Les banques testent un nouveau type d’intelligence artificielle, comme l’IA agentique, qui fait plus que rechercher des mots-clés ou suivre des règles prédéfinies. Au lieu de s’appuyer uniquement sur des alertes statiques, certains pupitres de négociation commencent à utiliser des systèmes conçus pour analyser des modèles en temps réel et signaler les comportements qui pourraient nécessiter un examen humain.
Bloomberg a détaillé comment Goldman Sachs et Deutsche Bank explorent ou déploient des outils d’IA dits « agentiques » pour la surveillance des échanges. L’objectif est de renforcer la surveillance des ordres et des transactions en utilisant des agents logiciels capables d’analyser l’activité au fur et à mesure qu’elle se produit et d’identifier les modèles qui pourraient suggérer une mauvaise conduite.
Agents adaptatifs
Les grandes banques utilisent des systèmes de surveillance automatisés pour surveiller l’activité de trading, systèmes qui s’appuient souvent sur des règles prédéfinies : si une transaction dépasse une certaine taille, s’écarte d’un indice de référence ou correspond à un modèle de risque connu, elle déclenche une alerte. Les équipes de conformité examinent ensuite le cas manuellement.
Le défi réside dans l’ampleur et la complexité. Les marchés modernes génèrent d’énormes volumes de données sur les classes d’actifs, les fuseaux horaires et les places de négociation. Les règles statiques peuvent générer un grand nombre de faux positifs, tandis que des formes de manipulation plus subtiles peuvent ne pas correspondre aux modèles connus.
Selon Bloombergles nouveaux systèmes agentiques visent à aller au-delà de cette approche. Plutôt que de simplement comparer les transactions à une liste de contrôle, les agents IA sont conçus pour examiner le comportement de trading dans plusieurs signaux, le comparer à l’activité historique et détecter des combinaisons inhabituelles d’actions.
Ces outils ne sont pas décrits comme remplaçant les responsables de la conformité. Au lieu de cela, ils semblent fonctionner comme un niveau supplémentaire de surveillance, faisant apparaître des cas qui justifient une inspection humaine plus approfondie.
Travail de Deutsche Bank avec Google Cloud
Bloomberg a rapporté que Deutsche Bank travaille avec Google Cloud sur le développement d’agents d’IA capables de surveiller l’activité commerciale. Le système est conçu pour examiner de grands ensembles de données d’ordres et d’exécution et signaler les anomalies en temps quasi réel.
La banque a étendu ses initiatives en matière d’IA au cours des dernières années, et cet effort de surveillance reflète la manière dont les institutions financières appliquent une technologie de modèle de langage génératif et étendu au-delà des interfaces de chat. Dans ce contexte, l’IA ne répond pas aux questions des clients mais analyse les flux de données structurés et non structurés liés au comportement de trading. Les agents IA peuvent aider à identifier les « anomalies complexes » dans les commandes et les transactions. Cela suggère que le système peut examiner les relations entre les transactions, le calendrier, les conditions du marché et l’historique des traders, et non des événements isolés.
Le personnel de conformité humaine reste chargé d’examiner les cas signalés et de déterminer si des mesures supplémentaires sont nécessaires.
La stratégie d’IA agentique de Goldman Sachs
Goldman Sachs explore également l’utilisation de l’IA agentique pour la surveillance, selon Bloomberg. La banque a investi massivement dans l’IA dans ses systèmes de trading et de risque ces dernières années, et cet effort semble étendre ce travail à la conformité.
L’accent, comme décrit dans le rapport, est mis sur l’utilisation d’agents d’IA capables d’opérer avec un certain degré d’indépendance dans la recherche d’indicateurs de mauvaise conduite. Le système peut identifier des modèles qui ne correspondent pas à une règle claire mais qui se révèlent néanmoins inhabituels.
Pour les régulateurs, l’attrait est simple : une détection plus précoce peut réduire les dommages au marché et le risque de réputation. Pour les banques, il y a aussi une dimension opérationnelle. Les services de conformité sont confrontés à des pressions pour gérer de grands volumes d’alertes tout en maintenant des normes de surveillance strictes. Les outils capables de réduire le bruit sans diminuer la surveillance sont susceptibles d’attirer l’attention.
Pourquoi « l’IA agentique » est importante
Le terme « IA agentique » fait référence à des systèmes capables d’entreprendre des actions ciblées sans répondre aux invites. En pratique, cela peut signifier que le logiciel est capable de décider quelles données examiner ensuite, de comparer plusieurs signaux et de faire remonter les résultats sans intervention humaine constante. Dans un contexte commercial, cela peut impliquer de surveiller les flux d’ordres, les mouvements de prix, les métadonnées de communication et le comportement historique pour évaluer si l’activité correspond aux modèles normaux.
Cela ne signifie pas que le système prenne lui-même des décisions disciplinaires. Les institutions financières opèrent dans le cadre de régimes réglementaires stricts et la responsabilité incombe aux superviseurs humains. Le rôle de l’agent est d’identifier et d’organiser les informations plus efficacement que ne le peuvent les systèmes statiques.
Fait partie d’un changement de conformité plus large
Ce qui semble nouveau, c’est l’application d’architectures d’IA générative plus avancées aux fonctions de contrôle interne.
Les régulateurs aux États-Unis et en Europe ont encouragé les entreprises à améliorer la surveillance des abus et des manipulations de marché. Même si les règles n’imposent pas l’IA agentique, elles obligent les entreprises à maintenir des systèmes et des contrôles efficaces. Si les outils d’IA peuvent contribuer à répondre à cette norme, leur adoption est susceptible de croître.
Dans le même temps, l’IA en conformité soulève ses propres questions. Les banques doivent s’assurer que les modèles sont explicables, qu’ils n’introduisent pas de biais et qu’ils résistent aux examens réglementaires. La gouvernance des modèles, la sécurité des données et les pistes d’audit restent des préoccupations centrales.
Quels changements pour l’industrie
Si les outils de surveillance agent s’avèrent efficaces, ils pourraient modifier le fonctionnement des équipes de conformité. Au lieu de trier de grands volumes d’alertes simples, le personnel peut consacrer plus de temps à évaluer les cas complexes signalés par les agents IA.
Ce changement ne supprimerait pas le besoin de jugement humain. Cela peut cependant changer là où se concentrent les efforts humains. Sur des marchés où la vitesse et le volume des données continuent d’augmenter, la capacité d’analyser des modèles en temps réel devient de plus en plus difficile à réaliser avec les seuls systèmes basés sur des règles.
(Photo de Markus Spiske)
