L’intelligence artificielle modifie en profondeur l’usage des données et les décisions dans les organisations privées et publiques, a déclaré Marlene Amstad, présidente de la FINMA, dans un discours devant l’Association suisse des banquiers. Elle a plus de 30 ans d’expérience sur les marchés financiers en Asie, aux États-Unis et en Europe. La rapidité de l’évolution technologique se lit dans le passage, en cinq ans, de la finance décentralisée et des NFT aux grands modèles de langage. La finance est plus exposée à l’IA que la plupart des secteurs, car elle repose sur trois piliers : les données, la vitesse et la confiance.
La finance utilise des données telles que les identifications vidéo des clients, les plans de bâtiments et les dossiers de vente hypothécaire pour les décisions de crédit et d’entrée en relation. Une grande partie se présente sous forme de texte non structuré. L’IA moderne se distingue des logiciels classiques en reconnaissant des motifs, en traitant de nouveaux types de données, en comprenant le texte et en formulant des recommandations avec une rapidité et une portée inédites. Des décisions de crédit qui prenaient des jours peuvent être prises en quelques secondes, ce qui réduit aussi le temps pour repérer les erreurs. Ces gains ne valent rien si la confiance des clients, des investisseurs et du public s’érode.
La diversité de la place financière suisse, des acteurs mondiaux aux banques régionales et aux fintechs, en fait un laboratoire naturel à l’avant-garde de ces évolutions. Autorité intégrée, la FINMA suit l’adoption chez les banques, assureurs et gestionnaires d’actifs. Elle mène des enquêtes depuis 2021, la dernière en 2025 auprès d’environ 400 établissements. Trois constats en ressortent. La dynamique reste forte : les établissements exploitent environ cinq applications en moyenne et en développent neuf autres, avec une activité plus intense chez les plus grands.
L’adoption est large mais peu profonde, privilégiant les usages précoces et moins critiques comme les assistants de communication avec les clients, la génération de texte et l’optimisation des processus. Plus de 90 % des établissements utilisant l’IA recourent à des méthodes génératives, rapides à mettre en œuvre, faciles à délimiter et dont l’impact reste maîtrisable. Les décisions de crédit et les indicateurs réglementaires sont abordés avec plus de prudence. Seule la moitié environ des répondants dispose d’une stratégie explicite. Peu développent leurs outils en interne et s’appuient plutôt sur un petit groupe de fournisseurs. Cela impose des exigences élevées de gouvernance et de gestion des risques, surtout si des modèles identiques créent une dépendance et des risques pour la stabilité en cas de pannes communes ou de modèles défaillants.
La responsabilité ne peut être déléguée à un algorithme, surtout avec l’IA agentique, capable de planifier, d’exécuter et d’enchaîner des tâches de façon autonome. Les organisations doivent rester responsables de la finalité, des limites et des résultats des applications. Une part importante du risque tient aussi aux acteurs malveillants, ce qui fait de l’IA un outil à double usage. Les modèles avancés peuvent déceler des failles logicielles et accélérer les attaques. Selon Interpol, les opérations de fraude assistées par l’IA sont environ quatre fois et demie plus rentables que les méthodes traditionnelles.
