En 2024, les banques européennes ont investi plus de 150 milliards d’euros dans l’intelligence artificielle (source : Bpifrance).
Mais derrière ces chiffres records, une question concrète :comment l’IA (et la GenAI) facilitent-elles le KYC pour les services financiers ?
C’est la thématique explorée dans cet épisode de Parole d’Experts, avec Alexandre, Head of Data chez QuickSign.
Une brève histoire du traitement documentaire
Comprendre l’évolution du traitement documentaire, c’est aussi revenir sur les grandes étapes de la transmission de l’information :
- 3300 av. J.-C. : les premières tablettes d’argile – l’écriture est née
- 1450 : Gutenberg invente l’imprimerie – la reproduction s’automatise
- 1929 : apparition de l’OCR – les machines commencent à lire
- 2020 : l’IA générative – les machines écrivent, résument, contextualisent
Aujourd’hui, une nouvelle étape est franchie : les machines comprennent et prennent des décisions en temps réel.
L’IA dans les services financiers : quels usages concrets ?
Parmi les principaux cas d’usage de l’intelligence artificielle dans les services financiers, on retrouve :
- La relation client (chatbots, agents conversationnels, personnalisation)
- La lutte contre la fraude (détection d’anomalies, scoring comportemental)
- L’onboarding digital et la vérification d’identité (KYC) automatisée
C’est ce dernier cas qui nous intéresse ici, car il illustre parfaitement la transformation en cours.
IA + KYC : l’alliée des parcours fluides
Prenons un cas très concret : extraire un nom sur un justificatif de domicile.
En apparence simple, cette opération est en réalité très technique. Il y a trois approches majeures :
- OCR + règles codées : c’est méthode basique. On applique un OCR pour extraire tout le texte et on explique à la machine qu’après M. ou Mme il y aura un nom.
- Machine Learning supervisé : apprentissage à partir d’exemples, plus robuste et plus avancé.. Ici, on entraîne un algorithme qui utilise l’image et son texte pour créer lui-même les règles pour extraire le nom.
- IA générative (GenAI) : extraction contextuelle via des prompts, ultra-adaptative. On entraîne un algorithme de genAI sur un gros volume de document, à partir de là on l’interroge sous forme de prompt sur le nom à extraire.
La GenAI est la plus robuste car elle est capable de généraliser, mais elle pose un défi critique : le temps de réponse.
Industrialiser l’IA : un défi souvent invisible
“Quand vous souscrivez à un service financier, vous attendez une réponse instantanée.”
— Alexandre, Head of Data chez QuickSign
Dans l’univers bancaire, les solutions d’IA doivent être scalables, sûres et instantanées.
Ce n’est pas l’algorithme en soi qui fait la différence, mais l’infrastructure et l’intégration dans des parcours industriels fluides.
Tout le challenge, c’est d’atteindre des performances de calcul excellentes alors que ces méthodes d’IA sont très lourdes. C’est ici que QuickSign fait la différence, en apportant une approche industrialisée, sécurisée et conforme aux standards du secteur.
En conclusion : rendre l’intelligence invisible… mais efficace
De la tablette d’argile à l’IA générative, l’histoire des documents est celle d’une automatisation croissante.
Mais dans les services financiers, cette automatisation doit rester invisible pour l’utilisateur, tout en étant parfaitement maîtrisée côté back-office.
Chez QuickSign, nous croyons que l’intelligence artificielle ne doit pas remplacer l’humain, mais lui permettre d’agir mieux et plus vite – en toute confiance. Et pour cela, il faut faire évoluer constamment nos méthodes et infrastructures.
Rédigé par Nicolas G.
