Les entreprises des services financiers doivent s’adapter aux exigences uniques de l’IA. La réussite de l’IA agentique dépend de la qualité, de la sécurité et de l’accessibilité des données.
Les entreprises du secteur financier opèrent dans un environnement hautement réglementé, où les événements externes évoluent rapidement. Ainsi, le succès de l’IA agentique, qui est capable de planifier et d’agir de manière autonome, repose davantage sur la qualité des données utilisées que sur la sophistication technologique. Selon Steve Mayzak, directeur mondial chez Elastic, “tout commence par les données”. L’IA agentique a un potentiel énorme pour optimiser les flux de travail complexes grâce à l’intégration de données en temps réel. Gartner a révélé que plus de la moitié des équipes des services financiers ont déjà mis en œuvre ou prévoient de déployer cette technologie. Cependant, l’introduction d’une IA autonome amplifie les forces et les faiblesses des données sous-jacentes. Pour assurer une mise en œuvre rapide et contrôlée de l’IA agentique, les entreprises doivent pouvoir rechercher, sécuriser et contextualiser leurs données à grande échelle. Mayzak souligne que “l’IA agentique amplifie le maillon le plus faible de la chaîne : la disponibilité et la qualité des données”. Il en découle qu’un référentiel de données centralisé, fiable et facilement accessible est indispensable. La réglementation impose un haut niveau de responsabilité pour tous les outils de gestion des données. Les entreprises doivent être capables d’expliquer clairement l’origine des données et leur transformation, et disposer d’une méthode auditable pour justifier les choix faits par l’IA. Dans un marché en constante évolution, la vitesse et la précision sont cruciales pour satisfaire les attentes des clients et devancer la concurrence. Les modèles d’IA capables d’analyser des données non structurées en plus des données structurées fournissent des informations plus pertinentes aux utilisateurs. Dans ce contexte, aucune erreur n’est tolérée, surtout celles liées aux hallucinations des premières IA. Les systèmes d’IA agentique nécessitent un accès rapide à des données de haute qualité, sécurisées et bien gouvernées, englobant les transactions, les interactions clients, les signaux de risque, les politiques et le contexte historique. La préparation de ces données pour l’IA est une tâche complexe qui ne doit pas être sous-estimée, car le langage naturel est souvent désordonné par rapport aux données structurées.