L’IA agentique connaît actuellement un véritable essor, et pour de bonnes raisons. Dans l’ensemble des services financiers, les agents d’IA démontrent un potentiel concret pour aider les équipes à gérer la complexité, à dégager plus rapidement des perspectives et à faire évoluer des travaux analytiques qui dépasseraient autrement les capacités humaines. À mesure que les organisations explorent des capacités avancées en intelligence artificielle, les systèmes d’IA agentique s’imposent comme une évolution pratique au-delà de l’IA générative traditionnelle, en permettant une analyse plus structurée, un raisonnement contextuel et un soutien coordonné à la prise de décision.
Pour les équipes de conformité confrontées à une augmentation des volumes d’alertes, à l’élargissement des cadres réglementaires et à des contraintes persistantes en matière de ressources, cette promesse est particulièrement pertinente. Ces environnements exigent souvent que les analystes examinent de vastes ensembles de données, interprètent des comportements de marché nuancés et produisent des conclusions défendables dans des délais serrés. L’IA agentique peut soutenir ce travail en assemblant des éléments de preuve, en mettant en lumière des tendances et en structurant les flux d’enquête, tout en préservant la nécessité d’une intervention humaine dans la prise de décision finale.
Cet intérêt ne se manifeste pas en vase clos. Les dirigeants des services financiers abordent 2026 sous la pression simultanée d’améliorer l’analytique et les perspectives, de réduire les coûts opérationnels et de répondre à des exigences de conformité et de gouvernance de plus en plus élevées, des priorités d’affaires citées comme majeures dans de récentes études sectorielles, notamment dans le Sondage 2026 sur les services financiers.
Dans ce contexte, une question s’impose plus que toute autre.
Où s’arrête l’assistance de l’IA et où commence le risque inacceptable?
Cette distinction est éminemment pratique et a des répercussions directes sur la conception et la gouvernance des fonctions de conformité. Elle influence également la manière dont les systèmes d’IA agentique sont déployés, la façon dont l’intervention humaine est maintenue et l’équilibre que les organisations établissent entre l’automatisation et la responsabilité dans des environnements réglementés.
Ce que signifie l’IA agentique pour la surveillance des opérations et la conformité
En termes simples, l’IA agentique désigne des systèmes capables d’initier des actions, et non seulement de répondre à des requêtes. En contexte de conformité, cela peut inclure la sélection et l’assemblage de données à examiner, l’interprétation d’anomalies ou de tendances d’alertes, la génération de résumés ou de récits structurés et la recommandation des prochaines étapes d’enquête.
Ces agents d’IA proposent également un éventail d’options plutôt qu’un choix unique ou un jugement binaire.
À une extrémité du spectre se trouvent des systèmes d’assistance qui aident les analystes à naviguer dans la complexité. À l’autre, des systèmes décisionnels qui prennent ou exécutent des décisions avec une supervision humaine limitée.
Dans des environnements réglementés, et particulièrement en surveillance des opérations, cette distinction importe davantage que la technologie elle-même.
Là où l’IA agentique apporte une valeur réelle en surveillance des opérations
Il ne fait aucun doute que l’IA peut générer une valeur tangible pour les équipes de conformité lorsqu’elle est appliquée de la bonne manière. En soutenant une analyse structurée, en rassemblant de l’information contextuelle et en accélérant la collecte des éléments de preuve, les systèmes d’IA agentique aident les analystes à gérer des situations complexes sans écarter le jugement humain. Dans des environnements réglementés, cette nuance est essentielle, car les organisations cherchent à accroître la profondeur analytique, la cohérence et la rapidité, tout en maintenant la transparence et la responsabilité.
Les capacités de type agent sont particulièrement puissantes lorsqu’elles aident les équipes à repérer les règles, les seuils et les indicateurs pertinents, à assembler rapidement des preuves quantitatives, à intégrer le contexte de marché comme le comportement des prix, la liquidité et la volatilité, à comparer les activités à celles de pairs ou à des références historiques, et à produire une documentation cohérente, prête pour les autorités de réglementation.
Utilisée de cette façon, l’IA devient un multiplicateur du jugement humain, et non un substitut.
Cela est d’autant plus crucial en surveillance des opérations, où les analystes consacrent souvent un temps considérable à compiler de l’information provenant de multiples sources. Lorsque l’IA réduit les tâches manuelles de collecte de preuves, les enquêtes deviennent plus rapides, plus cohérentes et plus faciles à défendre, sans diluer la responsabilité humaine.
C’est là une valeur bien réelle, que les autorités de réglementation commencent à reconnaître.
Là où l’IA agentique introduit des risques réglementaires en surveillance des opérations
Les problèmes apparaissent lorsque les systèmes d’IA dépassent le rôle d’assistance et commencent à automatiser entièrement les processus de conformité. Dans des environnements réglementés, ce glissement peut créer des lacunes de gouvernance, réduire la transparence et affaiblir la défendabilité des résultats de surveillance. Bien que l’automatisation puisse accroître la rapidité, une dépendance excessive à des modèles d’IA ou à des systèmes multiagents sans supervision claire augmente le risque réglementaire et complique l’attribution des responsabilités.
Du point de vue des autorités de réglementation, plusieurs lignes rouges deviennent de plus en plus évidentes. Il s’agit notamment de la détermination et de l’adjudication entièrement autonomes d’activités suspectes, de conclusions générées par l’IA sans preuves traçables, de raisonnements impossibles à auditer ou à reproduire, ainsi que d’une responsabilité floue entre les examinateurs humains et les systèmes.
Lors des examens et des mesures d’application, les autorités de réglementation ne demandent pas quel outil a été utilisé. Elles demandent quelles données ont été examinées, quelles règles et quels seuils ont été déclenchés, comment le contexte de marché a été pris en compte, pourquoi une activité a été jugée à risque élevé ou non, et qui a pris la décision finale.
Si ces réponses ne peuvent pas être étayées par des preuves claires, quantitatives et vérifiables, l’utilisation de l’IA devient un passif plutôt qu’un avantage.
C’est pourquoi les systèmes intégrant l’humain dans la boucle demeurent essentiels dans les applications et environnements hautement réglementés.
Assistance de l’IA et autorité de l’IA dans les systèmes d’IA agentique
L’une des distinctions les plus importantes que les responsables de la conformité peuvent établir aujourd’hui est celle entre l’assistance de l’IA et l’autorité de l’IA. À mesure que les systèmes d’IA agentique et les architectures multiagents se généralisent, les organisations doivent définir clairement la frontière entre le soutien à la décision et la prise de décision automatisée. Cette distinction a une incidence directe sur la gouvernance, l’intervention humaine et la défendabilité des résultats dans des environnements réglementés comme la surveillance des opérations.
L’assistance de l’IA soutient l’analyse, met en évidence les éléments de preuve, structure l’information, améliore la cohérence et laisse les décisions aux humains.
L’autorité de l’IA décide des résultats, remplace le jugement des analystes, obscurcit la responsabilité et introduit des risques de gouvernance.
Les autorités de réglementation ne s’opposent pas à l’IA, mais elles sont catégoriques sur la responsabilité. Les décisions doivent demeurer sous la responsabilité des humains, et le chemin qui mène à ces décisions doit rester transparent.
Autrement dit, l’IA peut vous aider à expliquer, mais elle doit aussi vous aider à défendre.
Pourquoi les preuves et la défendabilité comptent en conformité avec l’IA agentique
À mesure que l’adoption de l’IA s’accélère, les attentes réglementaires exigent une défendabilité plus concrète des processus et des actions spécifiques. Les décisions soutenues par des modèles d’IA doivent être traçables, auditables et fondées sur des preuves quantitatives. Les autorités de réglementation s’attendent de plus en plus à ce que les organisations démontrent comment les conclusions ont été atteintes, où l’intervention humaine est intervenue et comment les contrôles de gouvernance ont été appliqués en temps réel.
Il ne suffit plus de décrire le fonctionnement d’un système. Les organisations doivent également montrer les indicateurs ayant déterminé la sévérité des alertes, les facteurs contextuels pris en compte, les comparaisons utilisées pour justifier les conclusions et les points où les humains ont examiné et approuvé les résultats.
En conformité, les explications sont utiles, mais les preuves et la supervision sont déterminantes.
Comment Alithya aide les organisations à appliquer l’IA agentique de façon sécuritaire
Chez Alithya, nous travaillons avec des équipes de conformité des marchés des capitaux qui souhaitent tirer parti de l’IA agentique sans introduire de nouveaux risques réglementaires.
Notre approche repose sur un principe clair. L’IA doit renforcer les preuves et l’analyse, et non remplacer le jugement humain.
Nous aidons les organisations à concevoir et à appliquer des capacités d’IA qui soutiennent les équipes de conformité dans les domaines qui comptent le plus pour les autorités de réglementation, notamment l’assemblage de preuves quantitatives justifiant la sévérité des alertes, l’alignement des conclusions avec les règles, les seuils et les données sous-jacentes, l’intégration du contexte de marché comme le comportement des prix, la liquidité et la volatilité, la production d’une documentation cohérente et prête pour les autorités de réglementation, ainsi que le maintien d’une révision par les analystes et d’une responsabilité décisionnelle clairement définies.
Plutôt que de se concentrer uniquement sur l’automatisation, nous accordons une importance particulière à la défendabilité afin que chaque résultat soutenu par l’IA puisse être expliqué, audité et reproduit sous l’examen réglementaire.
Appliquer l’IA agentique avec une gouvernance et une défendabilité réglementaire solides
Alithya possède une expérience approfondie à l’intersection des marchés des capitaux, de la conformité et de l’analytique avancée. Nous comprenons que, dans des environnements réglementés, le succès de l’IA ne se mesure pas à son niveau d’autonomie, mais à sa capacité à résister aux examens, aux audits et aux mesures d’application.
C’est pourquoi les solutions que nous aidons les organisations à mettre en place sont conçues pour être entièrement auditables et fondées sur des preuves, pilotées par les analystes avec des points de contrôle humains clairs, incapables d’agir de manière unilatérale afin de prévenir des actions non intentionnelles, et ancrées dans des données de surveillance validées plutôt que dans des hypothèses génératives.
Cette approche permet aux équipes de conformité d’avancer plus rapidement et de façon plus cohérente, tout en préservant la responsabilité et la confiance des autorités de réglementation.
Aller de l’avant avec confiance
L’IA agentique continuera d’évoluer, et les équipes de conformité ont tout intérêt à tirer parti de ses forces. Toutefois, dans des environnements hautement réglementés, le progrès dépend des limites qui sont établies.
Les organisations qui réussiront ne seront pas celles qui pousseront l’IA le plus loin dans la prise de décision, mais celles qui la déploieront de manière responsable, transparente et avec des preuves au cœur de leur approche.
Chez Alithya, nous aidons les équipes de conformité à aller de l’avant avec confiance, en appliquant des capacités avancées en intelligence artificielle de façon à accroître la compréhension, renforcer la gouvernance et résister à l’examen réglementaire. Communiquez avec nous pour découvrir comment nous pouvons soutenir vos besoins en matière de conformité.