Mis à jour le · Relu par le service des admissions AI2, campus d’Écouen (Val-d’Oise)
Quelles sont les applications réelles de l’intelligence artificielle dans la finance ? Ce guide présente dix applications concrètes, chacune avec un exemple documenté par une banque, un assureur ou un régulateur, puis les règles qui s’appliquent (AI Act, DORA, RGPD), les métiers qui recrutent et les formations pour y accéder.
L’IA dans la finance en 2026 : ce que mesurent les superviseurs
Quatre enquêtes récentes mesurent l’adoption, sur des périmètres différents : l’Autorité bancaire européenne (EBA) parle de l’IA en général, l’AMF et l’EIOPA surtout de l’IA générative.
| Source | Périmètre | Résultat clé |
|---|---|---|
| EBA, fiche du 25 septembre 2025 | Banques de l’Union européenne | 92 % déploient l’IA, 8 % la testent ou étudient des cas d’usage ; 55 % des banques interrogées utilisent l’IA à usage général ou des agents dans des processus tournés vers les clients |
| ACPR, enquête 2025 (citée par Denis Beau le 9 septembre 2026) | Banques et assureurs en France | La quasi-totalité dispose de cas d’usage en production |
| AMF, étude du 2 février 2026 | 100 acteurs des marchés financiers en France | 90 % utilisent l’IA ou prévoient de le faire sous 12 mois ; 54 % ont des cas d’usage en production |
| EIOPA, rapport du 2 février 2026 | 347 assureurs de 25 pays | Près des deux tiers utilisent déjà l’IA générative, le plus souvent au stade de la preuve de concept |
L’AMF note un point souvent oublié : 83 % des 106 usages recensés sont internes, 17 % concernent la relation client et seulement 1 % des outils servant à fournir des services d’investissement. L’IA en finance est donc aujourd’hui surtout un outil de productivité et de contrôle, bien plus qu’un gérant automatique.
Les 10 applications de l’IA dans la finance
| Application | Exemple documenté | Cadre principal |
|---|---|---|
| 1. Détection de la fraude | Observatoire de la sécurité des moyens de paiement, Mastercard | DSP2, RGPD ; exclue du haut risque de l’AI Act |
| 2. Scoring de crédit | Arrêt SCHUFA de la CJUE, consultation ACPR sur l’équité | AI Act, annexe III ; RGPD, article 22 |
| 3. Lutte contre le blanchiment | EBA, OICV-IOSCO | Règlement AMLR, autorité AMLA |
| 4. Marchés, gestion et trading | AMF, ESMA, OICV-IOSCO | MiFID II |
| 5. Modélisation des risques | EBA, modèles internes de notation | CRR, validation des modèles |
| 6. Relation client | Erica (Bank of America), baromètre AMF | AI Act, article 50 |
| 7. Traitement des documents | BNP Paribas et Mistral AI, EIOPA | RGPD, DORA |
| 8. Conformité et supervision | Outils Athena et Heimdall de la BCE | DORA |
| 9. Assurance | EIOPA | AI Act, annexe III (vie et santé) |
| 10. Prévision et analyse économique | BCE, Banque de France | Gouvernance des modèles |
1. Détecter la fraude aux paiements
C’est l’usage historique. Les modèles comparent chaque opération au comportement habituel du client, au terminal utilisé et aux schémas de fraude connus, puis bloquent, laissent passer ou demandent une authentification renforcée, en temps réel.
Selon l’Observatoire de la sécurité des moyens de paiement (communiqué du 7 septembre 2026), la fraude à la carte est tombée en 2025 à son plus bas niveau historique, 47 euros pour 100 000 euros de paiements. La fraude par manipulation, comme le faux conseiller bancaire, a en revanche atteint 516 millions d’euros (+34 % sur un an), soit 41,6 % de la fraude totale. L’Observatoire demande aux banques de renforcer leurs outils en s’appuyant notamment sur l’intelligence artificielle. Côté réseaux, Mastercard indiquait en février 2024 que l’IA générative ajoutée à son outil Decision Intelligence améliorait, selon une première modélisation, le taux de détection de 20 % en moyenne.
2. Évaluer la solvabilité et attribuer un score de crédit
Les modèles d’apprentissage automatique estiment la probabilité qu’un emprunteur rembourse à partir de ses revenus, de ses charges et de son historique. C’est l’application la plus encadrée. L’annexe III de l’AI Act classe à haut risque les systèmes destinés à évaluer la solvabilité des personnes physiques ou à établir leur score de crédit, à l’exception de ceux qui servent à détecter la fraude financière. Ces obligations s’appliqueront le 2 décembre 2027, date fixée par le règlement omnibus (UE) 2026/1744, et l’ACPR en assurera la surveillance.
Le RGPD s’applique déjà : dans l’arrêt SCHUFA (C-634/21, 7 décembre 2023), la Cour de justice de l’Union européenne a jugé que le calcul automatisé d’un score est une décision individuelle automatisée lorsque le prêteur s’appuie de manière déterminante sur ce score. Sur les biais, l’ACPR a ouvert le 1er juillet 2026 une consultation sur l’équité algorithmique, close le 30 septembre 2026 ; son document de réflexion juge « largement obsolète » l’approche qui consiste à simplement retirer les variables sensibles, car les modèles peuvent reconstituer ces informations.
3. Lutter contre le blanchiment et le financement du terrorisme
Les banques doivent identifier leurs clients, surveiller les flux et déclarer les opérations suspectes. L’IA aide à vérifier l’identité lors d’une ouverture de compte à distance, à repérer des schémas anormaux (montants, fréquences, contreparties) et à trier les alertes, dont beaucoup sont de faux positifs. L’EBA range la LCB-FT et la fraude dans la même famille d’usages, et l’OICV-IOSCO (rapport de consultation du 12 mars 2025) note que l’IA renforce la surveillance et la conformité, en particulier contre le blanchiment. Chez les acteurs des marchés français, la conformité et la LCB-FT représentent 6 % des cas d’usage déclarés à l’AMF (février 2026).
Le cadre change : le règlement européen AMLR (UE) 2024/1624 s’appliquera à partir du 10 juillet 2027, et la nouvelle Autorité européenne de lutte contre le blanchiment (AMLA), installée à Francfort, supervisera directement jusqu’à 40 groupes à haut risque présents dans au moins six États membres à partir de 2028.
4. Analyser les marchés, assister la gestion et le trading
L’OICV-IOSCO recense le conseil automatisé (robo-advisors), le trading algorithmique, la recherche en investissement et l’analyse de sentiment parmi les usages de l’IA sur les marchés. En France, l’étude de l’AMF tempère : seulement 1 % des usages déclarés concernent des outils de fourniture de services d’investissement ; l’essentiel sert à extraire, analyser et résumer l’information. L’ESMA a rappelé le 30 mai 2024 que les décisions d’une entreprise d’investissement restent sous la responsabilité de ses dirigeants, qu’elles soient prises par des personnes ou par des outils d’IA, et que l’intérêt du client prime au regard de MiFID II.
5. Modéliser et piloter les risques
Risque de crédit, de marché, opérationnel : l’IA sert à segmenter les portefeuilles, repérer des signaux faibles et tester des scénarios. L’EBA cite la détection d’anomalies dans les résultats et les changements de préférences des clients. Pour les fonds propres, son rapport du 4 août 2023 sur les modèles de notation interne (IRB) observe que les banques utilisent l’apprentissage automatique seulement sur certaines étapes, surtout la construction des modèles de probabilité de défaut, et que l’explicabilité reste le principal frein. Selon l’AI Index 2026 de Stanford, à partir d’une enquête McKinsey, les services financiers font exception parmi les secteurs : ils déclarent un usage élevé de l’IA dans les fonctions risque et conformité.
6. Répondre aux clients : chatbots, assistants et conseillers augmentés
Assistants dans l’application bancaire, aide aux conseillers et aux centres d’appels, réponses aux questions fréquentes : selon l’EBA, ce sont les usages les plus courants de l’IA générative ou des agents dans les processus destinés aux clients, avec la détection et le signalement d’opérations suspectes. Aux États-Unis, Bank of America indique que 20,6 millions de clients ont utilisé son assistant Erica près de 700 millions de fois en 2025, et plus de 3,2 milliards de fois depuis son lancement en 2018 (communiqué du 10 mars 2026).
Côté épargnants, le baromètre de l’AMF (édition spéciale du 8 juin 2026, enquête de l’automne 2025) montre que 11 % des Français utilisent l’IA pour s’informer avant d’investir, et 19 % des moins de 35 ans, contre 42 % qui s’adressent à leur banque ou à leur conseiller ; 67 % craignent des erreurs ou de mauvaises décisions. Depuis le 2 août 2026, l’article 50 de l’AI Act impose d’informer une personne qu’elle échange avec une IA, sauf si c’est évident.
7. Extraire, classer et résumer les documents
Contrats, justificatifs, rapports, comptes rendus de réunion : l’EBA cite le résumé et la classification de documents, la préparation de procès-verbaux et la génération de code parmi les gains de productivité. Dans l’assurance, l’EIOPA indique que 64 % des usages d’IA générative déclarés visent des outils internes, par exemple l’extraction de données de factures, d’enregistrements audio ou de rapports médicaux. BNP Paribas a renouvelé le 26 mai 2026, pour trois ans, son partenariat avec Mistral AI, entamé en 2023, qui va désormais au-delà de l’accès aux grands modèles de langage.
8. Automatiser la conformité et outiller les superviseurs
Veille réglementaire, contrôle des documents, reportings : la conformité se prête bien au traitement du langage. Les superviseurs l’utilisent eux aussi : l’AMF indique déployer l’IA pour renforcer la détection des fraudes, la surveillance des marchés et l’analyse des documents réglementaires. La BCE décrit (14 mai 2025) Athena, qui analyse, traduit et résume les documents des banques en citant ses sources, et Heimdall, qui lit les questionnaires d’aptitude des dirigeants et signale les points à examiner ; le délai de traitement de ces évaluations est passé de 109 jours en 2023 à 97 jours en 2024. Le règlement DORA, applicable depuis le 17 janvier 2025, encadre le risque informatique et la dépendance aux prestataires, ce qui inclut les fournisseurs de modèles d’IA.
9. Tarifer, souscrire et gérer les sinistres en assurance
L’IA aide à lire les déclarations de sinistres, à détecter les fraudes à l’assurance et à assister les souscripteurs. Selon l’EIOPA (2 février 2026), 36 % des usages d’IA générative concernent des applications destinées aux clients, comme les chatbots et voicebots, encore surtout en preuve de concept, et 49 % des assureurs ont une politique dédiée à l’IA, contre un quart en 2023. L’annexe III de l’AI Act classe à haut risque l’évaluation des risques et la tarification des personnes physiques en assurance vie et santé, avec la même échéance du 2 décembre 2027.
10. Prévoir l’activité et analyser l’économie
La prévision (trésorerie, défauts, croissance) combine statistiques classiques et apprentissage automatique. La BCE explique (blog du 28 septembre 2023) qu’elle classe par apprentissage automatique les données de plus de dix millions d’entités juridiques et qu’elle explore l’IA pour structurer les prix collectés en ligne afin d’analyser l’inflation. La Banque de France a publié en décembre 2024 un modèle de nowcasting du PIB français fondé sur un grand nombre d’indicateurs mensuels (document de travail n° 975).
Quelles règles encadrent l’IA dans la finance ?
| Texte | Date clé | Ce que cela change |
|---|---|---|
| AI Act, article 4 (maîtrise de l’IA) | Depuis le 2 février 2025, réécrit le 27 juillet 2026 | Les établissements prennent des mesures pour former leurs équipes à l’IA |
| AI Act, article 50 (transparence) | 2 août 2026 | Information du client qui dialogue avec un chatbot |
| AI Act, annexe III, point 5 | 2 décembre 2027 | Crédit aux particuliers, assurance vie et santé : gestion des risques, qualité des données, contrôle humain ; surveillance par l’ACPR |
| DORA, règlement (UE) 2022/2554 | 17 janvier 2025 | Résilience informatique, incidents, prestataires critiques |
| RGPD, article 22 | En vigueur (arrêt SCHUFA, 2023) | Encadrement des décisions automatisées, dont le score de crédit |
| MiFID II et déclaration de l’ESMA | 30 mai 2024 | Responsabilité des dirigeants, intérêt du client, tenue de registres |
| AMLR et AMLA | 10 juillet 2027, puis 2028 | Règles anti-blanchiment uniques, supervision européenne directe |
Quels métiers et compétences pour l’IA en finance ?
Selon le Future of Jobs Report 2025 du Forum économique mondial (janvier 2025, plus de 1 000 employeurs), les ingénieurs fintech sont le deuxième métier à la plus forte croissance en pourcentage d’ici 2030, entre les spécialistes du big data et ceux de l’IA et du machine learning ; les guichetiers de banque figurent parmi les métiers en plus fort déclin. Aux États-Unis, 5,3 % des offres d’emploi de la finance et de l’assurance demandaient des compétences en IA en 2025 (données Lightcast reprises par l’AI Index 2026).
L’OCDE (« AI and skills », 5 juin 2026) souligne que le manque de compétences freine l’adoption : environ 40 % des employeurs de la finance et de l’industrie qui n’utilisent pas encore l’IA citent ce manque comme raison principale, et plus de la moitié de ceux qui l’ont adoptée constatent un besoin accru de personnel très qualifié (enquête de 2023). Moins de 1 % des travailleurs auront besoin de compétences avancées en IA ; la plupart devront savoir utiliser, analyser et interpréter des données.
| Métier | Missions liées à l’IA | Compétences clés |
|---|---|---|
| Data scientist risques ou fraude | Construire et suivre les modèles de scoring et de détection | Python, statistiques, apprentissage automatique, explicabilité |
| Data analyst | Analyser les alertes, produire les tableaux de bord risques et conformité | SQL, visualisation, connaissance métier |
| Validateur de modèles (model risk) | Tester la robustesse, les biais et la documentation des modèles | Statistiques, réglementation prudentielle, AI Act |
| Data engineer, MLOps | Mettre les modèles en production, surveiller leur dérive | Cloud, pipelines de données, sécurité, DORA |
| Chargé de conformité IA | Inventorier les usages, classer les risques, piloter la gouvernance | Droit, gestion des risques, culture technique |
Pour les rémunérations, voir notre article sur le salaire d’un ingénieur IA et la fiche métier data analyst.
Comment se former à l’IA appliquée à la finance ?
Les postes data en banque et en assurance demandent le plus souvent un niveau Bac+5 en data science, statistiques ou informatique, avec une connaissance du métier. AI2, l’Applied Institute of Artificial Intelligence, propose plusieurs parcours sur son campus d’Écouen (Val-d’Oise, à 22 minutes de Paris Gare du Nord) ou à distance, au même tarif.
| Parcours AI2 | Pour qui | Format et coût |
|---|---|---|
| Mastère 2 Data Scientist | Profils Bac+4 qui visent la modélisation (scoring, fraude, risques) | dès 8 000 € par an en formation initiale, 0 € en alternance ; prépare un titre RNCP de niveau 7 |
| Mastère 2 Data Analyst et IA | Profils Bac+4 qui visent l’analyse, le reporting et le pilotage | dès 8 000 € par an en formation initiale, 0 € en alternance ; prépare un titre RNCP de niveau 7 |
| Mastère 1 Data Science et IA | Titulaires d’un Bac+3 qui préparent ensuite le Mastère 2 | 7 500 € par an en formation initiale |
| Formation Data Scientist éligible au CPF | Salariés de la banque ou de l’assurance qui veulent monter en compétences | 35 heures, 1 990 €, valide le bloc RNCP39978BC04 ; participation forfaitaire CPF de 150 € |
En alternance, les frais sont à 0 € pour l’étudiant : ils sont pris en charge par l’entreprise et son OPCO, et l’étudiant est rémunéré, ce qui permet de se former au sein d’une banque ou d’un assureur. Selon la spécialité, les Mastères préparent le titre RNCP39978 « Architecte des systèmes d’information dans les processus industriels » ou le titre RNCP40554 « Architecte Internet des objets (IoT) », de niveau 7, délivrés par le certificateur DATAKOO SAS, société du groupe AI2. AI2 délivre en parallèle son propre diplôme d’établissement : ce sont deux certifications distinctes.qu’est-ce qu’un titre RNCP). Rentrées en janvier, mai et septembre 2027 ; AI2 est certifiée Qualiopi (QUA008116).
Pour les équipes finance : formation IA pour directeurs financiers, en 1 ou 2 jours. En ligne ou dans vos locaux, dès 790 € HT par participant, finançable par votre OPCO.
FAQ : IA et finance
Comment l’intelligence artificielle est-elle utilisée dans la finance ?
Les usages les plus répandus sont la détection de la fraude, la lutte contre le blanchiment, l’évaluation du crédit, la modélisation des risques, le traitement des documents, l’assistance aux clients et aux conseillers, la conformité et la prévision. Selon l’AMF (février 2026), 83 % des usages recensés chez les acteurs des marchés sont internes.
Quelle part des banques utilise l’IA ?
L’Autorité bancaire européenne observe que 92 % des banques de l’Union européenne déploient l’IA et que 8 % la testent ou étudient des cas d’usage (septembre 2025). En France, une enquête de l’ACPR de 2025 montre que la quasi-totalité des banques et assureurs ont des cas d’usage en production.
Le scoring de crédit par IA est-il autorisé ?
Oui, mais il est encadré. L’AI Act le classe à haut risque à partir du 2 décembre 2027, avec des exigences de gestion des risques, de qualité des données et de contrôle humain, sous la surveillance de l’ACPR. Le RGPD s’applique déjà : depuis l’arrêt SCHUFA de 2023, un score dont dépend la décision du prêteur est une décision automatisée.
L’IA permet-elle de mieux détecter la fraude bancaire ?
Elle y contribue. La fraude à la carte est à son plus bas niveau historique en France en 2025, à 47 euros pour 100 000 euros de paiements, mais la fraude par manipulation a progressé de 34 %, à 516 millions d’euros. L’Observatoire de la sécurité des moyens de paiement demande aux banques de renforcer leurs outils, notamment par l’intelligence artificielle.
Quels métiers de la finance l’IA fait-elle évoluer ?
Le Forum économique mondial classe les ingénieurs fintech au deuxième rang des métiers à la plus forte croissance d’ici 2030, et les guichetiers de banque parmi les métiers en plus fort déclin. Les profils recherchés sont les data scientists, data analysts, validateurs de modèles, data engineers et chargés de conformité IA.
Quelle formation suivre pour travailler dans l’IA en finance ?
Un niveau Bac+5 en data science est le plus courant. Chez AI2, le Mastère 2 Data Scientist et le Mastère 2 Data Analyst préparent des titres RNCP de niveau 7, accessibles en alternance sans frais pour l’étudiant. Les salariés peuvent suivre la formation Data Scientist de 35 heures, éligible au CPF, à 1 990 €.
Sources consultées le 25 octobre 2026 : EBA, Rising application of AI in EU banking and payments sector (25 septembre 2025) ; Banque de France, discours de Denis Beau sur l’IA (9 septembre 2026) ; AMF, l’usage de l’IA par les acteurs des marchés financiers en France (février 2026) ; AMF, édition spéciale du baromètre de l’épargne (8 juin 2026) ; EIOPA, enquête sur l’IA générative dans l’assurance (2 février 2026) ; Observatoire de la sécurité des moyens de paiement, communiqué du rapport 2025 (7 septembre 2026) ; Mastercard, communiqué de février 2024 ; AI Act Service Desk, annexe III ; règlement (UE) 2026/1744 ; ACPR, document de réflexion sur l’équité algorithmique (juillet 2026) ; CJUE, affaire C-634/21 SCHUFA (7 décembre 2023) ; EBA, apprentissage automatique et modèles IRB (4 août 2023) ; ESMA, déclaration sur l’IA et les services d’investissement (30 mai 2024) ; OICV-IOSCO, rapport de consultation sur l’IA (mars 2025) ; AMLA, questions fréquentes ; BCE, supervision et technologies avancées (14 mai 2025) ; BCE, Careful embrace: AI and the ECB (28 septembre 2023) ; Banque de France, document de travail n° 975 ; Bank of America, communiqué du 10 mars 2026 ; BNP Paribas, communiqué du 26 mai 2026 ; Forum économique mondial, Future of Jobs Report 2025 ; OCDE, AI and skills (5 juin 2026) ; Stanford HAI, AI Index 2026 (13 avril 2026). Cet article est fourni à titre d’information et ne constitue pas un conseil juridique ou financier.
Mastères Data Scientist et Data Analyst préparant des titres RNCP de niveau 7, en formation initiale ou en alternance, au campus d’Écouen ou à distance.