Decideo · 26 août 2026
IA dans la banque : le frein vient des données, pas des modèles
- architecture data
- silos
- IA agentique
- data streaming
Détection de fraude, crédit instantané, offres personnalisées : la banque multiplie les cas d'usage de l'IA, et pourtant les résultats restent souvent en deçà des attentes. Dans cette tribune publiée par Decideo, Olivier Tijou, Regional VP et General Manager chez Denodo, y voit une erreur de diagnostic : le frein principal n'est pas la qualité des modèles, mais la donnée.
Des données dispersées
Les banques ont perfectionné leurs algorithmes, mais leurs informations restent éparpillées entre le système bancaire central, les plateformes de paiement, le CRM, les outils de conformité et des sources externes. Difficile, dans ces conditions, d'obtenir une vision cohérente d'un client ou d'un risque. L'auteur cite une étude Gartner selon laquelle seuls 28 % des cas d'usage de l'IA en entreprise atteignent le retour sur investissement attendu, tandis que 20 % échouent complètement.
De l'analyse à l'activation
Le deuxième argument porte sur le temps. Analyser après coup ne suffit plus : la valeur se crée au moment où la décision se prend, qu'il s'agisse d'ajuster un score de crédit ou de bloquer une transaction suspecte. L'IA agentique renforce cette exigence, puisque ces agents exécutent des décisions au lieu de simplement les recommander. Sans données fiables, à jour et bien gouvernées, ils deviennent inopérants, voire risqués.
Une architecture à repenser
L'auteur juge l'entrepôt centralisé alimenté par lots trop lent et trop rigide. Il plaide pour des produits de données directement exploitables et pour une gestion « logique » fondée sur la virtualisation : unifier l'accès aux données là où elles se trouvent, plutôt que multiplier les copies. La préconisation rejoint, sans surprise, l'approche que défend son entreprise.
Ce que cela change pour une PME
Le temps réel bancaire est loin des besoins d'une PME, mais le diagnostic se transpose sans peine. Remplacez le système bancaire central par l'ERP, ajoutez le CRM, la comptabilité et quelques tableurs : la fragmentation est la même et produit les mêmes effets, des chiffres qui ne concordent pas et des projets qui s'enlisent. Les axes « silos & shadow data » et « accès à l'information » de l'Audit Data mesurent cette dispersion avant d'envisager le moindre projet d'IA.