L’IA dans la banque : amplifiée, pas automatisée

La banque que nous choisissons de construire à l’ère de l’IA.

Par Roman Balzan, Chief Marketing and Brand Officer et AI Adoption Lead, Alpian

Dernière vérification : juillet 2026

Il y a six ans, je suis entré dans une banque. C’était étrange, car les banques ne m’avaient jamais vraiment attiré. Non pas à cause des personnes qui y travaillent, mais à cause de ce que l’économie en avait fait. Un conseil digne de ce nom coûte cher à délivrer, il a donc été tarifé pour un seuil que la plupart des gens n’atteignent jamais. Tous ceux en dessous recevaient un produit, une grille tarifaire et une hotline. J’ai rejoint Alpian quand même, comme première recrue marque et marketing, parce que l’idée était convaincante et les personnes qui la construisaient encore plus, et parce que cela offrait la chance d’écrire l’histoire d’une banque sur une page blanche plutôt que d’en hériter.

C’est pourquoi la question de ce que l’IA fait à la banque n’a rien d’abstrait pour moi. Elle décide si ce secteur devient enfin plus humain, ou s’il achève d’en retirer l’humain.

Car aujourd’hui, l’histoire que le secteur raconte le plus fort au sujet de l’IA est une histoire de moins de personnes. Bloomberg Intelligence a interrogé des directeurs technologiques de banques : ils s’attendent à la disparition de 200’000 emplois bancaires dans le monde au cours des trois à cinq prochaines années, à mesure que l’IA absorbe les tâches. Que chaque banque coure réellement cette course ou non, c’est la course que le secteur ne cesse de décrire. Et je pense que c’est la mauvaise.

Commençons par les chiffres honnêtes, car ils sont spectaculaires. La recherche de Citi place la banque en tête des secteurs les plus exposés à l’automatisation par l’IA : 54% des emplois bancaires ont un fort potentiel d’automatisation, davantage que dans tout autre secteur, avec 12% supplémentaires que l’IA peut augmenter. La même recherche estime que l’IA pourrait ajouter USD 170 milliards aux bénéfices bancaires mondiaux d’ici 2028. Ce sont ces chiffres qui expliquent pourquoi tous les conseils d’administration du secteur posent la même question, et pourquoi une si grande partie des business cases construits autour de l’IA se ramène à la même promesse : moins de personnes, plus de machines, moins de coûts.

Mais cette recherche contient un détail que presque personne ne cite. Les vagues technologiques passées n’ont pas réduit l’emploi bancaire. Elles ont changé ce que font les banquiers. Le bancomat a automatisé l’une des tâches centrales du guichet, mais il n’a pas éliminé l’emploi bancaire. Il a changé l’économie de l’agence et, peu à peu, ce pour quoi les employés d’agence étaient là. Le schéma de cent ans de technologie bancaire n’est pas le remplacement. C’est la réaffectation. La question n’a jamais été de savoir si la machine reprend des tâches. Elle le fait toujours. La question est ce que les humains font de la capacité libérée, et c’est un choix que chaque banque pose, pas une loi de la nature.

La banque est particulièrement exposée pour une raison simple : une banque est, au fond, une activité d’information. L’argent est de la donnée. Le risque est de la donnée. Le conseil, c’est de la reconnaissance de formes, plus du jugement, plus de la confiance. L’IA transforme la reconnaissance de formes, et elle peut réellement soutenir le jugement. Ce qu’elle ne peut pas faire, c’est porter la responsabilité. Toute la question stratégique de l’IA dans la banque tient dans cet écart.

Ici en Suisse, nous disposons désormais de preuves concrètes de la façon dont les banques gèrent cela, et elles ne correspondent pas au discours des scènes de conférence. L’étude Digital Advantage d’Information Factory et finews.ch a évalué 23 banques suisses universelles, régionales, digitales et privées, par des entretiens de direction, du mystery shopping structuré et des enquêtes clients, et a mis au jour un écart constant entre ce que le secteur dit de l’IA et ce qui est réellement vrai à l’intérieur des bâtiments.

Les banques disent que leur adoption de l’IA est visionnaire. En réalité elle est pragmatique : intégrée à l’efficacité interne, invisible dans l’expérience client. Les banques disent que la culture est le goulot d’étranglement. En réalité le goulot est la responsabilité : le secteur n’a toujours pas de réponse arrêtée sur qui répond quand la machine se trompe devant un client. Les banques disent que la disponibilité des données est la contrainte. En réalité la plupart des banques ont les données ; ce qui leur manque, c’est un accord partagé sur ce qu’elles signifient.

L’un de ces constats me paraît vraiment important, et je voudrais un instant défendre le secteur sur ce point. L’hésitation à placer l’IA devant les clients n’est ni de la lâcheté ni un manque d’ambition. L’étude qualifie cette retenue de rationnelle, et elle l’est : en l’absence de cas de référence acceptés, quand il s’agit de votre argent, « l’algorithme a décidé » n’est pas une réponse. Une évaluation d’adéquation, un plan de prévoyance, une conversation difficile dans un marché en baisse : cela porte une responsabilité qui doit atterrir sur une personne. Toute banque qui déploie de l’IA face au client avant d’avoir répondu à la question de la responsabilité n’innove pas. Elle joue avec le seul actif qu’une banque possède vraiment : la confiance.

La même recherche renverse aussi une hypothèse sur laquelle repose une grande partie du dossier de l’automatisation. Les banques traitent le choix entre canaux digitaux et humains comme une question de génération : les jeunes veulent des applications, les aînés veulent des personnes. Les données disent que c’est situationnel. Quand le moment est routinier, tout le monde veut l’application. Quand le moment compte, tout le monde veut la personne. Bâtissez votre banque sur la première croyance et vous bâtissez pour un client qui n’existe pas.

Le secteur se retrouve donc dans une position inconfortable : l’industrie la plus automatisable de la planète, assise sur une technologie qu’elle utilise surtout comme plomberie interne, incapable de la tourner vers ses clients tant que personne n’a résolu la question humaine. Voilà l’état réel de l’IA dans la banque en 2026, et presque personne ne le dit à voix haute.

Trois choses, à mon sens, et ce sont des choix, pas des technologies.

Premièrement, chaque banque doit répondre à la question de la responsabilité avant celle du déploiement. Notre réponse est démodée et nous la gardons : là où un jugement touche un client, la responsabilité atterrit sur une personne. Un humain signe. L’IA peut préparer, rédiger, rechercher, calculer et signaler. La décision, et le fait d’en répondre, reste chez quelqu’un qui a un nom. Ce n’est pas une limite de notre stratégie IA. C’est notre stratégie IA.

Deuxièmement, la frontière entre le travail de la machine et celui de l’humain doit être tracée délibérément, tâche par tâche, plutôt que découverte par accident après les licenciements. Nous parcourons la banque service par service, en posant une seule question à chaque travail : est-ce que cela demande un humain, ou est-ce que cela doit simplement être fait ? La paperasse, la préparation, les premiers jets, la recherche : la machine en porte davantage chaque mois. Le jugement, le conseil, la relation, le moment où un client s’inquiète et où le marché est rouge : c’est là que nous gardons délibérément une personne responsable. Une règle tient tout l’exercice ensemble : automatiser le travail, jamais la relation.

Troisièmement, et c’est ce que le secteur sous-estime le plus. La responsabilité est l’obstacle dès que l’IA entre dans une décision client. À l’intérieur, l’obstacle est la culture, et l’adoption de l’IA est une pratique humaine, pas un déploiement logiciel. La recherche est claire, la technologie est rarement le problème. Ce qui décide du succès, c’est que les personnes changent leur façon de travailler, et cela relève de la culture, de la formation, du rythme et de la confiance, construits patiemment de l’intérieur. Cela ne s’installe pas. Cela se cultive.

Il y a une raison pour laquelle une banque de notre taille peut tenir cette position de manière crédible. Alpian compte environ 70 personnes qui font tourner ensemble la banque au quotidien et le conseil en gestion de fortune, et notre ambition est assumée : un travail qu’un modèle opérationnel traditionnel répartit sur plusieurs centaines. Pas pour que nous soyons plus petits. Pour que le vrai conseil cesse d’être un produit de luxe. Chez Alpian, le conseil en gestion de fortune commence à CHF 2’000, et non au seuil que la banque privée traditionnelle traite comme un ticket d’entrée. La seule façon pour une banque de cette taille de proposer cela sérieusement, c’est que chacune de ses personnes soit amplifiée par la technologie, et que chaque client obtienne quand même un humain.

Deux choses décrivent ce que cela produit. Un conseil qui commence à CHF 2’000 plutôt qu’à un seuil de banque privée, et des conseillers notés 4,98 sur 5 par les clients qu’ils servent. La première est la portée que la technologie rend possible. La seconde est ce que nous avons choisi de préserver en l’étendant. Aucune des deux n’est un résultat d’IA, et je ne les présenterais pas comme tels. Les deux sont des résultats humains, produits par une équipe assez petite pour que la technologie doive porter tout le reste. C’est l’argument en pratique. La machine ne produit pas le résultat. Elle produit le temps dans lequel le résultat devient possible.

La règle n’est pas seulement ce que nous disons de nous-mêmes. Dans leur évaluation, les chercheurs de l’étude ont relevé qu’Alpian supprime entièrement la notion de « support », positionnant les interactions client comme des conversations de conseil plutôt que comme de la résolution de problèmes. Voilà à quoi ressemble la règle vue de l’extérieur : la machine porte davantage du processus, pour que les moments qui appellent du jugement puissent être vraiment humains.

Le robot-conseiller a poursuivi la mauvaise version de l’échelle. Il a utilisé la technologie pour retirer la personne. Nous utilisons la même technologie pour donner à cette personne une plus grande portée.

Travailler avec l’IA chaque jour pendant des années m’a laissé une conviction, et c’est une conviction qu’Alpian peut signer : le but de cette technologie n’a jamais été moins d’humanité. C’est plus. Not less AI, more I (pas moins d’IA, plus de moi). La machine amplifie tout ce qu’on lui apporte : le jugement, les standards, l’attention. N’apportez rien et elle vous automatise. Apportez tout et elle vous amplifie. Cela vaut pour une personne, et cela vaut pour une banque.

Alors quand on me demande ce qu’Alpian fait avec l’IA, la réponse honnête n’est pas une liste d’outils. C’est un choix. L’avenir de ce secteur n’appartiendra pas à celui qui remplacera le plus d’humains. Il appartiendra à celui qui utilisera la technologie pour devenir le plus humain.

Il y a six ans, je suis entré dans un secteur qui ne m’avait jamais vraiment attiré. C’est la banque qui m’a fait changer d’avis, et nous choisissons de la construire.

*Indice de référence Performance Watcher, profil de risque équilibré, 2025, net de frais. Les performances passées ne constituent pas un indicateur fiable des résultats futurs.

Sources : Citi GPS, « AI in Finance: Bot, Bank & Beyond » (2024) ; enquête Bloomberg Intelligence auprès de directeurs technologiques de banques (2025) ; Information Factory x finews.ch, « Digital Advantage: NextGen Operating Models » (2026).