Au-delà des simples promesses, la banque de détail saura-t-elle actionner les véritables gains de l’IA générative en 2025 ? 

Le paysage de la banque de détail évolue plus rapidement que jamais, la technologie dans le secteur bancaire transforme les opérations et les attentes des clients sont de plus en plus fortes. 

Le World Retail Banking 2025 publié par le Capgemini Research Institute, et reflétant la vue de plus de 8 000 clients de l’industrie bancaire, démontre qu’attirer, engager et satisfaire les utilisateurs est fondamental pour naviguer dans cet environnement périlleux. 

Passer de l’expérimentation à la transformation de la banque de détail avec l’IA générative 

Influencées par l’engouement intense autour du GenAI et les promesses associées, les banques de détail ont jusqu’à présent navigué dans une phase exploratoire, à l’écoute des potentialités. Aujourd’hui une nouvelle étape s’ouvre, avec la volonté d’évaluer l’impact réel de l’IA générative afin qu’émergent les premiers bénéfices identifiés pour les métiers IT. 

Ce besoin d’évaluation s’inscrit dans un contexte géopolitique incertain, un impact environnemental à mesurer, et un cadre règlementaire à adresser par les banques de détail. L’EU AI Act, adopté l’année dernière, exige ainsi des banques une harmonisation du développement et de l’utilisation de l’intelligence artificielle, pour garantir la sécurité et les droits des clients européens. 

Les banques doivent alors converger vers une IA générative responsable et innovante, en prenant soin d’éviter les récifs des promesses irréalistes. 

Retour sur expérience : Une approche GenAI orientée valeur, au service de l’IT management  

En mettant en œuvre une approche « orientée valeur », Capgemini a appuyé une banque de détail dans transformation GenAI, en mettant l’accent simultanément sur les bénéfices ET les impacts techniques concrets de l’IA générative. 

L’approche se fonde sur la conviction de passer d’une utilisation standard de l’IA générative, reposant sur des modèles publics génériques, à des solutions transformatrices, personnalisées, sécurisées, et en conformité. 

Centré sur la valeur, nous avons qualifié et priorisé les cas d’utilisation pour qu’ils puissent répondre à trois bénéfices majeurs. 

• Améliorer l’expérience client : En combinant modèles analytiques de Deep Learning et IA générative, la banque doit pouvoir analyser les données clients pour anticiper leurs besoins et générer des recommandations sur mesure. Des services personnalisés sont alors fournis aux clients lors des moments clés de son parcours bancaire. Des signes de fragilité financière peuvent ainsi être identifiés pour générer des conseils budgétaires personnalisés. 
• Améliorer la sécurité des applications : Les vulnérabilités et les menaces potentielles doivent être identifiées et traitées sans délai. Les modèles LLM d’IA génératives peuvent ainsi détecter facilement les mails de pishing et l’injection de codes malicieux. 
• Accélérer l’introduction de nouveaux services et fonctionnalités bancaires : L’IA générative est intégrée dans les process de développements des produits de la banque de détail, en garantissant la robustesse tout au long du cycle de développement. En assistance aux équipes IT, elle génère du code, documente automatiquement l’architecture logicielle et détecte les incohérences dès la phase de conception. 

Des prérequis techniques, à traiter dès le lancement du projet 

Pour initier rapidement le déploiement de l’IA générative, il est indispensable de traiter sans tarder les prérequis techniques parallèlement à l’évaluation des cas d’usages prioritaires. Cela se traduit par les évaluations des écarts, une planification des remédiations, la réalisation des activités de remédiation et la conduite d’audits internes. Dans le contexte des réglementations actuelles et à venir, cette approche doit être basée sur une anticipation forte des règlementations.  

Une ingénierie logicielle accélérée et sécurisée 

En accompagnant les métiers dans le déploiement de l’IA générative pour l’ingénierie logicielle, et sur la base de ces convictions, nous avons permis : 

• L’accélération et la sécurisation du cycle de développement logiciel  
• Une documentation de l’architecture automatiquement générée selon un niveau d’exigence prédéfini  
• Un temps et une charge de développement réduit 
• Un renforcement de la cohérence des modèles de conception à travers le projet 

Pour en savoir plus sur la transformation de la banque de détail par l’IA générative, retrouvez ici le World Retail Banking 2025 publié par le Capgemini Research Institute.