Le directeur des technologies et de l'information de Bank of America a déclaré que l'une des erreurs les plus courantes des entreprises en matière d'intelligence artificielle consiste à y recourir en premier — alors même que sa banque prévoit de doubler son budget IA l'année prochaine.

Ces propos offrent un aperçu de la manière dont deux piliers de la finance mondiale décident où l'IA justifie son coût — et où des outils plus simples font mieux l'affaire.

« L'une des plus grandes erreurs que nous voyons, chez nous comme chez les autres, c'est de se précipiter vers l'IA comme solution, » a déclaré Hari Gopalkrishnan lors du AIQ Summit de Fortune à New York, « alors que des modèles déterministes font parfaitement l'affaire. »

Gopalkrishnan participait à cette table ronde aux côtés de Sally Moore, directrice des clients de S&P Global et co-responsable de Kensho Data & Platforms. Le directeur éditorial de Fortune, Andrew Nusca, animait la discussion.

Bank of America : d'abord des outils simples

Gopalkrishnan a expliqué que la banque part des besoins des clients et établit un « inventaire des processus » des étapes qui sous-tendent leurs demandes. Elle renonce souvent à l'IA — « très souvent », a-t-il dit — concluant qu'une application mobile ou une règle de décision en temps réel peut constituer la meilleure réponse.

Chaque projet d'IA de la banque passe également par une revue couvrant 16 « piliers » de risque, notamment la confidentialité, les biais, l'impact sur les effectifs et la propriété intellectuelle. « Nous n'allons pas déployer un chatbot qui ne répond qu'à certains accents », a-t-il déclaré.

La banque utilise l'IA depuis plus de dix ans, en commençant par les modèles de détection de fraude, a-t-il indiqué. Son assistante virtuelle Erica a traité 3,6 milliards de transactions, selon Gopalkrishnan, qui a ajouté que sans elle, la banque devrait recruter 11 000 personnes supplémentaires pour répondre aux appels des clients. Un communiqué de presse de la banque publié en mars recensait plus de 3,2 milliards d'interactions clients pour Erica.

Cette prudence coexiste avec des dépenses importantes : le PDG Brian Moynihan a indiqué en septembre qu'environ 140 applications d'IA coûtent à la banque 400 millions de dollars et génèrent 800 millions de dollars de bénéfices, et que le budget des dépenses IA doublera l'année. Ce doublement des budgets, conjugué à cette revue méthodique, illustre la tension à laquelle la table ronde est revenue sans cesse : investir massivement, mais uniquement là où la technologie fait ses preuves.

Les dépenses sont orientées avec soin. Gopalkrishnan a précisé que la banque est agnostique en matière de modèles : une couche d'orchestration, baptisée Orchestra, envoie les tâches de classification simples vers des modèles à poids ouverts approuvés, exécutés sur les GPU de la banque, tandis que les raisonnements plus complexes sont confiés à des modèles propriétaires. Ce dispositif, a-t-il dit, contribue également à maîtriser les coûts de tokens.

En gestion de patrimoine, a-t-il ajouté, les conseillers peuvent désormais préparer les rendez-vous clients « en secondes et en minutes », un travail qui prenait autrefois des jours et des semaines.

S'agissant des agents autonomes, la banque ne se presse pas. « Il y a tellement de valeur à tirer aujourd'hui des agents d'assistance qui travaillent réellement avec l'humain dans la boucle », a déclaré Gopalkrishnan. La banque ira plus loin à mesure que l'infrastructure de contrôle s'améliore.

Il a également abordé la sécurité, notant que les modèles d'IA sont de plus en plus performants pour détecter les vulnérabilités logicielles, ce qui rend le correctif et le développement sécurisé essentiels, qu'une entreprise déploie ou non l'IA. Les enjeux dépassent toute institution isolée, a-t-il soutenu : si une petite banque, où qu'elle soit, rencontre un problème, la population perd confiance dans le système financier.

S&P Global : la donnée comme monnaie

Moore a indiqué que son entreprise, vieille de 160 ans, se repositionne — avec agressivité et prudence. S&P Global est la première agence de notation au monde et l'un des plus grands fournisseurs d'indices, et une grande partie de ses données financières alimente des flux réglementés, a-t-elle déclaré.

« La donnée est la monnaie de l'IA », a affirmé Moore, ajoutant que les clients exigent la précision, les citations, ainsi que l'auditabilité et la traçabilité jusqu'à la source. Dans un secteur où les données alimentent des flux réglementés, cette auditabilité est la condition même de l'utilisation de l'IA.

Elle a créditée un pari pris tôt : S&P Global a acquis l'entreprise d'IA Kensho en 2018, une opération qui nous « a donné un avantage », a-t-elle dit, expliquant que le groupe a depuis placé Kensho au cœur de son activité. Le 6 juillet, elle a scindé sa division Market Intelligence en deux entités. La première, Kensho Data & Platforms, associe « Kensho Data » — la couche de diffusion de données et d'IA orientée clients — à un groupe Platforms qui regroupe Capital IQ, Ratings Direct, Visible Alpha et With Intelligence. La seconde entité est Enterprise Solutions. La PDG Martina Cheung a indiqué que ces changements devraient soutenir la croissance du chiffre d'affaires et améliorer les marges. Cette réorganisation soumet ces objectifs affichés à une épreuve concrète : une stratégie de données centrée sur l'IA est-elle rentable ?

Il y a environ deux ans, S&P Global a également créé une direction des clients, dirigée par Moore, pour travailler plus étroitement avec eux. Elle comprend un laboratoire et ce que le groupe appelle des experts déployés en amont, qui accompagnent les clients dans leurs projets d'IA.

S&P Global sert 60 000 clients à différents stades d'adoption de l'IA, a précisé Moore. Le groupe collabore avec les laboratoires d'IA de pointe, intègre ses données dans de grands modèles de langage et des outils de productivité, et construit désormais ses propres agents. Les usages vont de tâches générales, comme la préparation de rendez-vous et de pitch books par les banquiers, à des agents spécialisés conçus pour une mission unique.

Elle a donné un exemple. Uneque de premier plan comptant 8 000 banquiers combinait des jeux de contenus S&P dans sa propre plateforme. S&P a contribué à porter le projet en production « six fois plus rapidement », a-t-elle dit, et la précision est passée d'environ 60 % au démarrage à 98 % ensuite. Elle n'a pas cité le nom de la banque, et les chiffres émanent de S&P.

Le groupe a également développé un agent de « crédit memo builder » qui maintient l'humain dans la boucle et repose sur la confiance dans les données sous-jacentes.

Comme Gopalkrishnan, Moore a insisté sur l'usage de l'outil adapté à la tâche. L'option déterministe de S&P Global pour les modèles de langage est une API, ce qui n'engendre pas de coûts de tokens élevés, a-t-elle dit, tandis que la « récupération adaptative de données à grande échelle », plus complexe, coûte davantage. Les clients réglant les données, la technologie et l'efficacité des équipes depuis des budgets distincts, S&P discute avec eux d'une gamme de résultats.

Là où ils divergent

Interrogé sur le fait qu'il renonce parfois à l'IA, Gopalkrishnan a répondu que la solution la plus simple est souvent la meilleure. « L'IA n'est pas toujours la bonne réponse », a-t-il déclaré.

Moore a acquiescé, puis est allée plus loin. « Je pense que Hari l'a très bien dit. Il ne s'agit pas seulement du bon outil. C'est un peu une question de réinvention », a-t-elle dit. « Qu'est-ce que j'essaie de résoudre ici ? Et où cette technologie peut-elle me mener ? »

Au sein de S&P Global, cela s'est traduit par une direction centrale de la transformation réunissant les technologues et, plus récemment, les opérations relatives aux données. Les deux entreprises ont posé des jalons mesurables pour les mois à venir : le budget IA doublé de la banque prendra effet l'année prochaine, et les divisions réorganisées de S&P Global seront évaluées au regard des objectifs de croissance et de marge de Cheung.

Lors de la série de questions éclair de clôture, Moore a pointé « l'intelligence intégrée », qui, selon elle, « crée une opportunité d'aller au-delà des clients que vous servez aujourd'hui ».

Gopalkrishnan a eu le dernier mot : « Je pense qu'anticiper les besoins de vos clients et les servir là où ils se trouvent vous différenciera dans un espace par ailleurs banalisé. »

Les journalistes de Fortune ont utilisé l'IA générative comme outil de recherche pour ce sujet, et un éditeur a vérifié l'exactitude des informations avant la publication. Cette histoire a été publiée à l'origine sur Fortune.com.