Dans la finance, l’IA ne peut plus rester cantonnée aux pilotes. En 2026, les projets qui avanceront vraiment seront ceux capables de prouver vite leur impact business, sans laisser les coûts dériver ni s’enliser dans les limites du legacy.
L’adoption de l’intelligence artificielle dans les services financiers accélèrera-t-elle en 2026 ? En 2024, celle-ci était encore limitée, dans la mesure où seules 8 % des banques avaient développé de manière structurée des projets d’IA générative, selon un rapport IBM. Cependant, la dynamique est en train de changer. En 2025, de nombreux établissements sont passés des phases de test à des déploiements à plus grande échelle. En France, BNP Paribas a par exemple testé des agents IA pour la relation client et la détection d’anomalies afin d’assister les équipes conformité face à la demande de documents réglementaires toujours croissante.
Les promesses de la technologie sont fortes : gain de productivité, automatisation, meilleure exploitation des données… Mais mal pilotée, l’IA peut rapidement faire exploser les coûts avec de trop nombreux outils. À l’inverse, des projets trop lents à se concrétiser peuvent également générer des coûts importants de mise en œuvre.
Pour de nombreuses équipes techniques, la priorité absolue est de démontrer rapidement le retour sur investissement de l’IA. Ceci permet aux directeurs techniques d’aligner plus étroitement les investissements technologiques sur la stratégie commerciale. Quelles solutions les entreprises peuvent-elles utiliser pour répondre à ces défis ?
Concilier la stratégie technologique et commerciale : le nouveau défi du CTO
Dans les banques, les assurances ou la gestion d’actifs, l’IA concerne désormais toutes les fonctions. Par conséquent, le rôle du Chief Technical Officer (CTO) évolue. Il ne s’agit plus seulement de déployer des technologies, il lui faut également comprendre les priorités commerciales. Ceci passe par la construction de feuilles de route et l’identification de cas d’usage de l’IA pour améliorer les stratégies en place et l’expérience client.
Cette ambition se heurte souvent à la logique de réduction des coûts à court terme des autres dirigeants au sein de la société. Les entreprises se demandent généralement : « nos dépenses sont-elles raisonnables ? »plutôt que d’évaluer les investissements dans l’IA d’un point de vue stratégique. Elles courent ainsi le risque de négliger la valeur que l’IA est en mesure de leur apporter.
Le CTO doit donc être capable de justifier les nouveaux investissements et leur impact pour éviter la perte de bénéfices. Il peut par exemple expliquer ce qui fonctionne en matière d’investissements technologiques et pourquoi ils sont efficaces.
La preuve du retour sur investissement, point de tension majeur
Même si les services financiers se familiarisent de plus en plus avec l’IA, beaucoup rencontrent encore des difficultés à trouver le juste équilibre entre coûts et valeur ajoutée. Ceci s’explique en partie parce qu’il peut être plus difficile de suivre les progrès dans le secteur. Par exemple, les silos de données peuvent diminuer l’efficacité des solutions d’IA et retarder la mise en place d’un suivi régulier. Résultat : il est plus complexe de suivre précisément les performances de ces projets dans le temps.
Il ne faut pas non plus oublier que la pression budgétaire s’intensifie. Selon une étude Apptio, 84% des entreprises interrogées prévoient une hausse de leur budget informatique en 2026. Les dépenses liées à l’IA pourraient même dépasser ces enveloppes alors que les différentes équipes doivent justifier du retour sur investissement des projets technologiques. Dans ce contexte, la visibilité devient indispensable. Pour ce faire, les entreprises peuvent se tourner vers des approches structurées telles que le Technology Business Management pour relier les dépenses technologiques à des résultats concrets pour un meilleur suivi et arbitrage.
Le poids persistant des systèmes historiques
Les services financiers sont également confrontés au frein de la dépendance constante aux systèmes historiques. Des technologies anciennes, certes robustes, mais difficiles à faire évoluer. Dans le modèle actuel de la transformation, le nouveau s’empile souvent sur l’existant. Cette accumulation ralentit l’innovation et limite la capacité à exploiter pleinement l’IA. La réticence à remplacer ces anciens systèmes peut s’expliquer par les coûts élevés de migration, l’aversion au risque et les contraintes réglementaires. Mais ignorer le problème revient à brider durablement le potentiel de l’IA. Les entreprises peuvent adopter une approche stratégique proposant aux services financiers une modernisation par étape qui permet d’avancer sans fragiliser les opérations.
Quelles mesures privilégier ?
Afin de faire face à ces défis, les services financiers doivent adopter une approche davantage structurée pour l’adoption de l’IA :
1 – Mieux suivre les coûts, pour relier clairement les investissements IA aux objectifs commerciaux et s’assurer de leur alignement.
2 – Harmoniser les systèmes, sans rupture brutale, afin de libérer des ressources pour les projets d’IA.
3 – Se concentrer sur la valeur commerciale, en considérant l’IA comme un levier de performance, et non comme un simple outil de réduction des coûts.
Les organisations les plus performantes seront donc celles qui trouveront le juste équilibre entre innovation et discipline financière. L’IA offre de nombreuses opportunités aux entreprises de services financiers, mais son intégration doit être gérée avec prudence. Les technologies traditionnelles étant encore très présentes dans le secteur et les défis en matière de retour sur investissement devenant plus prononcés, les chefs d’entreprise doivent prendre les devants pour s’assurer que les investissements dans l’IA génèrent une valeur tangible.
____________________________
Par Iria Saleiro, RVP Europe du Sud chez Apptio, une entreprise IBM
____________________________
puis