Comment les banques mesurent les gains opérationnels de l’IA

Les banques étendent l’usage de l’IA tout en contrôlant l’accès

Une banque peut déployer l’IA pour ses employés et ses clients tout en limitant l’accès des agents d’IA externes. JPMorgan Chase fait les deux, en dissociant sa décision d’utiliser cette technologie de sa décision d’admettre des systèmes externes. Pour les responsables technologiques du secteur bancaire, cette distinction soulève trois questions pratiques : quels usages méritent une autorisation, quels modèles justifient leur coût et quel travail la banque doit-elle réaliser elle-même.

Les banques ont abordé ces questions lors de discussions sur les résultats portant sur l’IA agentique, des systèmes capables d’exécuter des tâches, ainsi que sur les bénéfices opérationnels et les coûts de l’IA. JPMorgan Chase et Wells Fargo ont présenté leurs approches lors des conférences du T3 2026 de mardi, suivies par Bank of America mercredi. Leurs décisions portent sur l’accès des agents externes, le routage des modèles, c’est-à-dire l’affectation d’une requête à un modèle d’IA particulier, et l’internalisation, qui consiste à rapatrier le travail au sein de l’organisation. Chacun de ces choix modifie une dimension différente de la manière dont une banque déploie l’IA.

Les agents externes font l’objet de décisions d’accès distinctes

L’accès vient en premier, car un agent externe a besoin d’une autorisation pour opérer dans les systèmes d’une banque. Le PDG de JPMorgan, Jamie Dimon, a expliqué que la banque n’était ni « contre les agents ni pour les agents », en soulignant leur adoption pour les employés et les clients. Dimon a un intérêt commercial à capter les bénéfices de l’IA tout en protégeant les clients et l’entreprise contre ses risques. Sa position dissocie la valeur d’usage des agents de l’exposition créée par leur admission.

Dimon a expliqué le problème de sécurité : « because you don’t want rogue agents, and there could be thousands of them. » Des milliers décrit l’ampleur potentielle de l’activité d’agents non autorisés. À mesure que le nombre d’agents augmente, la banque peut être confrontée à de nombreuses sources d’activité indésirable, ce qui fait du contrôle des accès un élément important du déploiement.

JPMorgan développe donc des outils pour protéger les clients tout en limitant l’accès à ses systèmes. « Nous n’allons pas permettre à n’importe quel agent externe d’entrer dans l’entreprise parce que c’est tout simplement trop risqué », a déclaré Dimon. Un fournisseur dont l’agent se voit refuser l’entrée ne peut pas l’exécuter au sein de la banque, même si JPMorgan étend parallèlement son propre usage de l’IA.

Wells Fargo a décrit la manière dont elle évaluerait la technologie tierce en mettant en balance ses bénéfices et ses risques. Le PDG Charlie Scharf a déclaré que la banque voyait des opportunités pour elle-même et pour ses clients tout en « adoptant une approche disciplinée de la gestion du risque ». Scharf a lui aussi un intérêt commercial à identifier des capacités utiles pour les clients de Wells Fargo tout en limitant l’exposition de la banque.

Scharf a précisé ce que couvrirait cette évaluation : « Nous évaluerons également comment les modèles et agents tiers peuvent apporter des capacités à valeur ajoutée à nos clients, tout en tenant compte en même temps du risque potentiel que ces outils peuvent introduire pour nos clients comme pour Wells Fargo », a-t-il déclaré. Une capacité peut aider un client tout en créant une exposition pour l’institution qui la fournit, de sorte que l’évaluation couvre les deux parties. Wells Fargo a décrit un processus d’évaluation ; JPMorgan a énoncé une restriction d’accès. Ces déclarations établissent des approches différentes de l’accès.

Le routage des modèles fait du contrôle des coûts une composante du déploiement

Après qu’une banque a approuvé un usage de l’IA, elle doit encore décider quel modèle doit prendre en charge le travail. JPMorgan poursuit une stratégie agnostique vis-à-vis des modèles, ce qui signifie qu’elle cherche à éviter une dépendance à un modèle unique, afin de préserver sa capacité à changer de fournisseur et à maîtriser ses dépenses. Dimon a évoqué des outils de routage qui orientent les requêtes vers les modèles les plus rapides et les moins coûteux. En choisissant un modèle au moment où le travail est attribué, la banque peut gérer les coûts requête par requête.

Le routage fonctionne lorsque le modèle correspond à la demande, car les différentes requêtes imposent des exigences différentes à un système. « You don’t need the most expensive thing for every query you have and very often people just see the one they’re comfortable with, » a déclaré Dimon. L’habitude peut conduire un employé à choisir un modèle plus coûteux alors qu’une option moins chère pourrait faire l’affaire. La sélection du modèle influe donc sur les dépenses, en plus des prix négociés avec les fournisseurs.

Aller au-delà des habitudes exige encore de juger ce dont chaque tâche a besoin. Le modèle le plus rapide ou le moins cher convient lorsqu’il répond à ces exigences, de sorte que le contrôle des coûts dépend d’une bonne affectation du travail. Pour les responsables de l’ingénierie, l’étape pratique consiste à définir les exigences de la tâche avant de choisir un modèle, puis à utiliser le routage pour appliquer ce choix chaque fois qu’une requête est soumise.

Le rapatriement du travail en interne change ce que les banques achètent

La sélection des modèles contrôle une partie des dépenses liées à l’IA ; décider qui réalise le travail en modifie une autre. Lors de la conférence sur les résultats du troisième trimestre de Citi mardi, la PDG Jane Fraser a déclaré que l’IA aidait la banque à lancer des produits plus rapidement et à moindre coût, avec une hausse moyenne de 30 % à 40 % de la vitesse de lancement des produits. Fraser a un intérêt commercial à présenter l’investissement technologique de Citi comme un levier d’amélioration de ses opérations. Son chiffre sur la vitesse de lancement mesure la performance de livraison, tandis que son explication de la baisse des dépenses fournisseurs relève d’une décision d’approvisionnement distincte.

Fraser a directement relié ce changement d’achats au travail rapatrié en interne chez Citi. « Nous avons internalisé du travail », a-t-elle déclaré, avant d’ajouter : « Nous avons réduit nos dépenses auprès des fournisseurs technologiques de 30 % sur un an en conséquence, et cette évolution a encore une longue marge de progression. » Elle a attribué cette réduction à l’internalisation et l’a présentée comme un changement en cours. Les dépenses auprès des fournisseurs technologiques constituent une mesure distincte du coût de lancement d’un produit ou du traitement d’une requête par un modèle.

L’adoption d’outils d’ingénierie chez Citi montre comment le travail peut être rapatrié au sein d’une banque alors même que ses équipes continuent d’utiliser des technologies externes. Citi indique que 14 000 ingénieurs utilisent Devin, son principal outil de codage agentique, un système qui exécute des tâches de développement logiciel, afin de rendre le travail interne plus efficace. Acheter un outil de codage et externaliser l’exécution attribuent la responsabilité de manière différente : l’outil soutient les propres équipes de la banque pendant qu’elles réalisent le travail. L’usage de Devin est donc cohérent avec le fait que Citi conserve davantage de responsabilité dans l’exécution.

Au-delà du développement logiciel, Citi indique qu’elle réingénierie 100 processus manuels à l’aide de l’IA. La réingénierie modifie la manière dont le travail est effectué, étendant l’adoption aux opérations récurrentes. Comme cet effort est en cours, le nombre de processus décrit l’ampleur du travail en cours de refonte. Il mesure une étape différente du changement par rapport aux améliorations signalées en matière de vitesse de lancement et de dépenses fournisseurs.

Ces mesures répondent à des questions différentes sur les progrès : l’adoption par les ingénieurs mesure la participation, la refonte des processus mesure l’ampleur du changement opérationnel, et la vitesse de lancement mesure la performance de livraison. La hausse moyenne de vitesse décrite par Fraser correspond à un résultat global sur l’ensemble des lancements mesurés ; elle n’implique pas une amélioration identique pour chaque produit ni une réduction en pourcentage équivalente du temps de développement. Maintenir ces mesures séparées préserve aussi son explication des économies réalisées sur les fournisseurs : Citi rapatrie le travail en interne, avec des outils de codage et une refonte des processus qui soutiennent plus largement ses opérations internes.

Les bénéfices opérationnels prennent des formes différentes selon les banques

Les mesures de livraison et d’achats de Citi diffèrent des changements de main-d’œuvre décrits par Bank of America. Lors de la conférence du T3 2026 mercredi, le PDG Brian Moynihan a présenté l’IA comme un soutien à la croissance dans l’ensemble de l’entreprise, une affirmation qui sert l’intérêt commercial de la banque à démontrer la valeur de son investissement. Les dirigeants ont déclaré que l’automatisation et des workflows plus simples réduisaient le besoin d’embaucher des remplaçants lorsque des postes devenaient vacants. Il s’agit ici des embauches de remplacement à mesure que le travail évolue ; c’est une mesure différente d’une réduction chiffrée des effectifs ou d’un plan de licenciement.

Parallèlement à cette discussion sur le changement opérationnel, Bank of America a fait face mardi à un événement distinct de conformité. La banque a reçu une amende de 1,2 milliard de dollars pour des violations des lois contre le blanchiment d’argent et des sanctions, décrite comme la troisième plus importante amende jamais infligée par le département du Trésor. Cette amende concerne la conformité à ces lois et n’a aucun lien avec les bénéfices de l’IA évoqués par les dirigeants.

Les dirigeants de Morgan Stanley ont décrit la contribution opérationnelle de l’IA de manière plus large que le récit de Bank of America sur les embauches de remplacement. Le PDG Ted Pick a qualifié sa contribution à l’efficacité, à la productivité et à la résilience d’incontestable, tandis que la DAF Sharon Yeshaya a déclaré que la technologie « changeait fondamentalement ce que font nos équipes », en mettant l’accent sur les changements dans l’activité des équipes. Les deux dirigeants représentent une banque qui a un intérêt commercial à démontrer les gains issus de l’investissement dans l’IA. Leurs descriptions qualitatives identifient des changements dans la manière dont les équipes opèrent ; les combiner avec les mesures d’embauche, de vitesse de lancement ou de dépenses d’une autre banque dans une mesure commune du rendement financier des dépenses d’IA effacerait les différences entre les résultats rapportés.

Points clés à retenir pour les décideurs

Gouvernez séparément l’accès des agents externes : JPMorgan étend son usage interne de l’IA tout en limitant les agents externes. Les responsables de la sécurité bancaire et les propriétaires de plateformes ont besoin de contrôles d’entrée explicites et d’évaluations des risques que les agents tiers introduisent pour les clients et l’institution.
Orientez les requêtes selon les exigences de la tâche : JPMorgan utilise le routage des modèles pour gérer la vitesse et le coût tout en préservant le choix du fournisseur. Les responsables de l’ingénierie peuvent définir les exigences de performance de chaque tâche et orienter les requêtes vers des modèles moins coûteux qui y répondent.
Examinez quel travail doit être réalisé en interne : Citi a attribué une baisse de 30 % sur un an des dépenses auprès des fournisseurs technologiques à l’internalisation, parallèlement à un usage plus large d’outils de codage IA. Les responsables technologiques et achats peuvent évaluer où ces outils soutiennent l’exécution en interne et modifient le besoin de travail externalisé.
Gardez distinctes les mesures des résultats de l’IA : Citi a signalé des lancements de produits plus rapides, tandis que Bank of America a décrit une baisse des embauches de remplacement et que Morgan Stanley a cité des améliorations opérationnelles plus larges. Les responsables financiers et technologiques ont besoin de mesures distinctes pour l’adoption, la vitesse de livraison, les dépenses et les effets sur la main-d’œuvre afin d’évaluer chaque affirmation avec précision.