Les banques freinent drastiquement leurs investissements en intelligence artificielle, paralysées par l’explosion des coûts opérationnels que cette technologie engendre. Alors que le secteur financier s’était lancé tête baissée dans la course à l’IA, les établissements de crédit découvrent que les promesses d’efficacité se heurtent à une réalité budgétaire incontournable.
Le phénomène révèle un paradoxe majeur du secteur. Les banques ont investi massivement dans les outils d’IA générative, convaincues de réduire leurs coûts et d’accélérer leurs processus. Mais l’addition s’avère salée: chaque requête vers une API d’IA coûte cher, les serveurs gourmands en énergie multiplient les factures, et les licences logicielles dépassent largement les budgets prévus initialement.
Un rationnement silencieux mais généralisé
Face à cette hémorragie budgétaire, les banques adoptent une stratégie de rationnement discret. Les équipes reçoivent des quotas d’utilisation, certains projets IA sont gelés, d’autres sont réduits à leur plus simple expression. Les coûts d’exploitation des modèles de langage deviennent un poste budgétaire aussi critique que la masse salariale elle-même.
Concrètement, cela signifie moins d’expériences, moins de prototypes, moins de déploiements à grande échelle. Les services de relation client qui rêvaient de chatbots IA 24h/24 doivent se contenter de solutions hybrides. Les départements back-office qui espéraient automatiser des milliers de tâches découvrent que chaque automatisation IA coûte plus cher qu’un agent humain pour certains processus.
Quand l’innovation bute sur la réalité économique
Cette prise de conscience tardive interroge la stratégie globale du secteur. Les banques avaient déjà dépensé des centaines de millions en acquisition de données, en recrutement de data scientists et en contrats cloud. Ajouter la facture de l’IA générative ressemble à un investissement supplémentaire insoutenable.
Le timing est critique. Pendant que les banques freinent, leurs concurrents fintech et les géants technologiques continuent à avancer, forts de budgets d’IA quasi illimités. Les établissements de crédit risquent de creuser un retard technologique qu’il sera difficile de rattraper à bas coût.
Vers une sobriété forcée
Cette rationalisation pourrait paradoxalement profiter au secteur. Les projets IA qui survivent au rationnement seront ceux qui apportent un vrai ROI, pas ceux qui répondent à un effet de mode. Les équipes internes seront poussées à chercher des solutions plus efficientes, à réduire les requêtes inutiles, à optimiser les modèles.
Reste une question: les banques peuvent-elles vraiment se permettre de lever le pied? Le secteur financier face à une concurrence toujours plus féroce, une réglementation toujours plus exigeante et des clients attendant une meilleure expérience numérique. Ralentir sur l’IA, c’est accepter de perdre du terrain sur plusieurs fronts simultanément.