L’intelligence artificielle : un levier majeur déjà plébiscité par les professionnels des marchés financiers, révèle une étude de l’AMF

Dans la finance, l’intelligence artificielle n’est plus un sujet expérimental réservé à quelques pionniers. Une étude récente menée auprès d’un large panel d’acteurs en France montre que près de 90 % des professionnels des marchés financiers utilisent déjà cette technologie ou s’apprêtent à le faire très rapidement. Le mouvement est massif et touche aussi bien les sociétés de gestion que les prestataires de services d’investissement ou les acteurs des crypto-actifs.

Ce basculement se joue pourtant, pour l’instant, loin des écrans des épargnants : l’IA est surtout utilisée en coulisse, pour automatiser des tâches, renforcer l’analyse de données, améliorer les contrôles de conformité et la surveillance de marché. Les cas d’usage directement orientés vers les clients restent minoritaires, mais les investissements annoncés laissent présager une montée en puissance. Pour un investisseur, comprendre cette dynamique permet d’apprécier comment l’IA devient un levier majeur d’innovation dans la finance, mais aussi d’identifier les principaux risques (gouvernance, dépendance technologique, protection des données) qui guideront les priorités de l’AMF dans les prochaines années.

En bref :

• 90 % des acteurs financiers en France utilisent l’intelligence artificielle ou prévoient de le faire à très court terme, avec une forte place de l’IA générative.
• Plus de la moitié des cas d’usage recensés sont déjà en production, surtout dans les grandes entreprises et sur des fonctions internes.
• 83 % des usages concernent des outils internes (productivité, assistanats, extraction et synthèse), seulement 17 % visent directement la relation client.
• Les acteurs s’appuient majoritairement sur des solutions prêtes à l’emploi, avec une forte dépendance à quelques prestataires technologiques non européens.
• Les bénéfices perçus portent sur la réduction des coûts et l’optimisation des processus, mais les risques de gouvernance et de protection des données restent centraux.
• 72 % des entités interrogées ont déjà mis en place une gouvernance de l’IA, signe d’une prise de conscience structurante pour les marchés financiers.

IA et marchés financiers : une adoption désormais massive

Le premier enseignement fort de cette enquête est l’ampleur de l’adoption. Près de 90 % des acteurs interrogés déclarent utiliser l’intelligence artificielle ou avoir un projet opérationnel dans les douze mois. Ce niveau place l’IA au cœur des stratégies de nombreux établissements, bien au-delà du simple « test & learn ».

Les répondants couvrent un spectre large : sociétés de gestion de portefeuille, prestataires de services d’investissement, acteurs des crypto-actifs, plateformes de financement participatif, sociétés cotées, cabinets d’audit et avocats spécialisés. Cette diversité illustre un mouvement transversal qui touche la quasi-totalité de la chaîne de valeur des marchés financiers.

Ce que cela signifie pour un investisseur : la transformation ne se joue plus seulement chez les géants technologiques. Les intermédiaires qui gèrent des fonds, exécutent des ordres, contrôlent les opérations ou produisent de l’information financière intègrent de plus en plus cette technologie dans leur fonctionnement quotidien.

Pourquoi l’IA générative s’impose comme technologie dominante

Parmi les outils déployés, l’IA générative ressort comme la technologie la plus utilisée. Elle sert par exemple à rédiger des notes internes, synthétiser des rapports, préparer des supports de conformité ou d’analyse, voire structurer des échanges entre équipes.

Pour une société de gestion fictive comme « HexaInvest », ces outils peuvent générer des résumés quotidiens de marchés à partir de données brutes, que les analystes relisent et complètent. Le gain de temps est important, mais la responsabilité humaine reste centrale pour valider le contenu.

Point clé : l’IA générative n’est pas seulement un gadget rédactionnel. Elle devient une infrastructure de productivité pour les professionnels, tout en posant de nouvelles questions de qualité des données, de traçabilité et de maîtrise des biais.

Une IA surtout utilisée en coulisse : productivité, conformité, surveillance

La très grande majorité des cas recensés – 83 % – concernent des usages internes. L’IA agit d’abord comme un moteur de rationalisation des tâches et de renforcement des fonctions de support, sans contact direct avec l’investisseur final.

Les réponses collectées montrent quatre grands types de cas d’usage, qui structurent l’organisation de nombreux établissements financiers.

Automatisation interne : assistants, extraction, synthèse

Une part significative des projets concerne des outils de productivité : assistants internes pour rechercher de l’information dans une base documentaire, solutions capables d’extraire des données de rapports PDF, systèmes de synthèse automatique de documents longs.

Dans un cabinet d’audit, un assistant IA peut par exemple aider à repérer les points clés d’un document réglementaire de plusieurs centaines de pages. Les équipes se concentrent alors davantage sur l’analyse qualitative plutôt que sur la collecte mécanique d’informations.

Pour l’investisseur, cette évolution signifie que le temps des professionnels peut être réorienté vers des tâches à plus forte valeur ajoutée, comme l’analyse des risques ou l’évaluation des scénarios de marché.

Analyse de données de marché et gestion des risques

Les sociétés de gestion et les prestataires de services d’investissement exploitent l’intelligence artificielle pour mieux traiter les volumes massifs de données générés par les marchés financiers. Les algorithmes peuvent aider à détecter des corrélations, des signaux faibles, ou des anomalies dans des flux d’informations complexes.

Dans une société comme « Axiom Gestion », un moteur d’IA peut par exemple analyser en continu des milliers de séries temporelles (cours, volumes, indicateurs macroéconomiques) et signaler les situations qui sortent des schémas historiques. Les gérants conservent la main sur les décisions, mais disposent d’un outil de veille renforcé.

Ce que cela change concrètement : l’IA ne remplace pas la décision d’investissement, mais elle modifie la façon dont les risques et les opportunités sont identifiés et priorisés.

Conformité et détection des abus de marché

Les infrastructures de marché et certains prestataires de services d’investissement utilisent également l’IA pour la surveillance des transactions. L’objectif est de détecter plus rapidement des schémas potentiellement suspects : manipulation de cours, opérations d’initiés, comportements anormaux sur un titre.

Un algorithme peut par exemple comparer le comportement d’un ensemble d’ordres à des modèles de manipulation connus et générer une alerte à destination des équipes de conformité. Celles-ci mènent ensuite l’analyse approfondie et, le cas échéant, signalent la situation au régulateur.

Point de vigilance : la construction de ces modèles doit être rigoureuse pour éviter à la fois les faux positifs excessifs et les angles morts. L’AMF surveille de près ces usages, en cohérence avec ses priorités de supervision des marchés.

Usages orientés clients : encore limités, mais à suivre de près

Les réponses collectées indiquent que seuls 17 % des cas d’usage visent l’interaction avec la clientèle. Les outils d’IA servent principalement à améliorer la communication, la personnalisation de l’information ou le traitement des demandes, mais restent peu présents dans la fourniture directe de services d’investissement.

Dans les faits, seuls 1 % des cas d’usage recensés concernent des outils explicitement appliqués à la décision d’investissement ou au conseil automatisé. Le cœur des services à l’investisseur reste donc largement humain ou fondé sur des outils plus traditionnels.

Exemples de services orientés expérience client

Un établissement peut déployer un chatbot spécialisé pour répondre aux questions fréquentes sur les produits financiers simples, les frais ou les démarches administratives. Dans la plupart des cas, ces solutions sont présentées comme des outils d’assistance, et non comme des conseillers en investissement.

Une banque de détail fictive, « Banque Horizon », peut ainsi utiliser l’IA pour trier et catégoriser les messages reçus via son espace client, puis suggérer des réponses aux conseillers humains qui les valident avant envoi. L’IA reste en second plan, mais accélère le temps de traitement.

Ce point est essentiel pour les particuliers : même si l’IA est présente dans les coulisses, la responsabilité juridique et la relation de conseil restent encadrées par les textes, et l’AMF rappelle régulièrement les exigences en matière de protection de l’épargnant.

Dépendance technologique : la concentration des prestataires IA

L’étude montre une forte utilisation de solutions prêtes à l’emploi, fournies par des prestataires spécialisés. Les institutions financières ne développent pas toutes leurs propres modèles : elles recourent souvent à des plateformes externes, notamment pour l’IA générative et certains services de données.

Un élément structurant ressort : la dépendance à un nombre restreint de fournisseurs non européens. Cette concentration pose des questions de souveraineté technologique, de résilience opérationnelle et de conformité réglementaire (localisation des données, sécurité, confidentialité).

Cloud, IA et exigences de conformité

La montée en puissance de ces partenariats technologiques s’inscrit dans un mouvement plus large de recours au cloud, déjà analysé par le régulateur et détaillé dans des travaux sur les enjeux de conformité liés au cloud et aux prestataires critiques. Pour les acteurs financiers, l’enjeu est de concilier innovation rapide et maîtrise des risques opérationnels.

Pour l’investisseur, ces choix ne sont pas visibles au quotidien, mais ils peuvent peser sur la continuité de service, en cas de défaillance d’un fournisseur majeur. Les autorités européennes regardent donc de près la concentration de ces services.

Insight clé : derrière chaque solution d’IA utilisée en finance, il existe une chaîne de prestataires qui doit elle aussi être pilotée, auditée et sécurisée.

Les bénéfices perçus : réduction des coûts et efficacité accrue

Les entités interrogées identifient plusieurs bénéfices majeurs à l’adoption de l’intelligence artificielle. Au-delà de la simple capacité à traiter de grands volumes de données, deux dimensions ressortent : la réduction des coûts et l’amélioration des processus internes.

Les gains se matérialisent particulièrement sur des activités répétitives mais intensives en main-d’œuvre : compilation de rapports, contrôles de premier niveau, tri d’informations, rapprochements de données. L’IA permet d’automatiser ces tâches tout en laissant aux équipes le soin de traiter les cas complexes.

Comment les professionnels de la finance structurent leurs gains

Les établissements structurent leurs projets IA autour de plusieurs axes, souvent combinés :

• Productivité : automatisation de la collecte et de la synthèse d’informations.
• Qualité des données : détection d’erreurs, rapprochement de sources hétérogènes.
• Vitesse de traitement : réponses plus rapides aux demandes internes et externes.
• Contrôle des risques : outils de surveillance renforcée et d’alertes ciblées.

Pour un investisseur, ces gains peuvent, à terme, se traduire par des services plus fluides, des délais de traitement réduits ou une meilleure capacité des acteurs à réagir aux chocs de marché. Cela ne constitue en revanche pas une garantie de performance financière, mais un élément de robustesse opérationnelle.

Risques identifiés : gouvernance, données, dépendance à la technologie

Face à cette montée en puissance, les acteurs interrogés mettent en avant plusieurs risques clés. Les enjeux de gouvernance et de protection des données arrivent en tête, suivis par la crainte d’une dépendance excessive aux systèmes, en l’absence de supervision humaine suffisante.

Ces risques ne sont pas théoriques : ils se manifestent dès que des décisions ou des processus critiques reposent en partie sur des modèles complexes et parfois opaques.

Gouvernance de l’IA : une réponse structurée des acteurs

En réponse à ces préoccupations, 72 % des entités déclarent avoir mis en place des politiques de gouvernance de l’IA. Ces dispositifs peuvent inclure des comités dédiés, des procédures de validation des modèles, des contrôles périodiques, ou encore des règles de documentation.

Reprenons l’exemple d’« HexaInvest » : avant de déployer un algorithme de scoring interne, la société met en place un processus de validation incluant l’équipe risques, la conformité, l’IT et les métiers. Les biais potentiels sont identifiés, des scénarios de tests sont définis, et des garde-fous sont fixés pour maintenir un contrôle humain.

Point de vigilance pour les investisseurs : des politiques de gouvernance existent, mais leur efficacité repose sur la qualité de leur mise en œuvre, un point que l’AMF inscrit déjà dans ses axes de supervision pour les prochaines années.

Données, biais et transparence des modèles

La qualité des données utilisées pour entraîner ou alimenter les modèles est au cœur des préoccupations. Des données incomplètes, biaisées ou mal nettoyées peuvent entraîner des décisions sous-optimales, voire discriminatoires dans certaines situations.

Les professionnels sont également confrontés à des modèles parfois difficiles à expliquer. Cette opacité peut complexifier le respect de certaines exigences réglementaires, notamment lorsqu’il faut justifier une décision auprès d’un investisseur ou d’une autorité.

Le principal enseignement : la puissance de calcul ne dispense pas de la nécessité de comprendre la logique sous-jacente aux résultats produits par les systèmes d’IA.

Priorités de supervision et protection des investisseurs

Les constats de cette étude serviront de base aux priorités de supervision du régulateur pour les prochaines années. Deux axes se détachent particulièrement : la maîtrise des risques liés à l’IA et la protection des investisseurs, notamment lorsque des outils seront orientés vers la clientèle.

Les autorités resteront attentives à la manière dont les services automatisés sont présentés aux épargnants, afin de garantir que ces derniers comprennent ce qui relève d’une assistance technologique et ce qui relève d’un conseil en investissement, encadré par un cadre juridique précis.

Ce que cela implique pour un investisseur particulier ou professionnel

Pour un particulier, l’enjeu est de savoir si les services utilisés – plateformes, robo-advisors, outils d’agrégation – intègrent de l’IA, et comment. La transparence sur le rôle de ces outils, leurs limites et le niveau d’intervention humaine reste un point clé.

Pour un investisseur professionnel, la question porte davantage sur la solidité des processus de gouvernance, la maîtrise des risques de concentration technologique et la capacité à auditer les modèles utilisés par ses partenaires ou fournisseurs de données.

Dans les deux cas, il s’agit d’intégrer l’IA comme une composante structurante des marchés, à mettre en regard d’autres tendances majeures comme la régulation des crypto-actifs, l’évolution des modes de paiement ou la montée en puissance des infrastructures de données, déjà analysées dans d’autres travaux d’Investmania, par exemple autour des baromètres IA et finance ou des opportunités liées aux investissements dans l’IA.

Panorama synthétique des usages de l’IA en finance

Pour mieux visualiser la répartition des usages et leurs implications, le tableau suivant reprend les grandes catégories identifiées et ce qu’elles impliquent concrètement pour un investisseur.

Source : AMF

FAQ – Questions fréquentes

L’intelligence artificielle décide-t-elle déjà à la place des gérants de portefeuille ?

Selon les informations disponibles, l’IA est surtout utilisée comme outil d’aide à la décision et de productivité. Seule une part très marginale des cas recensés (environ 1 %) porte sur des outils appliqués directement à la fourniture de services d’investissement. Les gérants conservent donc la responsabilité des décisions, même lorsqu’ils s’appuient sur des analyses produites par des systèmes automatisés.

Quels sont les principaux risques de l’IA pour un investisseur ?

Les risques identifiés concernent principalement la gouvernance des modèles, la protection et la qualité des données, ainsi que la dépendance vis-à-vis de quelques prestataires technologiques. Pour un investisseur, l’enjeu est de s’assurer que les établissements avec lesquels il interagit disposent de processus clairs de supervision humaine et de transparence sur le rôle des outils d’IA dans les services fournis.

L’IA améliore-t-elle la performance des placements ?

Les professionnels perçoivent l’IA comme un levier d’efficacité opérationnelle et d’analyse, mais il n’existe aucune garantie automatique de performance des placements. L’intelligence artificielle peut aider à mieux traiter l’information et à identifier certains signaux, mais les décisions d’investissement restent soumises aux aléas des marchés financiers et à la qualité de la stratégie mise en œuvre.

Comment savoir si mon intermédiaire financier utilise l’IA ?

Les établissements communiquent de plus en plus sur leurs initiatives en matière d’IA, notamment dans leurs rapports institutionnels ou leurs supports commerciaux. En cas de doute, il est possible d’interroger directement son conseiller ou son prestataire pour comprendre quels outils sont utilisés, à quelles étapes du processus, et quelle part de la décision repose sur une intervention humaine.

L’IA en finance est-elle encadrée par un cadre réglementaire spécifique ?

L’utilisation de l’IA en finance s’inscrit dans des cadres existants (protection des investisseurs, gouvernance des produits, gestion des risques, protection des données), tout en étant progressivement ciblée par des initiatives européennes spécifiques. Les autorités de supervision intègrent désormais explicitement l’IA dans leurs priorités, notamment sur les sujets de gouvernance, de transparence et de maîtrise des risques, afin d’accompagner l’innovation tout en préservant l’intégrité des marchés.

Claire D.

Après plus de 15 ans d’expérience en veille et gestion documentaire pour divers organismes européens de régulation financière et places de marché. Experte des bases de données professionnelles et des flux réglementaires, elle surveille chaque jour les dernières actualités économiques et financières afin de vous tenir informé(e) de tout ce qui compte pour vos décisions d’investissement.