L’intelligence artificielle (IA) a cessé d’être une expérimentation périphérique pour devenir une composante structurelle centrale de l’écosystème financier mondial. À l’heure actuelle, 81 % des entreprises de services financiers ont déjà adopté l’IA, à un stade ou à un autre. Si 51 % des entreprises des économies avancées ont optimisé l’intégration de l’IA, les marchés émergents affichent également des progrès significatifs : 32 % des institutions de ces régions sont déjà en phase de déploiement à grande échelle ou de transformation de leurs processus opérationnels. L’IA offre aux acteurs des marchés émergents des outils essentiels pour surmonter des obstacles tels que les coûts élevés et l’absence d’historique de crédit traditionnel, ce qui en fait un atout précieux pour les entreprises en plein essor du secteur.
Qu’est-ce que l’IA ?
L’IA désigne, de manière générale, un système informatique capable de traiter les données qu’il reçoit afin de produire des résultats tels que des prédictions, des contenus, des recommandations ou des décisions pouvant avoir un impact sur des environnements physiques ou virtuels.
Les systèmes d’IA se différencient notamment par leur degré d’autonomie et leur capacité d’adaptation. Ils sont considérés comme « intelligents » dans la mesure où ils peuvent analyser leur environnement, interpréter les informations disponibles et agir de manière autonome pour atteindre des objectifs prédéfinis.
L’arsenal de la FinTech : outils et technologies d’IA
Les avancées récentes ont permis à ce secteur d’exploiter une gamme variée d’outils d’IA pour redéfinir la prestation de services. Ces outils comprennent :
- Apprentissage automatique (Machine Learning – ML) : systèmes capables d’apprendre des modèles statistiques à partir de données historiques pour reproduire des résultats de manière fiable, sans nécessiter la création manuelle de variables (ou « features »).
- Traitement du langage naturel (NLP) : [JF1] technologie permettant aux machines de comprendre, d’interpréter et de générer le langage humain. Elle est souvent utilisée pour les interfaces vocales et les agents conversationnels (chatbots).
- Automatisation des processus par la robotique (RPA) : « robots » logiciels imitant les actions humaines pour automatiser des tâches répétitives régies par des règles, telles que la saisie de données et le rapprochement de comptes.
- Analytique prédictive : méthodes d’analyse utilisant l’IA pour examiner des données et prévoir des résultats futurs, comme l’évolution des cours de bourse ou les taux de défaut de paiement des prêts.
- IA agentique : Une frontière émergente des systèmes autonomes capables de planifier et d’exécuter de manière indépendante des flux de travail en plusieurs étapes. Ces systèmes sont actuellement adoptés ou testés par 52 % des professionnels du secteur interrogés.
- IA générative (GenAI) : Une sous-catégorie de modèles d’IA qui utilisent les données ayant servi à leur entraînement pour créer du contenu nouveau et « original » en réponse aux instructions des utilisateurs. La GenAI offre des outils sophistiqués pour la détection et la prévention de la fraude.
L’IA redéfinit continuellement les fondements de la FinTech moderne, avec des applications notables dans l’octroi de prêts, la détection de la fraude et l’évaluation des risques. Cela permet d’offrir aux consommateurs un niveau de personnalisation des services financiers sans précédent. L’essor du paiement mobile en Afrique, porté par des entreprises de FinTech s’appuyant sur des outils d’IA tels que l’apprentissage automatique et l’analyse prédictive, a même favorisé l’émergence de modèles alternatifs de notation de crédit, permettant ainsi d’accorder des crédits à des consommateurs jusqu’alors exclus du système bancaire ou mal desservis.
La rapidité avec laquelle les outils d’IA automatisent les tâches répétitives et analysent de vastes ensembles de données — bien au-delà des capacités humaines — a contribué à améliorer l’efficacité opérationnelle, les contrôles de conformité et la détection des fraudes, renforçant ainsi la sécurité des systèmes financiers tout en réduisant les coûts et les pertes liées à la fraude. Ces outils ont également ouvert une nouvelle ère dans la gestion de portefeuilles d’investissement, grâce au trading algorithmique et à l’interaction en temps réel avec les consommateurs via des chatbots et des assistants virtuels dopés à l’IA. L’IA autonome (ou « agentique ») porte l’interaction client à un niveau supérieur, en proposant diverses options de libre-service aux consommateurs et aux entreprises, notamment dans les domaines du commerce électronique et des opérations d’investissement.
Dans l’ensemble, le développement des capacités de l’IA contribue à rendre les services financiers plus efficaces, plus sûrs et plus accessibles.
Un terrain clé pour l’innovation et la concurrence
Le secteur de la FinTech constitue le principal moteur de l’innovation fondée sur l’IA ; les entreprises de ce domaine devancent systématiquement les banques traditionnelles en matière d’adoption et de mise en œuvre de technologies d’IA avancées. Pas moins de 87 % des entreprises FinTech expérimentent actuellement l’IA, voire la déploient à grande échelle. Cette transition s’opère beaucoup plus lentement au sein des institutions financières traditionnelles, souvent freinées par la complexité de leurs systèmes hérités. Cette pression concurrentielle propulse les dépenses mondiales consacrées à l’IA dans le secteur bancaire vers un montant estimé à 97 milliards de dollars d’ici 2027.
Des applications variées à l’œuvre
L’Afrique s’est imposée comme un leader mondial dans l’utilisation de l’IA pour combler le fossé de l’inclusion financière grâce à des applications innovantes, notamment:
- Évaluation du risque de crédit agricole : FarmDrive, une entreprise kényane d’analyse de données agricoles, utilise l’apprentissage automatique (ML) et les données de téléphonie mobile personnelle pour établir des profils de crédit alternatifs pour les petits exploitants agricoles mal desservis, leur permettant ainsi d’accéder à des capitaux pour leur développement.
- Réduction des taux de défaut :La fintech africaine MyBucks utilise sa plateforme d’IA « Jessie » pour générer des profils d’emprunteurs à partir de données de téléphonie mobile personnelle, réduisant ainsi son taux de défaut en Afrique du Sud de 18 % en un seul exercice financier.
- Interaction automatisée avec les clients : MTN Côte d’Ivoire a intégré des échanges numériques assistés par IA dans son portefeuille MoMo, automatisant avec succès 95 % de ses conversations numériques, ce qui a permis d’améliorer l’éducation financière et la compréhension des produits.
- Risques climatiques et assurance : WorldCover utilise l’IA pour analyser des données satellitaires et météorologiques afin de déclencher des versements d’assurance automatiques via des plateformes de paiement mobile telles que M-Pesa, protégeant ainsi les agriculteurs contre les chocs financiers liés au climat.
- Adoption de modèles à poids ouverts : L’Afrique subsaharienne affiche le taux d’adoption régional le plus élevé (21 %) pour les modèles à poids ouverts et abordables comme DeepSeek, permettant aux entreprises de concevoir des outils d’IA sophistiqués avec des barrières à l’investissement réduites.
Les défis de l’IA dans le secteur financier
L’IA a non seulement multiplié de façon exponentielle les choix de services offerts aux consommateurs, mais elle a également permis des gains d’efficacité dans les opérations de front-office et de back-office. Ces opportunités ne sont toutefois pas exemptes de défis. L’accès aux outils et technologies d’IA, tout comme leur adoption, demeure inégal à l’échelle mondiale. Cette inégalité ne fait qu’accentuer la fracture numérique existante entre les zones urbaines et rurales, ainsi qu’entre les populations à revenus élevés et celles à faibles revenus. Selon les sources de données et les biais inhérents aux données d’entraînement utilisées, les algorithmes d’IA et les modèles prédictifs peuvent renforcer les inégalités et favoriser une utilisation abusive des informations personnelles, soulevant ainsi des préoccupations en matière de confidentialité et de sécurité des données.
À l’ère des systèmes de paiement instantané, les cas de fraude, d’escroquerie et de piratage de plateformes restent à un niveau élevé, alimentés par des outils d’IA sophistiqués permettant la création de « deepfakes » et la fraude à l’identité synthétique. Les escroqueries faisant appel à l’IA surpassent désormais les fraudes traditionnelles, comme en témoigne la hausse exponentielle des fraudes de type « APP » (Approved Push Payment) au Royaume-Uni, qui ont atteint 485 millions de livres sterling en 2022.
Réponse des régulateurs et du secteur
Les risques liés à l’utilisation de l’IA dans le secteur financier sont inédits, mais ils ont tendance à être exacerbés par des risques relatifs aux données (confidentialité et sécurité), à la protection des consommateurs (biais et équité) et à la stabilité prudentielle (crédit et opérations). En raison de cette nouveauté, très peu de juridictions, hormis l’Union européenne (UE), ont édicté des réglementations spécifiques à l’IA. Adopté en juin 2024, le règlement de l’UE sur l’intelligence artificielle (IA Act) constitue l’un des premiers cadres réglementaires au monde en la matière. Ce texte adopte une approche fondée sur les risques pour évaluer les systèmes d’IA, en les classant selon quatre niveaux : risque minimal, limité, élevé et inacceptable. Les systèmes d’IA présentant un risque inacceptable peuvent être interdits, tandis que des exigences strictes en matière de conformité et de transparence peuvent être imposées aux systèmes présentant un risque élevé ou limité. Les sanctions prévues par le règlement peuvent atteindre 35 millions d’euros ou 7 % du chiffre d’affaires mondial du fournisseur d’IA sanctionné.
Dans l’ensemble, la réponse du secteur s’est traduite par l’élaboration de politiques et de lignes directrices intersectorielles sur l’IA, émanant tant des autorités nationales et internationales que des organismes de normalisation ; ces initiatives mettent l’accent sur la transparence, l’explicabilité, la gouvernance, la responsabilité et la fiabilité des outils et technologies d’IA utilisés par les institutions financières.
Si les avantages de l’IA pour la finance mondiale sont largement reconnus, les régulateurs soulignent unanimement la nécessité de renforcer la gouvernance, d’investir dans la science des données et l’expertise en IA, et d’assurer une surveillance des tiers afin de concilier innovation et protection des consommateurs. À titre d’exemple, le régulateur britannique des systèmes de paiement (PSR) a rendu obligatoire, à partir d’octobre 2024, le remboursement des victimes de fraudes de type « APP » (fraude par virement autorisé), transférant ainsi la responsabilité aux banques et aux prestataires de services de paiement. Parallèlement, des cadres de gouvernance et d’éthique de l’IA voient de plus en plus le jour. C’est notamment le cas du guide de l’ASEAN sur la gouvernance et l’éthique de l’IA, qui se concentre sur quatre domaines clés : les mesures de gouvernance interne, l’intervention humaine dans les processus de décision assistés par l’IA, la gestion des opérations, ainsi que la communication et les interactions avec les parties prenantes.
Conclusion
Les innovations en matière d’IA constituent une arme à double tranchant pour les écosystèmes financiers. Si les avantages qu’elles procurent — en termes d’efficacité opérationnelle, d’accessibilité financière, de sécurité et de personnalisation des services — favorisent des interactions en temps réel avec les consommateurs, ces mêmes outils et technologies peuvent également compromettre la sécurité des plateformes et accroître la sophistication de la fraude, ce qui risque d’altérer considérablement la confiance des consommateurs envers l’écosystème financier. Il est donc crucial de garantir une utilisation éthique de l’IA à tous les niveaux, de trouver un juste équilibre entre les décisions humaines et celles pilotées par l’IA, et de renforcer continuellement les compétences et l’expertise de la main-d’œuvre concernant ces outils et technologies.
Sabine F. Mensah, Directrice Générale Adjointe, et Felista Amagarat, Chargée de Recherches Sénior, à AfricaNenda Foundation