Agents IA en finance

Un chatbot répond à une question; un agent reçoit un objectif, le divise en étapes, utilise des outils pour les exécuter et vérifie son propre travail avant de rendre compte. En finance, les outils sont les systèmes qu'utiliserait un employé ou un analyste: un flux de données de marché, le système de core banking, la base des sinistres, une liste de sanctions, un tableur. L'ESMA compte ces systèmes séparément dans son enquête sur l'IA dans les marchés de titres de l'UE: les cas d'usage agentiques représentaient environ un sixième des cas signalés, et ils fonctionnaient plus souvent que les autres IA en autonomie élevée ou moyenne. La plupart de l'IA en finance exige encore une approbation humaine à chaque étape; les agents sont le terrain où les sociétés testent quelle part de cette approbation elles peuvent reporter à la fin du processus.

L'IA générative écrit le texte, et un agent décide de ce qu'il faut faire ensuite. La plupart des agents en finance utilisent un modèle de langage pour le raisonnement et le combinent avec des règles fixes pour tout ce qui déplace de l'argent ou des données. Ces modèles de langage sous-tendent l'IA générative en finance et les agents qui l'utilisent.

Dans l'assurance, le Project Nemo d'Allianz traite les sinistres de denrées avariées après des tempêtes en Australie avec sept agents spécialisés qui vérifient la couverture, contrôlent la météo, détectent la fraude et calculent l'indemnité. Toute la chaîne s'exécute en quelques minutes et réduit de 80 pour cent le temps de traitement des sinistres éligibles, et un gestionnaire de sinistres prend la décision finale sur l'indemnité.

Dans la banque de détail, Lloyds Banking Group qualifie le nouvel assistant de son application de premier assistant financier à IA agentique du Royaume-Uni. L'assistant de Lloyds donne aux clients des analyses sur leurs dépenses, leur budget, leur épargne et leurs placements, décompose les demandes en étapes, transforme des questions en langage courant sur les transactions en code, garde le contexte en mémoire et passe la main à des experts humains si nécessaire. Avant le déploiement auprès des clients, 7 000 salariés l'ont testé.

Pour la banque d'investissement et la recherche, Anthropic a publié dix modèles d'agents pour les services financiers pour ses modèles Claude, pour des tâches comme la préparation de pitchbooks, le contrôle de documents KYC, l'analyse de résultats et la clôture des comptes en fin de mois, avec des connecteurs vers des fournisseurs de données comme FactSet, S&P Capital IQ, MSCI, PitchBook, Morningstar et LSEG. En Allemagne, Deutsche Bank utilise l'agent de recherche de Google pour sa Corporate Bank, dans le cadre de ses travaux sur l'IA dans la banque à Francfort.

Fayssal El Mofatiche, membre de Finance Loop, a coécrit avec Hanane Dupouy Building AI Agents for Finance, publié par Packt. Le livre construit en Python des agents pour l'analyse fondamentale, la recherche approfondie, le trading, l'assurance et la conformité, et consacre sa seconde moitié à l'évaluation et à l'exploitation: juges LLM calibrés, détection de dérive, rapports de risque de modèle, traçage, versionnage et garde-fous avec supervision humaine. L'un de ses exemples est un pipeline multi-agents pour les sinistres d'assurance qui va de la première déclaration de sinistre à une validation de conformité avec une piste d'audit complète, en passant par une vérification de couverture et une détection de fraude.

Cette liste correspond à ce que demandent les équipes risque de modèle et audit d'une banque avant qu'un agent soit mis en service: un moyen de le mesurer, un journal de chaque appel d'outil et une personne qui valide.

Le règlement européen sur l'IA n'a pas de catégorie distincte pour les agents. Les obligations suivent l'usage: un agent qui évalue la solvabilité d'un client particulier est à haut risque, un agent qui rédige une note de recherche ne l'est pas, et un agent qui parle aux clients doit dire qu'il est une IA. Au titre de MiFID II, un agent dans les services d'investissement doit agir au mieux des intérêts du client comme tout autre outil de la société. Les principes pour les algorithmes dans la prise de décision de la BaFin demandent un responsable nommé à chaque phase d'un modèle, et pour un agent, cela signifie un responsable pour chaque outil qu'il peut appeler.

Chaque fournisseur de modèle et chaque connecteur de données derrière un agent est un service TIC au titre de DORA et figure dans le registre des accords avec des tiers. L'AI Act dans les services financiers fixe des obligations aux fournisseurs et aux déployeurs.

Finance Loop est le lieu de rencontre des ingénieurs qui construisent des agents et des spécialistes du risque, de la conformité et du métier qui doivent les valider. Finance Loop relie les milieux de la finance, de l'IT et de l'IA en Allemagne, en Autriche et en Suisse, avec des événements à Francfort, Munich, Berlin et Hambourg.

Fayssal El Mofatiche est aussi intervenant à Claude Hacker House, la série pratique sur Claude que Finance Loop soutient avec Finteda et Frankfurt Data Science. À fAInance, que Finance Loop a présenté, la conférence de clôture de Parloa a porté sur l'IA agentique dans l'expérience client. KI Exchange à Hambourg a mis la banque agentique à son programme, et au Point Zero Forum de Zurich, auquel Finance Loop a participé, les agents IA qui exécutent des transactions faisaient partie du thème. Capital & Code à Francfort, dont Finance Loop est partenaire média, propose un parcours sur les paiements agentiques, lancés par des agents logiciels pour le compte d'une entreprise ou d'un client.

L'IA agentique est une IA qui vise un objectif en plusieurs étapes: elle planifie, appelle des outils, vérifie les résultats et décide de l'étape suivante. L'IA générative produit du contenu en une fois; un agent peut utiliser l'IA générative comme l'un de ses éléments.

Les exemples comprennent les agents sinistres d'Allianz pour les dégâts de tempête en Australie, l'assistant financier de Lloyds Banking Group dans son application, des agents de recherche chez Deutsche Bank, et des modèles d'agents pour les pitchbooks, le contrôle KYC et la clôture mensuelle, avec une personne qui approuve le résultat dans chaque cas.

Ils peuvent préparer des décisions, et la banque en reste responsable. Pour les décisions de crédit sur des clients particuliers, le règlement européen sur l'IA exige une supervision humaine d'un système à haut risque, et la BaFin attend un responsable nommé pour chaque modèle. Les sociétés citées ici gardent une personne comme décideur final.

Les professionnels de la finance peuvent rencontrer ces équipes à Claude Hacker House à Francfort, où des profils finance et tech construisent des prototypes en une soirée, et aux événements Finance Loop listés sur la page des événements et dans le calendrier ci-dessus.