Lorsque l’on évoque l’Intelligence Artificielle générative dans le secteur bancaire, la question revient sans cesse : « Faut-il utiliser ChatGPT, Claude ou Gemini ? »
Pour une grande banque exerçant des activités de conservation (Custody), de dépositaire, d’Asset Servicing, de Post-Marché, de gestion d’actifs, de banque privée ou de Securities Services, la véritable question est tout autre :
Comment exploiter la puissance de l’IA tout en préservant la souveraineté, la confidentialité et la conformité des données ?
Une révolution majeure pour les métiers Titres
Les modèles de nouvelle génération permettent désormais d’aller bien au-delà de la simple assistance :
- Analyse de milliers de pages de procédures
- Interprétation des réglementations
- Automatisation documentaire
- Production de reporting réglementaire
- Assistance aux équipes conformité
- Analyse des incidents opérationnels
- Support aux projets de transformation
- Génération automatique de synthèses exécutives
Pour les activités Titres, Custody et Dépositaire, les gains potentiels sont considérables.
Mais un risque majeur apparaît
Les plateformes d’IA publiques sont généralement hébergées hors du périmètre de la banque. Or les données manipulées dans les métiers Titres comptent parmi les plus sensibles du système financier :
- Positions clients et portefeuilles titres
- Instructions de règlement-livraison
- Corporate Actions
- Données SWIFT
- Rapports réglementaires
- Données AML/KYC
- Contrats dépositaire et référentiels clients
La question n’est donc plus seulement technologique. Elle devient : sécuritaire, réglementaire, juridique et géopolitique.
Architecture cible d’une banque Titres assistée par l’IA
L’enjeu n’est pas de brancher un chatbot sur le SI, mais de concevoir une pile cohérente où chaque couche protège la précédente. Du conseil d’administration jusqu’aux domaines métiers, la gouvernance et la souveraineté encadrent l’usage des modèles.
La solution : une stratégie multi-LLM
Les banques les plus avancées ne dépendront pas d’un seul fournisseur. Elles mettront en place une architecture hybride où chaque modèle est affecté selon la nature et la sensibilité des données traitées.
Claude
Analyse documentaire complexe, réglementation, procédures et contrats.
ChatGPT Enterprise
Productivité, reporting, PMO et génération documentaire.
LLM privé bancaire
Données sensibles, informations clients, informations réglementées et cas critiques.
Agents IA métier
Agents spécialisés Custody, Dépositaire, Risques, Conformité, PMO et Architecture SI.
Vision 2030
À l’horizon 2030, les banques leaders ne se différencieront plus par le choix d’un modèle d’IA. Elles se différencieront par leur capacité à construire une plateforme IA souveraine capable de protéger les données, de respecter les exigences réglementaires, d’industrialiser les processus métiers, d’accélérer la transformation du SI et d’améliorer la qualité de service.
L’IA deviendra alors un composant stratégique du système d’information bancaire, au même titre que le Core Banking, les plateformes Titres ou les infrastructures de paiement.
L’avenir appartient aux établissements capables de concilier innovation, sécurité, souveraineté, conformité et excellence opérationnelle.
