IA et finance : la banque face à la déflagration algorithmique

Un algorithme refuse un crédit en une milliseconde. Un autre détecte une fraude que mille analystes auraient manquée. Un troisième fabrique un deepfake vocal pour vider un compte. En 2025, l’intelligence artificielle est partout dans la finance — gardienne et menace à la fois. Et les gardiens du système, banques centrales et FMI en tête, commencent à s’inquiéter d’un risque inédit : et si toutes les machines pensaient la même chose au même moment ?

Une adoption fulgurante

Le basculement a été brutal. En 2025, 78 % des banques déployaient l’IA générative de façon tactique, contre seulement 8 % un an plus tôt¹. Rares sont les technologies à avoir conquis un secteur aussi conservateur en si peu de temps.

Les bénéfices opérationnels expliquent cet engouement. L’IA analyse des millions de transactions en quelques secondes, repère les anomalies, prédit les tendances et personnalise les services. Les conseillers automatisés — les « robo-advisors » — construisent des portefeuilles sur mesure pour des clients qui n’auraient jamais eu accès à un conseil traditionnel. La promesse est double : efficacité et inclusion.

Mais cette transformation ne se limite pas aux gains de productivité. Elle redessine la structure même des marchés, comme le souligne le Fonds monétaire international : l’IA pourrait provoquer de grands changements par un recours accru au trading algorithmique et à des stratégies d’investissement inédites². Une mutation qui touche aussi l’emploi, sujet de notre dossier sur l’impact de l’IA sur les marchés du travail.

Le risque que personne n’avait vu venir : le mimétisme

Le danger le plus subtil n’est pas la défaillance d’une machine, mais l’accord de toutes. Les régulateurs l’ont identifié sous le nom de « mimétisme des modèles ». Des IA entraînées sur des jeux de données similaires tendent à produire des recommandations, des prix ou des décisions de prêt corrélés, mimant une forme de collusion involontaire³.

Les conséquences sont systémiques. Selon les analyses convergentes du FMI et des banques centrales, cette uniformité accroît les corrélations de marché : les ventes, les décisions de crédit et les stratégies de prix se synchronisent³. Quand les ordres deviennent massivement automatisés, via le trading haute fréquence, l’écosystème devient vulnérable à des interactions imprévisibles entre algorithmes, capables d’amplifier la volatilité³.

La Banque d’Angleterre, dans son point sur la stabilité financière d’avril 2025, place cette question au cœur de ses préoccupations⁴. Et la Banque des règlements internationaux insiste : avec l’apprentissage automatique, les risques d’uniformité, de comportement grégaire des modèles et d’interconnexion des réseaux n’ont fait que s’accumuler⁵. Un krach éclair n’aurait plus besoin d’une panique humaine : il suffirait que les machines réagissent ensemble.

La double vie de l’IA face à la fraude

Sur le front de la sécurité, l’IA mène une guerre contre elle-même. Côté défense, les résultats impressionnent : neuf banques sur dix utilisent désormais l’IA pour détecter la fraude, avec des taux de réussite revendiqués jusqu’à 98 % grâce à la surveillance en temps réel⁶.

Côté attaque, le tableau s’inverse. Plus de la moitié des fraudes recensées en 2025 reposent elles-mêmes sur l’intelligence artificielle : deepfakes hyperréalistes, identités synthétiques, hameçonnage automatisé⁶. La menace est chiffrée : selon le centre de recherche financière de Deloitte, les pertes liées à la fraude par courriel dopée à l’IA générative pourraient atteindre environ 11,5 milliards de dollars en 2027 dans un scénario d’adoption agressive⁷.

C’est une course à l’armement permanente, où chaque progrès défensif appelle une riposte offensive. Cette dynamique rejoint les logiques décrites dans notre analyse sur l’IA et les cyberconflits, tant la frontière entre fraude financière et cyberattaque s’estompe.

Boîte noire et obligation de rendre des comptes

À mesure que les algorithmes décident, une question devient brûlante : peut-on leur faire confiance sans les comprendre ? Beaucoup fonctionnent comme des « boîtes noires », dont les conclusions échappent à l’explication. Le problème n’est pas théorique : si un système refuse un prêt, le client est en droit de savoir pourquoi.

Les régulateurs ont réagi. En 2025, l’Union européenne, via son règlement sur l’IA, et plusieurs cadres émergents en Asie-Pacifique ont étendu les exigences d’explicabilité, de détection des biais et de gouvernance dans les services financiers¹. L’enjeu est aussi celui de l’équité : un modèle entraîné sur des données historiques biaisées peut perpétuer des discriminations dans l’accès au crédit. Sans audit régulier, l’IA risque de coder dans le marbre les inégalités d’hier — un enjeu de souveraineté que prolonge notre dossier sur l’IA et la sécurité économique.

La banque traditionnelle sommée de muter

Pour les établissements historiques, l’IA est un défi existentiel autant qu’une opportunité. La résistance interne est réelle : crainte pour l’emploi, inertie des processus, qualité inégale des données. Or un algorithme nourri de données incomplètes produit des décisions erronées.

La parade passe souvent par l’alliance avec les jeunes pousses de la finance, les « fintechs », qui apportent une agilité que les grandes structures peinent à reproduire. Mais cette dépendance technologique crée de nouvelles vulnérabilités, car elle externalise une part du cœur de métier. La transformation est donc autant culturelle que technique — et son échec aurait des implications dépassant le seul secteur, jusqu’aux questions de sécurité abordées dans l’IA transforme les paradigmes de sécurité nationale.

L’enjeu est aussi commercial. L’IA ouvre aux établissements de nouveaux segments de clientèle : analyse plus fine des données, produits sur mesure pour des niches jusque-là négligées, applications mobiles d’épargne automatisée ciblant les jeunes générations. Le marché mondial de l’IA générative dans les services financiers est promis à une croissance de plusieurs milliards de dollars d’ici la fin de la décennie, portée notamment par l’essor des agents conversationnels¹. Pour les banques, le calcul est clair : investir massivement, ou voir des acteurs plus agiles capter la relation client. Reste que cette ruée vers l’innovation ne dispense pas de la prudence — au contraire, elle la rend plus indispensable encore.

Surveiller les angles morts

L’IA n’a pas seulement accéléré la finance : elle en a changé la nature. Elle promet une gestion des risques plus fine, une liquidité accrue, une surveillance améliorée — y compris pour les régulateurs eux-mêmes. Mais elle introduit un risque d’un genre nouveau, celui de la convergence : des milliers de machines qui réagissent à l’unisson, transformant un soubresaut en tempête. Le signal à surveiller : les premiers incidents de marché où l’on pourra démontrer que le mimétisme algorithmique a amplifié la chute. Ce jour-là, le débat sur la régulation de l’IA financière changera d’échelle.