Banque : des cas d’IA réels, avec leur source
Cette page regroupe les usages d’IA publiquement décrits dans une banque, une néobanque ou un établissement de crédit. Un cas y entre si l’organisation, le titre ou le résumé nomme ce métier — pas si le mot « banque » apparaît seulement dans une démarche personnelle.
Les chiffres cités sur les fiches sont ceux de la source. Une déclaration d’éditeur n’a pas la même valeur qu’un témoignage d’établissement ; le niveau de preuve de chaque fiche le rappelle.
Cette sélection compte 17 cas repérés. 15 concernent une organisation en France ou dans la francophonie. Niveaux de preuve : 10 « Témoignage publié par une source identifiée » et 7 « Déclaration de l’éditeur de l’outil ». Outils les plus cités : Claude (3), Dust (2) et Claude Code (2).
Points de vigilance récurrents
- 7 fiches sur 17 mentionnent la vérification des chiffres, des sources ou des extraits.
- 5 fiches sur 17 mentionnent une relecture ou une validation humaine.
- 4 fiches sur 17 mentionnent un cadre juridique, fiscal ou de conformité.
- 3 fiches sur 17 mentionnent des données personnelles, un secret métier ou le RGPD.
- 2 fiches sur 17 mentionnent ce que l’outil peut envoyer ou créer tout seul.
Décompte établi sur le champ « vigilance » des fiches de cette page, sans reformuler les mises en garde.
Les 17 cas repérés
- Contrôler les dossiers de crédit immobilier et raccourcir le délai d’octroi
Depuis novembre 2024, BNP Paribas déploie en France un traitement intelligent des documents qui lit les pièces d’un dossier de crédit immobilier, en vérifie la cohérence et fait gagner environ cinq jours sur le parcours d’octroi.
- Aider les conseillers à interroger la base de connaissance de la banque
Sur le réseau SG en France, un outil de recherche documentaire enrichi par l’IA générative répond aux questions des conseillers à partir de la base de connaissance interne, en renvoyant vers les documents sources.
- Produire des rapports de recherche marchés personnalisés à partir de centaines de sources
Crédit Agricole CIB a intégré une plateforme d’IA qui relie des milliards de données internes et externes pour aider ses équipes de recherche marchés à rédiger des rapports thématiques adaptés au profil de chaque client.
- Analyser les campagnes d’e-mailing d’une banque avec un copilote qui vérifie ses propres chiffres
Pour La Banque Postale, Numberly a déployé Smart Insights, une architecture d’IA qui extrait les indicateurs d’une campagne d’e-mails, rédige une première analyse et fait auditer les chiffres par un second agent avant relecture humaine.
- Aider les analystes anti-fraude et le service client d’une néobanque
Chez Nickel, filiale de BNP Paribas, l’IA générative est déjà en production pour prioriser les alertes de fraude et assister le service client : la néobanque estime à 1 million d’euros les économies déjà réalisées de ce côté.
- Piloter un immeuble tertiaire en dialoguant avec ses données, sur un site pilote
BNP Paribas Real Estate expérimente Willow Copilot, un assistant qui interroge en temps réel les données d’un bâtiment ; le premier déploiement, présenté comme un pilote, a lieu à METAL 57, son siège de Boulogne-Billancourt.
- Branché sur Notion, Dust produit les premières bases de contenus marketing et les adapte d’un marché à l’autre
Marion de Robillard, directrice marketing et communication mondiale de Qonto, a branché Dust (RAG) sur le Notion interne, puis des bots marketing pour produire des premières bases de contenus et les adapter d’un pays à l’autre — de 4 à 8 marchés.
- Répondre aux clients d’une banque avec un chatbot RAG open source supervisé par des experts
Le Crédit Mutuel Arkéa a bâti son chatbot client « Tybot » sur Tock, une boîte à outils conversationnelle open source lancée par la SNCF, qui cherche ses réponses dans la base de connaissances clients et les fiches produits.
- Encadrer le déploiement de centaines d’agents construits par les métiers
Bpifrance a ouvert une plateforme d’agents sans code à 500 collaborateurs pionniers, après une expérimentation de quatre mois et la mise en place d’un cadre de gouvernance avec le cabinet Artefact.
- Faire passer un chatbot bancaire de scénarios figés à des réponses générées, en trois langues
La banque Belfius a remplacé un robot conversationnel à scénarios par un assistant fondé sur un grand modèle de langage, disponible en néerlandais, en français et en anglais.
- Préparer virements, factures et paie depuis l’application bancaire, validation finale par le client
Qonto, néobanque des petites entreprises et indépendants présente sur huit marchés européens, a intégré à son application des agents qui préparent les opérations répétitives ; le client garde toujours la validation finale.
- Comparer des dizaines de directives internes à la réglementation en quelques heures
La banque privée suisse Pictet a ouvert un agent de code et un agent de bureautique à environ 700 collaborateurs ; l’équipe conformité s’en est servie pour une analyse d’écarts réglementaires jugée jusque-là hors de portée.
- Instruire les contestations de paiement par carte et trier les courriers de réclamation
La banque en ligne N26, présente sur 24 marchés européens, a intégré un modèle d’IA dans plus de 15 applications internes, des contestations de paiement par carte à l’analyse de la criminalité financière.
- Préparer les appels des conseillers bancaires à distance avec un assistant d’IA
CaixaBank, première banque d’Espagne, met à disposition de plus de 300 conseillers de son support à distance un assistant qui prépare les appels et répond à leurs questions sur les produits.
- Transformer les modèles de documents du marketing produit en compétences pour l’IA
Un responsable marketing produit de Qonto a converti les gabarits de son métier (notes de communication, journaux des changements, kits de lancement) en treize compétences d’IA qui puisent dans Notion et Slack.
- Accompagner les salariés dans un passage à l’IA plutôt que de les remplacer
Steve Anavi, l’un des dirigeants de Qonto, décrit comment la néobanque, 1 600 salariés, organise la requalification de ses équipes : direction et budget venus d’en haut, expérimentations proposées par les équipes elles-mêmes.
- Faire répondre un agent d’analyse à partir de définitions d’indicateurs validées
Qonto a ouvert l’accès à son entrepôt de données via des agents Claude, constaté des chiffres faux mais plausibles, puis reconstruit une couche de définitions validées sur laquelle les agents s’appuient.