Crédit, sinistres, fraude : la vitesse et la précision des décisions deviennent stratégiques, et l’IA générative change la donne en rapprochant l’intention métier de l’exécution terrain. Pionnier du sujet, IBM lance une nouvelle solution dénommé « Decision Intelligence ».

Nouvelle brique d’automatisation des décisions, IBM Decision Intelligence convertit des politiques métier rédigées en langage naturel en règles traçables, auditables et déployables rapidement. Conçue pour les métiers mais gouvernée par l’IT, la plateforme vise des cas d’usage à grand volume comme le crédit, les sinistres et la lutte contre la fraude.

IBM était déjà reconnu par Forrester comme l’un des leaders des AI Decisioning Platforms. Histoire d’assoir sa position, la firme américaine dévoile Decision Intelligence, une plateforme qui ambitionne d’industrialiser la prise de décision automatisée au cœur des processus critiques. Une telle plateforme vise à accélérer les décisions sans sacrifier la gouvernance, la conformité et l’explicabilité, alors que les politiques évoluent vite et que les risques opérationnels et réglementaires s’intensifient.

Développée par le Centre de R&D d’IBM France, la solution s’attaque au maillon faible des chaînes décisionnelles : la traduction fiable et rapide des politiques internes dans les systèmes opérationnels. Concrètement, un assistant alimenté par l’IA générative lit les politiques, synthétise la logique métier et génère des flux décisionnels exécutables que les parties prenantes peuvent relire et auditer. L’objectif : passer d’itérations IT de plusieurs mois à des déploiements en quelques heures sur des décisions à fort volume, de l’approbation de crédit au traitement des réclamations et aux contrôles anti-fraude.

La promesse ne tient pas seulement à la vitesse. Decision Intelligence place la traçabilité et l’auditabilité au même niveau que l’automatisation : chaque décision est justifiable et vérifiable, ce qui intéresse autant les directions métier que les fonctions risque, conformité et sécurité dans les secteurs régulés. IBM met en avant un modèle “business-first, IT-guarded” : les utilisateurs métier modélisent en langage naturel, pendant que l’IT encadre l’exécution, les intégrations et la gouvernance centralisée.

Sur le plan technique, la solution repose sur une plateforme SaaS cloud-native et s’appuie sur le portefeuille watsonx d’IBM : elle s’intègre aux sources de données, aux modèles d’IA et aux systèmes opérationnels existants, tout en unifiant règles et modèles pour éviter les intégrations ad-hoc qui minent la fiabilité et la sécurité. L’approche externalise la logique de décision hors des applications, pour gagner en agilité quand les politiques évoluent ou que de nouvelles contraintes réglementaires apparaisse.

Au-delà du discours marketing, IBM assume ici une rupture avec les moteurs de règles statiques en popularisant une prise de décision “AI-native” : l’IA générative comble l’écart entre l’intention d’une politique et son exécution opérationnelle, tout en conservant des garde-fous indispensables (contrôle, tests, journalisation). Comme le résume Stéphane Mery, IBM Distinguished Engineer et CTO Decision Intelligence : « Cette solution va au-delà de l’automatisation… [elle] opérationnalise la prise de décision, s’adapte en permanence aux évolutions du marché et fait émerger des opportunités avant qu’elles ne se transforment en lacunes. »

Pour les DSI de la finance, de l’assurance et de la distribution, l’adoption d’une telle solution doit permettre de réduire les délais de mise à jour des politiques, de standardiser la décision à l’échelle des entités, de documenter les choix pour les audits, et de fermer les angles morts créés par des systèmes fragmentés.

 

À lire également :