Mike Abbott voit la peur du retard pousser les banques vers l’IA

Les banques dépensent davantage sous l’effet d’une crainte de manquer le virage de l’intelligence artificielle. Mike Abbott, responsable mondial de la banque chez Accenture, décrit ce sentiment comme un moteur des investissements initiaux. Une estimation citée dans l’entretien évalue les dépenses bancaires liées à l’IA à plus de 40 milliards de dollars l’an dernier. Les directions considèrent ces investissements comme essentiels pour rester compétitives. Pourtant, le rendement reste difficile à mesurer à grande échelle. Abbott observe une forte confiance dans l’obtention de résultats futurs, sans mesure suffisamment établie aujourd’hui. L’article de Banking Dive a été publié le 10 septembre 2026.

Une adoption encore incomplète : seuls 20 % des dirigeants constatent une valeur durable

Accenture mesure une adoption incomplète auprès de 212 dirigeants de banques de détail et de 110 dirigeants des marchés de capitaux. Ces réponses couvrent 20 pays et ont été recueillies entre avril et juin. Seuls 20 % des dirigeants interrogés déclarent observer une valeur étendue et durable des initiatives d’IA. Abbott relie cette difficulté à la mise à l’échelle des gains individuels. Une amélioration de 10 % ou 15 % par personne ne produit pas nécessairement une productivité équivalente pour tout le système. Les banques fournissent encore des outils à des collaborateurs isolés, sans toujours reconfigurer entièrement le travail autour de l’IA. Accenture présente ses travaux sur l’évolution des entreprises et de leurs investissements technologiques dans ce cadre analytique global.

Les processus répétables concentrent les gains actuellement observés par les banques. Abbott cite les centres de contact, les opérations de souscription, le marketing, la création de contenu et l’automatisation des rapports réglementaires. Les établissements privilégient encore les bénéfices sur les dépenses plutôt que les possibilités de revenus liées à l’IA générative. Certaines banques commencent toutefois à optimiser les modèles utilisés. Elles recourent aux grands modèles de langage lorsque cela se justifie. Elles utilisent aussi des petits modèles de langage à code ouvert pour l’ingestion documentaire et les fonctions simples. Abbott les décrit comme plus rapides, plus précis et moins sujets aux hallucinations. Des modèles transactionnels utilisant les données propres des banques apparaissent également.

Une pression accrue sur le rendement dès 2027

Le rendement devrait devenir prioritaire l’année prochaine, selon Abbott. Cette pression porterait d’abord sur le choix des modèles et sur les dépenses associées. Les banques pourraient se demander si un grand modèle de langage avancé est nécessaire pour chaque usage. Elles devraient aussi prioriser les initiatives offrant le meilleur rendement attendu. Abbott anticipe ensuite un passage d’une logique séquentielle à une logique parallèle. Il compare cette évolution aux processus bancaires inspirés par 35 années d’ingénierie Six Sigma. Dans un crédit immobilier, des agents d’IA pourraient traiter simultanément plusieurs étapes. Un agent consacré aux cartes perdues ou volées pourrait aussi être déployé sur plusieurs canaux, notamment le centre de contact, l’application mobile, le site et l’agence. L’article cite également le développement logiciel comme domaine déjà exploré par quelques banques avancées.

La gouvernance et les compétences restent décisives pour passer à une valeur étendue. Dans l’entretien publié le 10 septembre 2026, Abbott recommande de distinguer collaboration et recherche systématique du consensus. Selon lui, les organisations trop orientées vers le consensus exécutent difficilement ces projets, car les questions se multiplient. Il insiste aussi sur l’investissement dans les équipes existantes. Une demande de recrutement pour une personne possédant cinq ans d’expérience en IA générative lui paraît incohérente, puisque cette technologie existe depuis trois ans seulement. Abbott estime que les banques expérimentées commencent à optimiser leurs modèles après plusieurs années de pratique. Il prévoit que certaines approches, notamment le traitement parallèle des opérations et le développement logiciel assisté, deviennent plus courantes l’année prochaine.

Les banques devront arbitrer leurs budgets entre les personnes et l’IA. Abbott rapporte l’exemple d’un budget de 25 millions de dollars consacré à une fonction, sans séparation rigide entre effectifs et outils. Cette approche donnerait davantage d’autorité aux responsables pour déterminer leur combinaison optimale. Elle s’inscrit dans une période qu’il décrit comme une euphorie, visible dans les niveaux de dépenses. L’entretien souligne aussi que l’optimisation ne consiste pas seulement à réduire le coût d’un modèle. Elle concerne la sélection des processus à traiter et la manière de les organiser. Selon Abbott, les établissements les plus avancés cherchent déjà à placer le bon type d’IA au bon endroit. Pour aller plus loin, consultez notre guide sur déployer un chatbot IA pour le service client.