de concept, mais la transformation de ces outils en valeur durable au bilan reste insaisissable. Les raisons sont structurelles plutôt que technologiques :

  • Le problème d’attribution au compte de résultat : la plupart des outils d’IA des services financiers servent d’aides transversales à la productivité : résumer des documents, rédiger la correspondance avec les clients, écrire du code. Aussi pratiques soient-ils, ces micro-gains se traduisent rarement par des coûts plus bas, un risque opérationnel réduit ou une croissance mesurable des revenus.
  • Le poids des licences logicielles : les institutions sont liées par des contrats logiciels pluriannuels en hausse constante et paient des redevances élevées pour des modèles dont les capacités de base se banalisent rapidement.
  • Les frictions des processus hérités : superposer des modèles de langage à des plateformes bancaires fragmentées et à des entrepôts de données cloisonnés crée de la lourdeur opérationnelle plutôt que de l’automatisation.

Exemple de terrain : ce que coûte un développement aujourd’hui
Une plateforme de gestion de contenu et de publication au service d’une organisation communautaire, avec la gestion d’événements sur plusieurs lieux, une gouvernance éditoriale, SSO pour les utilisateurs externes et internes, des processus de gestion de la communauté et des affichages publics, avait été estimée à 180 à 210 jours-personnes de développement traditionnel. Avec un développement assisté par l’IA, le projet a été réalisé en moins de cinq jours ouvrables, soit environ un quarantième de l’effort estimé.

La leçon n’est pas que le logiciel est devenu gratuit. La spécification, les tests, la sécurité et la responsabilité demandent toujours du jugement, et les décisions sur ce qu’il faut construire ne sont pas devenues plus simples. Mais le coût du développement s’est effondré, alors que de nombreuses institutions signent encore des contrats de licence pluriannuels calculés sur l’ancien coût. C’est le poids des licences décrit plus haut, et il mène directement aux quatrième et cinquième pièges ci-dessous.



Chapitre 3 : les cinq pièges structurels du déploiement de l’IA

Lorsque les initiatives d’IA des institutions s’enlisent ou ne rapportent rien, cinq modes d’échec reviennent. Ce ne sont pas des défauts techniques ; ce sont des failles dans la manière dont les sociétés financières gouvernent la technologie.

  • Piège 1, allouer le capital sans contrôle d’accès : les budgets d’IA sont traités comme des enveloppes de R&D ouvertes plutôt que comme des investissements disciplinés. Les projets sont financés pour leur nouveauté, et non selon des seuils de rentabilité liés au compte de résultat ou à la réduction des risques.
  • Piège 2, la responsabilité fragmentée : les droits de décision entre le CIO, le CRO, les responsables métier et la conformité sont flous. Quand la responsabilité se disperse entre les départements, elle s’évapore : les projets pilotes se dupliquent et les déploiements s’enlisent.
  • Piège 3, l’alourdissement du modèle opérationnel : des couches d’orchestration de l’IA et des comités de gouvernance s’ajoutent à des structures déjà lourdes. Au lieu de simplifier les opérations, l’institution crée une nouvelle couche administrative.
  • Piège 4, la dépendance aux fournisseurs et l’aveuglement à l’horizon : les engagements envers les fournisseurs ne sont pas confrontés à des cycles d’amortissement de trois ans, à la baisse du coût des tokens ni à la baisse du coût du développement interne. Du capital à long terme s’investit dans des solutions propriétaires qui peuvent devenir obsolètes ou non rentables à mesure que les alternatives ouvertes mûrissent.
  • Piège 5, le piège du prix des abonnements : les abonnements d’IA actuels sont fixés pour conquérir des utilisateurs, pas forcément pour couvrir leur coût complet. Une fois que les processus, les équipes et les données reposent sur un seul fournisseur, en changer coûte cher, et les prix peuvent augmenter sans grande résistance. Les institutions sont exposées deux fois : aujourd’hui, elles paient pour se réorganiser autour d’une technologie dont les bénéfices restent hors de portée ; demain, quand les bénéfices se matérialiseront enfin, le prix des abonnements pourra augmenter pour les capter.


Chapitre 4 : le cadre de l’architecture décisionnelle

Pour combler l’écart de valeur et traverser la volatilité actuelle des marchés, les dirigeants doivent passer de l’acquisition de capacité à la discipline structurelle. Chacun des cinq pièges a sa réponse :

Les cinq pièges structurels et les cinq piliers de l’architecture décisionnelle qui y répondent

Figure 2 : des cinq pièges structurels au cadre de l’architecture décisionnelle.

  • Imposer des seuils d’investissement : fixer des seuils financiers qu’un projet pilote doit franchir avant de passer des tests à la production. Si une initiative ne montre pas de voie claire vers une hausse de marge ou une réduction des risques, son financement est réaffecté.
  • Clarifier la responsabilité : définir précisément les droits de décision. Le responsable métier répond du résultat, le CRO des paramètres de risque et l’informatique de l’infrastructure d’exécution, sans zones grises qui se chevauchent.
  • Alléger le modèle opérationnel : utiliser la mise en œuvre de l’IA pour simplifier l’organisation et supprimer les échelons de direction superflus, plutôt que de numériser les inefficacités héritées.
  • Tester les engagements à long terme : confronter chaque contrat logiciel à la baisse des coûts technologiques et conserver la flexibilité contractuelle qui évite le capital immobilisé.
  • Protéger la sortie et le prix : négocier des plafonds de prix et des délais de préavis pour l’utilisation pluriannuelle ; garder les données, les instructions et les processus portables ; concevoir les processus de sorte qu’un deuxième fournisseur ou un modèle ouvert puisse prendre le relais. Budgéter les services d’IA sur un scénario de prix nettement supérieur à celui d’aujourd’hui.


Conclusion : évaluer la maturité de l’institution

Qu’un portefeuille technologique construise une capacité durable ou accumule un risque structurel se décide dans la gouvernance : qui alloue le capital, qui répond du résultat, et comment le modèle opérationnel absorbe le changement. La direction le voit rarement de la même manière que le contrôle, le front office et les opérations.

Pour aider les équipes de direction à repérer ces points de friction avant d’engager davantage de capital, ce cadre a été transformé en auto-évaluation structurée, l’Execution Resilience Diagnostic. Il évalue huit dimensions, des initiatives et décisions d’investissement jusqu’aux données, à la technologie et à l’IA. L’édition Team réunit jusqu’à huit collègues et montre où leurs avis divergent.



Évaluez la maturité de votre institution

Répondez au questionnaire en 17 minutes environ et obtenez immédiatement votre score et votre niveau de résilience d’exécution. Le rapport individuel, l’édition Team et l’édition Executive avec restitution sur place s’appuient sur vos réponses. Le diagnostic est en anglais.