Auteurs :

Adam Preis, Directeur du marketing produit et solutions, Ping Identity

Deepak Goyal, Senior Manager, Cyber et Risque Stratégique, Deloitte & Touche LLP

Une nouvelle ère d’intelligence autonome

Le secteur des services financiers approche d’un point d’inflexion décisif entre automatisation intelligente et intelligence autonome. Au cours de la dernière décennie, les banques, assureurs et gestionnaires de patrimoine ont massivement investi dans l’analytique, la robotique et le machine learning afin d’améliorer la prédiction, l’efficacité et le contrôle. Aujourd’hui, une nouvelle étape évolutive de l’intelligence artificielle (IA) — l’IA agentique — émerge comme la prochaine phase de cette transformation.

Cette évolution marque un changement de paradigme, passant d’outils qui se contentent d’analyser et de rapporter des tendances à des systèmes intelligents qui opérationnalisent les insights, créent de la valeur client, renforcent la conformité et consolident la fidélité afin de générer une rentabilité durable. Plus qu’une avancée technologique, l’IA agentique représente une transformation radicale de la manière dont les institutions financières planifient, délivrent et développent leurs activités à grande échelle. Dans le contexte plus large du secteur, ce changement de paradigme remettra en question les modèles traditionnels d’intermédiation financière. L’opportunité est immense. Toutefois, chaque avancée en matière d’autonomie s’accompagne d’une augmentation correspondante des risques.

L’IA agentique redéfinit les frontières entre les institutions financières, leurs clients et la technologie qui les relie. À mesure que les écosystèmes d’IA évoluent d’outils analytiques vers des acteurs autonomes capables d’exécuter des transactions, d’accorder du crédit ou d’émettre des polices, les limites traditionnelles de responsabilité et de supervision sont mises à l’épreuve. Les institutions financières font désormais face à un double impératif : réaliser la valeur de l’automatisation intelligente tout en veillant à ce que les solutions d’IA agentique soient conçues, mises en œuvre et sécurisées de manière à préserver la confiance, gérer les risques et respecter les plus hauts standards d’intégrité réglementaire et opérationnelle.

Ce livre blanc examine comment cet impératif transforme les services financiers et présente une position conjointe de Deloitte et Ping Identity sur la manière dont les institutions peuvent concevoir, mettre en œuvre et sécuriser le tissu d’identité permettant à l’IA agentique d’opérer en toute sécurité, de manière responsable et à grande échelle.

L’évolution de l’IA dans les services financiers

L’IA dans les services financiers a évolué à travers quatre vagues transformatrices, chacune marquée par des opportunités accrues, des risques plus élevés et des investissements plus importants. Ce qui a commencé comme une simple automatisation des fonctions back-office s’est transformé en une intelligence avancée, pilotée par l’IA, intégrée dans l’ensemble du secteur.

À chaque vague, l’IA s’est rapprochée des clients finaux, transformant fondamentalement la manière dont les institutions financières opèrent, interagissent avec leurs clients et gèrent les risques. À mesure que l’influence de l’IA s’étend, son profil de risque s’accroît également, rendant essentielle une approche security-by-design dans le développement, le déploiement et la gouvernance des systèmes modernes d’IA agentique. Deloitte (voir figure 1) propose un cadre global décrivant cette évolution en quatre étapes clés.

Figure 1. Évolution de l’IA agentique dans les services financiers¹

¹ Deloitte. Août 2025.

Autonomie activée par l’identité : l’architecture des relations entre agents

L’IA agentique transforme la notion même d’utilisateur. Pour la première fois, des acteurs numériques peuvent prendre des décisions, entreprendre des actions et collaborer avec d’autres systèmes avec un contrôle humain direct réduit. Dans ce nouvel environnement, l’identité devient le principe organisateur de l’autonomie — le cadre qui détermine qui ou ce qu’est un agent, ce qu’il est autorisé à faire et la manière dont ses actions sont enregistrées et gouvernées.

Ping Identity définit ce nouveau paradigme comme « Identity for AI », une capacité fondamentale pour gouverner la prochaine génération d’agents intelligents non humains. Contrairement aux applications traditionnelles ou aux comptes de service, les agents d’IA réfléchissent, apprennent et agissent de manière autonome, trouvant souvent des moyens créatifs d’atteindre leurs objectifs.

Ils constituent ainsi une nouvelle catégorie d’identité : des entités intelligentes non humaines qui doivent être authentifiées, autorisées et surveillées en continu afin de garantir la responsabilité et une confiance vérifiable pour chaque action. « Identity for AI » fournit les garde-fous qui rendent cela possible, en intégrant la délégation plutôt que l’usurpation d’identité, en appliquant le principe du moindre privilège et l’accès juste-à-temps, et en maintenant une traçabilité complète entre le mandant humain, l’agent agissant en son nom et chaque décision prise par l’agent.

Les trois cas d’usage des relations entre agents

Chaque workflow d’IA agentique dans les services financiers s’inscrit dans un ou plusieurs des trois modèles relationnels récurrents suivants : et au nom de qui.

Client-à-Agent
Des particuliers ou des entreprises déploient des agents pour interagir avec leurs prestataires financiers. Ces agents orientés client peuvent gérer des paiements, des renouvellements d’assurance ou des portefeuilles d’investissement. Les prestataires doivent les reconnaître comme des intermédiaires légitimes, authentifier et autoriser leurs droits, et appliquer des cadres de consentement qui rattachent chaque action de l’agent à un système d’enregistrement.

Entreprise-à-Agent
Les institutions financières exploitent leurs propres agents d’entreprise pour exécuter des tâches internes ou orientées client, allant de l’onboarding et de la vérification know-your-customer (KYC) à la détection de fraude et au traitement des sinistres. Ces agents nécessitent un provisionnement, une supervision et une gestion du cycle de vie d’une rigueur équivalente à celle du personnel humain, avec des lignes de responsabilité clairement attribuées aux responsables métier.

Agent-à-Agent
Les agents autonomes collaborent de plus en plus au-delà des frontières organisationnelles et écosystémiques. L’agent de détection de fraude d’une banque peut interroger l’agent d’un réseau de paiement, ou l’agent de gestion des sinistres d’un assureur peut se coordonner avec l’agent d’un atelier de réparation. Ces interactions exigent une authentification bilatérale, une délégation fondée sur des politiques et des enregistrements de transactions immuables afin de garantir que chaque échange inter-agents est légitime, limité en portée et entièrement auditable.

Les capacités IAM qui rendent l’autonomie responsable

Dans les cas d’usage client-à-agent, entreprise-à-agent et agent-à-agent, un ensemble cohérent de capacités de gestion des identités et des accès (IAM) crée un plan de contrôle pour l’IA agentique. Ces capacités transforment l’identité d’une couche de sécurité statique en un système de gouvernance dynamique, qui renforce simultanément la sécurité, permet la conformité réglementaire et préserve la confiance essentielle à l’intermédiation financière à l’ère de l’IA agentique.

Authentification et vérification de la provenance
La première étape pour sécuriser l’autonomie consiste à vérifier qui ou ce qu’est l’agent, et d’où il provient. Dans un écosystème agentique, la vérification d’identité s’étend au-delà des utilisateurs et des appareils pour inclure les entités numériques autonomes et les données qu’elles traitent. La vérification de la provenance vise à garantir que l’agent et les jeux de données qu’il consomme peuvent être rattachés à des sources légitimes et auditables.

Pour les institutions financières, cela signifie établir une assurance cryptographique de l’origine, vérifier qu’un agent de paiement appartient à un client enregistré, qu’un agent de souscription opère dans le domaine de politique de l’institution et que les données externes provenant de partenaires ou de contreparties n’ont pas été altérées. En rattachant chaque interaction à une identité et à une source de données validées, l’authentification et la vérification de la provenance préviennent l’usurpation, l’imitation et l’empoisonnement des données, des menaces clés pour les futurs environnements d’IA agentique.

Autorisation déléguée
À mesure que les agents commencent à agir de manière indépendante, ils doivent le faire dans le cadre de mandats explicites et limités. L’autorisation déléguée régit cet équilibre en délivrant des identifiants à durée de vie limitée et spécifiques à une tâche, qui définissent précisément ce qu’un agent est autorisé à faire, dans quelles conditions et pour combien de temps. Ces identifiants intègrent le principe du moindre privilège, garantissant qu’un agent ne peut accéder qu’aux données ou aux systèmes nécessaires à l’accomplissement de sa tâche, et à rien d’autre.

Les contrôles de type human-in-the-loop complètent ce modèle en garantissant que les actions sensibles ou à fort impact impliquent toujours une approbation humaine explicite ou une revue a posteriori. Cela maintient la responsabilité humaine même lorsque les agents opèrent de manière autonome, renforçant la confiance et la transparence dans l’ensemble des activités agentiques.

En pratique, cela peut limiter l’agent personnel d’un client à initier des virements en dessous d’un seuil spécifié ou restreindre un agent d’entreprise chargé des sinistres au traitement des polices dans la région qui lui est attribuée. L’autorisation déléguée réduit non seulement la surface d’attaque, mais impose également une séparation interne des tâches, un contrôle essentiel dans des cadres tels que la Digital Operational Resilience Act (DORA) et les FCA’s Operational Resilience rules.

Contrôle d’accès fondé sur des politiques

Le contrôle d’accès fondé sur des politiques (PBAC) applique une intelligence contextuelle à chaque décision d’autorisation, en combinant des informations sur le rôle de l’agent, la sensibilité de la transaction, les conditions de risque en vigueur et les obligations réglementaires applicables. Dans un système agentique, le PBAC remplace les listes d’accès statiques par des évaluations en temps réel, autorisant ou refusant des actions en fonction d’un contexte dynamique tel que la valeur de la transaction, la vulnérabilité du client ou les limites juridictionnelles. Cette capacité permet aux institutions d’intégrer directement les politiques de conformité dans la logique des systèmes, transformant des réglementations telles que la Règlement européen sur l’IA, Monetary Authority of Singapore (MAS) Pathfinder, ou Obligation de diligence envers les consommateurs en contrôles automatisés et opposables. Le PBAC devient ainsi l’incarnation opérationnelle à la fois de la gestion des risques et de l’assurance de conformité.

Gestion du consentement

À mesure que les agents d’IA agissent pour le compte des humains, leur légitimité repose sur le consentement. La gestion du consentement capture, stocke et applique les autorisations qui relient un principal humain aux actions d’un agent. Elle garantit que l’autorisation d’un client de partager des données ou d’exécuter des transactions accompagne chaque requête de manière sécurisée et que ces autorisations peuvent être révoquées à tout moment. Pour les services financiers, cette capacité est essentielle pour maintenir la conformité avec le Règlement général sur la protection des données (GDPR), la loi singapourienne sur la protection des données personnelles (PDPA) et d’autres lois similaires sur la protection de la vie privée. Elle constitue également un moyen de défense contre le détournement d’objectifs ou l’utilisation non autorisée des données, en fournissant une preuve démontrable que chaque action agentique est conforme à l’intention explicite du client.

Gouvernance du cycle de vie

Les agents, à l’instar des identités humaines, doivent être créés, surveillés et retirés dans des conditions contrôlées. La gouvernance du cycle de vie gère ce processus de bout en bout : approvisionnement de nouveaux agents avec des rôles définis, surveillance continue de leurs performances et de leurs comportements, puis décommissionnement lorsqu’ils ne sont plus nécessaires ou lorsque les conditions de risque évoluent. Dans des environnements réglementés comme le secteur des services financiers, cette capacité offre la transparence opérationnelle attendue par les superviseurs, en maintenant des inventaires des agents actifs, de leurs droits d’accès et de leurs sponsors métier. Elle soutient également les fonctions d’audit interne et de gestion des risques en garantissant que des agents dormants ou orphelins ne puissent pas persister à l’insu des systèmes critiques.

Auditabilité et non-répudiation

Enfin, chaque action autonome doit être observable et reconstructible. L’auditabilité et la non-répudiation maintiennent un enregistrement immuable et horodaté de toutes les activités des agents, reliant chaque événement aux identifiants, aux jetons de consentement et aux décisions de politique qui l’ont autorisé. Ces enregistrements permettent aux institutions de satisfaire aux exigences réglementaires en matière d’explicabilité au titre du Règlement européen sur l’IA et de traçabilité des incidents dans le cadre de DORA et de MAS Pathfinder. Plus important encore, ils fournissent la base probante qui entretient la confiance : les clients, les régulateurs et les contreparties peuvent voir non seulement ce qu’un agent a fait, mais aussi qu’il a agi sous une autorité légitime et dans des limites approuvées.

Le Model Context Protocol : un langage commun de la confiance

À mesure que le nombre d’agents autonomes et de systèmes connectés se multiplie au sein des institutions financières, la gestion de l’identité, de l’accès et de la confiance au moyen d’intégrations propriétaires ou point à point devient insoutenable. Chaque interaction agent-à-agent ou inter-domaines, qu’elle ait lieu entre l’assistant personnel d’un client, le moteur de détection de fraude d’une banque ou un réseau de règlement tiers, nécessite une méthode cohérente pour authentifier les participants, échanger des identifiants de manière sécurisée et appliquer des limites de politique.

Le Model Context Protocol (MCP) a émergé pour répondre à ce besoin. Il fournit un cadre normatif qui relie les capacités fondamentales de l’IAM — authentification, autorisation, consentement et audit — au sein d’environnements distribués et multi-agents. En étendant des protocoles de sécurité établis tels que OAuth 2.0 et OpenID Connect, le MCP établit un langage commun de la confiance, permettant la découverte sécurisée, l’échange d’identifiants et la communication contextuelle entre agents, outils et sources de données. Au sein des écosystèmes de services financiers, il permet à l’agent personnel d’un client, à l’agent opérationnel d’une banque et à l’agent d’un prestataire tiers de se reconnaître et de se valider mutuellement, en appliquant une confiance réciproque et des périmètres d’autorité explicites.

Dans ce modèle, l’identité devient un participant actif à chaque transaction plutôt qu’une simple étape de vérification ponctuelle. L’authentification confirme l’origine ; l’autorisation définit le périmètre ; l’audit préserve la preuve. Grâce à cette triade, les institutions peuvent garantir que chaque action autonome, qu’elle soit initiée par un humain, un système d’entreprise ou un agent d’IA, reste dans les limites approuvées et traçable jusqu’à une entité responsable.

Figure 3. Le MCP comme langage commun de la confiance.

Le cadre Identity for AI

À mesure que l’IA agentique devient plus omniprésente, des standards tels que le MCP fournissent une base technique pour l’interopérabilité et la confiance. Toutefois, les standards à eux seuls ne suffisent pas ; les prestataires de services financiers ont également besoin d’une philosophie de conception définissant comment les mécanismes de protection de l’identité doivent être appliqués aux acteurs autonomes.

Ping Identity cherche à fournir précisément cette base à travers sa solution «  Identity for AI  ». Elle traduit des concepts de gouvernance abstraits en principes de conception opérationnels, garantissant que l’autonomie au sein des systèmes financiers s’exerce sous une responsabilité humaine continue. Cette solution repose sur cinq principes directeurs qui permettent ensemble un déploiement sûr, conforme et évolutif de l’IA agentique dans les domaines bancaires, de l’assurance et de la gestion de patrimoine.

Principe 1 : la délégation plutôt que l’usurpation d’identité

Dans les services financiers, la responsabilité dépend de la capacité à savoir qui a effectué une action et sous quelle autorité. Les agents agissent donc pour le compte des humains, mais jamais en se faisant passer pour eux. Chaque agent, qu’il s’agisse d’un assistant bancaire personnel, d’un expert en sinistres numérique ou d’un algorithme de trading, reçoit sa propre identité et son propre ensemble d’autorisations, vérifiables cryptographiquement et distincts de l’individu ou de l’entreprise qu’il représente.

La délégation garantit que lorsqu’un agent initie un paiement, approuve une demande d’indemnisation ou exécute une transaction, ses identifiants sont rattachés à un principal responsable, sans pouvoir être utilisés pour usurper l’identité de cette personne ou institution. Cette séparation des identités élimine le partage d’identifiants, l’une des principales causes de violations internes et de la chaîne d’approvisionnement, et constitue la pierre angulaire de la confiance numérique.

Principe 2 : moindre privilège et accès juste-à-temps

Les institutions financières opèrent sous des principes stricts de supervision de la conformité : il doit en être de même pour l’IA agentique. Les agents ne reçoivent que l’accès minimal nécessaire à l’exécution d’une tâche spécifique, et uniquement pour la durée strictement requise pour l’accomplir. Ce principe de moindre privilège limite les mouvements latéraux et l’exposition des données en cas de compromission d’un agent, tandis que l’accès juste-à-temps (JIT) réduit le risque persistant en supprimant totalement les identifiants permanents.

En pratique, cela signifie qu’un agent de souscription de prêts peut consulter, mais non exporter, les données clients ; qu’un agent de traitement des sinistres ne peut approuver des remboursements que dans la limite de son seuil monétaire ; et que l’accès d’un agent de conseil aux portefeuilles clients expire immédiatement après l’exécution. En encadrant les privilèges dans le temps et dans leur périmètre, les institutions réduisent l’exposition systémique et renforcent la conformité aux attentes réglementaires en matière de maîtrise des risques.

Principe 3 : humain dans la boucle

Même dans les systèmes agentiques les plus avancés, les humains demeurent les arbitres finaux de la responsabilité fiduciaire et éthique. Les actions agentiques à fort impact, à haut risque ou inhabituelles, telles que des transferts de fonds importants, des indemnisations d’assurance inhabituelles ou des accès transfrontaliers aux données, doivent déclencher une validation humaine dans la boucle avant leur finalisation.

Cette mesure de protection reflète les contrôles opérationnels bien établis dans la supervision financière : double autorisation, principe des quatre yeux et escalade en cas d’exception. L’intégration de ces déclencheurs directement dans les workflows agentiques garantit que la supervision s’exerce au rythme de l’automatisation, et non a posteriori.

Principe 4 : surveillance continue et traçabilité

Les systèmes autonomes nécessitent une visibilité continue pour rester dignes de confiance. Chaque décision, requête de données et action exécutée par un agent doit être consignée avec des métadonnées contextuelles complètes : qui l’a autorisée, quelles données ont été utilisées, quel résultat en a découlé et quels contrôles ont été appliqués. La surveillance continue transforme ces données en informations exploitables : elle permet aux institutions de détecter les comportements anormaux, de valider la conformité et d’alimenter la gestion des risques liés aux modèles.

Pour les régulateurs, cette traçabilité offre la transparence qu’ils exigent de plus en plus ; pour les clients, elle apporte l’assurance que même les opérations autonomes restent observables et responsables. En somme, la surveillance et la traçabilité constituent la piste d’audit de l’ère agentique.

Principe 5 : Gouvernance du cycle de vie

Les agents, à l’instar des employés humains, nécessitent une supervision complète de leur cycle de vie, de leur création et intégration jusqu’à leur supervision, modification et retrait définitif. La gouvernance du cycle de vie garantit que la finalité, les autorisations et la chaîne de responsabilité de chaque agent sont définies avant son déploiement, continuellement réévaluées pendant son fonctionnement et formellement clôturées lorsque sa fonction ou son contexte évolue.

Cette capacité comble une lacune de contrôle critique dans la réglementation émergente de l’IA : l’obligation de maintenir un inventaire complet et à jour des systèmes d’IA opérationnels. En étendant la gouvernance des identités aux identités non humaines (NHI), les institutions financières peuvent répondre aux exigences de supervision en matière d’inventaires de modèles, de revues d’accès et d’attestation de conformité aux politiques, tout en évitant que des « agents fantômes » ne persistent invisiblement dans les environnements de production.

Appliquée de manière cohérente, la solution « Identity for AI » transforme l’IAM d’une fonction de conformité réactive en une architecture habilitante d’autonomie de confiance. Elle permet aux institutions financières d’innover rapidement, avec l’assurance que chaque décision autonome est authentifiée, autorisée, observée et attribuable, constituant une chaîne de confiance complète, de la conception à l’exécution.

IA agentique et convergence de la conformité

À mesure que les institutions financières intègrent la prise de décision autonome, les régulateurs du monde entier s’alignent sur un principe clé : l’autonomie ne doit pas diluer la responsabilité. De nouveaux cadres, de l’AI Act de l’UE et DORA aux règles de résilience opérationnelle de la FCA au Royaume-Uni et au MAS Pathfinder à Singapour, exigent que la gouvernance soit intégrée aux systèmes eux-mêmes. La conformité évolue d’un reporting a posteriori vers une assurance architecturale.

L’identité constitue un dénominateur commun, aidant les institutions financières à atteindre la conformité alors que les exigences réglementaires s’accélèrent et se diversifient. L’authentification, l’autorisation, le consentement et l’audit deviendront le langage commun permettant de démontrer la transparence, la supervision et l’explicabilité à l’ère de l’IA agentique. Quelle que soit la zone géographique ou la réglementation, chaque agent IA doit être identifiable, ses actions traçables et ses autorisations limitées dans le temps et dans leur périmètre.

Ce tissu d’identité rend la conformité continue et auto-démontrable. La vérification de la provenance valide l’intégrité des données ; l’autorisation déléguée limite l’autonomie ; le contrôle d’accès basé sur des politiques intègre la réglementation dans le code ; et la gouvernance du cycle de vie maintient la visibilité et l’auditabilité. La réglementation devient un plan de contrôle vivant plutôt qu’une simple liste de vérification statique.

En intégrant ces garde-fous d’identité, les institutions financières transforment la conformité d’une contrainte en un levier. Ce que Deloitte appelle la « compliance by design » remplace les frictions par la confiance, permettant à l’IA agentique de se déployer en toute sécurité, de démontrer sa responsabilité en temps réel et de préserver la confiance qui sous-tend la stabilité financière.

Maîtriser les biais des modèles LLM

L’IA agentique, y compris les LLM, permet la prise de décision autonome dans les services financiers, alimentant les recommandations de produits, le conseil client, les contrôles de conformité et les évaluations des risques. Cependant, les LLM sont sujets aux biais, créant des risques importants en matière de conformité, de réputation et de stabilité financière.

Pourquoi les biais des modèles constituent une préoccupation majeure

Pour relever ces défis, une approche multidimensionnelle est recommandée. Une évaluation rigoureuse des biais doit commencer dès la phase de conception du modèle, en s’appuyant sur des jeux de données d’entraînement diversifiés et représentatifs et en utilisant des données synthétiques pour combler les lacunes de couverture, notamment dans les catégories sensibles ou sous-représentées. Des audits réguliers des prompts de workflow contribuent à atténuer les biais involontaires dans les déploiements opérationnels.

Une surveillance et des tests avancés sont essentiels, notamment la mise en œuvre de dispositifs de détection des biais spécifiques au domaine et des audits périodiques réalisés par des tiers afin de garantir une équité continue. Les contrôles avec intervention humaine restent cruciaux, en particulier pour les décisions à fort impact comme l’octroi de crédit ou la segmentation client ; les protocoles de revue experte et de substitution constituent des garde-fous contre les erreurs automatisées. En outre, l’intégration de l’explicabilité et de la transparence, via des techniques d’IA explicable et une documentation complète, permet aux parties prenantes comme aux régulateurs de comprendre, d’auditer et de contester les résultats générés par l’IA.

Cas d’usage sectoriels : de la réalité actuelle aux futurs agentiques

Le secteur des services financiers est arrivé à un stade où l’efficacité seule ne suffit plus à définir le progrès. Des années d’automatisation des processus et de digitalisation ont permis de gagner en échelle, mais elles ont également multiplié l’exposition aux risques, élargi la surface d’attaque, fragmenté la supervision et mis sous tension le contrôle réglementaire. Les acteurs malveillants exploitent désormais les mêmes canaux numériques que les clients, tandis que les obligations en matière de protection des données et les règles de résilience opérationnelle se renforcent à chaque incident. Alors que les banques, assureurs et gestionnaires de patrimoine commencent à déployer l’IA agentique, la question centrale n’est plus de savoir s’il faut automatiser les décisions, mais comment le faire de manière sécurisée, efficiente et efficace.

La réponse réside dans l’établissement d’un tissu d’identité : une couche cohérente qui unifie la sécurité, la confiance et la conformité à travers les interactions humaines et agentiques. Ce tissu intègre les meilleures solutions d’authentification, d’autorisation, de consentement, d’application des politiques et d’audit dans chaque interaction, garantissant que chaque action autonome puisse être vérifiée, encadrée et tracée. Il transforme l’identité d’un mécanisme défensif en un cadre de gouvernance actif : prévenir les abus avant qu’ils ne surviennent, démontrer la conformité en temps réel et permettre une innovation digne de la confiance des régulateurs et des clients.

En intégrant les principes de sécurité dès la conception au cœur de l’IA agentique, le tissu d’identité permet aux institutions financières de maîtriser les risques tout en libérant les gains de productivité, de personnalisation et d’expérience client offerts par les opérations autonomes. Les cas d’usage suivants illustrent comment ces capacités peuvent générer une valeur mesurable.

Banque

Détection et réponse autonomes à la fraude

Défi

La fraude demeure l’un des plus grands risques opérationnels au monde, tandis que la fraude aux paiements push autorisés (APP) devrait à elle seule dépasser 8,3 milliards de dollars² à l’échelle mondiale en 2024. Les règles statiques et le tri manuel sont lents, réactifs et sujets à l’erreur humaine. Les clients perdent confiance, les régulateurs exigent des remboursements plus rapides, et les équipes opérationnelles font face à une fatigue liée aux alertes, alors que les exigences de conformité augmentent.

² Deloitte, octobre 2025.

État cible

La défense contre la fraude par l’Agentic AI établit une boucle de contrôle continue ancrée sur l’identité. Des agents antifraude authentifiés côté entreprise surveillent les paiements en temps réel et, en cas d’anomalie, initient des vérifications bilatérales avec des agents côté client. Grâce à l’autorisation déléguée et au consentement piloté par le client, les deux parties valident l’intention avant exécution. Les transactions sont automatiquement exécutées ou mises en pause, et chaque événement est enregistré de manière immuable à des fins d’audit et de restitution.

Facteurs de valeur

La gestion agentique de la fraude redéfinit la conformité et la prévention des pertes comme un processus unique et continu de protection et de garantie. Les recherches de Deloitte sur l’automatisation intelligente montrent que les banques appliquant une IA avancée au risque opérationnel pourraient réduire significativement les pertes liées à la fraude ainsi que les coûts de traitement associés, en diminuant le temps d’investigation et en améliorant la précision. Pour générer de la valeur, les décideurs des services financiers devraient :

• Définir une architecture unifiée d’agents antifraude liée à leur socle d’identité.
• Mettre en place des canaux d’agents clients pour la confirmation instantanée des transactions.
• Intégrer des limites d’autorisation déléguée alignées sur les seuils de risque.
• Automatiser la collecte des preuves pour le reporting de conformité.

Identité pour les capacités d’IA

Contrôles Human-in-the-Loop

Même dans la prévention de la fraude agentique en temps réel, la supervision humaine demeure essentielle pour maintenir la confiance, la responsabilité et l’assurance réglementaire. Les agents antifraude peuvent identifier et traiter instantanément des comportements anormaux, mais la décision finale concernant les cas contestés ou à forte valeur doit relever d’analystes formés opérant selon des politiques d’escalade définies. Les contrôles Human-in-the-Loop offrent cette garantie, en veillant à ce que les exceptions, les litiges clients ou les ambiguïtés de politique soient examinés et résolus par des personnels responsables avant le déblocage des fonds ou la finalisation des décisions.

Agents personnalisés de conseil financier

Défi

Les modèles de conseil sont limités par la collecte manuelle des données et un engagement ponctuel. Les conseillers consacrent plus de temps à compiler des données qu’à fournir des recommandations. Les lois sur la protection de la vie privée exigent un consentement explicite et une traçabilité complète, des exigences qui rendent la personnalisation continue difficile sans nouveaux contrôles. De plus, de nombreux clients se sentent mal à l’aise à l’idée d’accorder aux conseillers humains et aux agents d’IA agentique un accès illimité à leurs comptes et à leurs données.

État cible

Un réseau d’agents intelligents ancrés sur l’identité permet une personnalisation continue et conforme. L’agent client recueille de manière sécurisée les objectifs financiers et les informations comportementales sous consentement explicite, tandis que l’agent de conseil du fournisseur interprète ces informations via les moteurs de politique et de risque de l’institution, en appliquant des règles intégrées d’adéquation et de divulgation. Chaque recommandation est traçable de la source de données jusqu’à sa communication et validée par un conseiller humain, préservant la supervision fiduciaire tout en offrant un conseil transparent et continu qui renforce la confiance et l’engagement des clients.

Facteurs de valeur

L’intégration de contrôles d’identité permet une hyperpersonnalisation démontrablement conforme et sécurisée. Pour générer de la valeur, les décideurs des services financiers devraient :

• Utiliser des jetons de consentement comme artefacts de conformité au sein des systèmes CRM et de conseil.
• Automatiser les contrôles d’adéquation via PBAC liés aux règles de politique d’investissement.
• Fournir aux conseillers des tableaux de bord de transparence en temps réel sur l’activité des agents.
• Capturer et stocker les communications de conseil pour les audits de conformité.
• Mesurer l’impact par la fréquence d’engagement client et l’efficacité des revues réglementaires.

Identité pour les capacités d’IA

Contrôles avec supervision humaine

La supervision humaine demeure indispensable dans les modèles de conseil agentique, où les décisions touchent au bien-être financier des clients et aux obligations réglementaires. Bien que les agents de conseil puissent analyser des données et générer des recommandations de manière autonome, l’approbation finale doit provenir de conseillers habilités qui exercent leur jugement professionnel et leur compréhension contextuelle avant l’exécution. Ces contrôles avec intervention humaine préservent la responsabilité fiduciaire, garantissant que chaque analyse automatisée est interprétée à l’aune de l’adéquation au client et de la conformité réglementaire. Ils renforcent également la confiance des clients.

Souscription de prêts et notation de crédit agentiques

Défi

La souscription de crédit demeure l’un des processus les plus fragmentés et exposés aux risques dans le secteur bancaire. La vérification manuelle des documents, la ressaisie répétée des données et la logique décisionnelle opaque prolongent les délais d’approbation et augmentent les coûts opérationnels. La gouvernance des risques liés aux modèles est sous pression, les régulateurs — notamment dans le cadre de l’EU AI Act — exigeant transparence, explicabilité et responsabilité humaine pour les décisions de crédit automatisées. Il en résulte un processus coûteux à exploiter, vulnérable aux biais et lent à produire les résultats que les clients attendent désormais en temps réel.

État cible

Exploiter un réseau de bout en bout d’agents authentifiés coordonnant les décisions de souscription. Dans ce cas d’usage, un agent client compile des justificatifs numériques vérifiés tels que l’identité, les justificatifs de revenus et les données d’open banking, tous authentifiés via une vérification de provenance. L’agent de souscription de la banque se connecte ensuite aux agents des bureaux de crédit via le MCP, en utilisant des droits délégués pour ne collecter que les informations autorisées pour cette demande spécifique. Le PBAC contribue à garantir que les décisions respectent les règles de prêt propres à chaque juridiction ainsi que les limites internes de risque, tandis que chaque échange de données et chaque décision sont enregistrés de manière immuable à des fins d’audit.

Facteurs de création de valeur

La souscription agentique permet des décisions de crédit transparentes et explicables à la vitesse du numérique, transformant une obligation de conformité historique en avantage concurrentiel. Pour générer de la valeur, les décideurs des services financiers doivent :

• Adopter des standards de justificatifs vérifiables pour l’échange de données des emprunteurs.
• Mettre en place des communications entre agents basées sur le MCP avec les bureaux de crédit et les fournisseurs de données fintech.
• Automatiser les rapports d’explicabilité alignés sur les exigences locales de conformité.
• Appliquer des jetons d’accès délégué expirant lors de l’émission de la décision afin d’éviter toute surexposition des données.
• Mesurer le retour sur investissement à travers une meilleure précision des approbations, des délais de traitement plus courts et une réduction des efforts d’audit.

Identité pour les capacités d’IA

Contrôles Human-in-the-Loop

Même dans la prévention de la fraude agentique en temps réel, la supervision humaine reste essentielle pour maintenir la confiance, la responsabilité et la conformité réglementaire. Les agents de fraude peuvent identifier et traiter instantanément des comportements anormaux, mais la décision finale concernant les cas contestés ou à forte valeur doit relever d’analystes formés opérant selon des politiques d’escalade définies. Les contrôles Human-in-the-Loop fournissent cette garantie, en veillant à ce que les exceptions, les litiges clients ou les ambiguïtés de politique soient examinés et résolus par du personnel responsable avant le déblocage des fonds ou la finalisation des décisions.

Assurance

Gestion automatisée des sinistres

Défi

Les opérations de gestion des sinistres demeurent l’une des fonctions les plus coûteuses et les plus visibles pour les clients dans l’assurance. Les examens manuels, les workflows fragmentés et les contrôles antifraude incohérents entraînent des délais de traitement longs, une hausse des frais de règlement des sinistres et une forte exposition réglementaire. Les régulateurs exigent des résolutions plus rapides, des justifications transparentes et une supervision humaine, tandis que les clients évaluent de plus en plus les assureurs en fonction de la rapidité et de l’équité avec lesquelles ils règlent les sinistres. Les systèmes hérités rendent difficile la satisfaction de ces exigences sans accroître le risque opérationnel.

État cible

L’automatisation agentique, soutenue par l’identity fabric, relie chaque étape du cycle de vie des sinistres dans un workflow unique et gouverné. L’agent client collecte des preuves vérifiées et les transmet à l’agent prestataire de sinistres de l’assureur à l’aide d’identifiants authentifiés. L’agent prestataire valide la couverture de la police grâce à une vérification de provenance et engage des agents partenaires externes, par exemple des réseaux médicaux ou des ateliers de réparation, via une autorisation déléguée. Le PBAC applique automatiquement les seuils de paiement et les contrôles antifraude, tandis que la gouvernance du cycle de vie garantit que les agents de sinistres actifs restent supervisés et sont retirés lorsqu’ils ne sont plus nécessaires. Toutes les actions sont consignées grâce à l’auditabilité et à la non-répudiation, créant une preuve immuable de conformité et d’équité.

Facteurs de valeur
L’automatisation ancrée dans l’identité réduit simultanément les coûts et les risques tout en rendant la conformité démontrable. Les principaux assureurs augmentent leurs investissements dans l’IA afin de réduire le délai moyen de règlement, notamment grâce à l’utilisation de leurs copilotes d’assurance. Pour concrétiser cette valeur, les décideurs des services financiers doivent :

• Déployer une vérification de provenance de bout en bout pour toutes les soumissions de sinistres.
• Autoriser les paiements automatisés dans des seuils définis à l’aide de tokens délégués.
• Fournir aux équipes conformité des tableaux de bord d’audit en temps réel sur le statut des sinistres et les exceptions.
• Étendre le PBAC et la gestion du consentement à l’ensemble des polices d’assurance.
• Mesurer le succès par la réduction des pertes liées à la fraude et des délais de réponse réglementaire.

Capacités Identity pour l’IA

Contrôles Human-in-the-Loop

Dans la gestion des sinistres, l’automatisation peut accélérer la résolution, mais la supervision humaine reste essentielle pour garantir l’équité, la précision et la conformité. Bien que les systèmes agentiques puissent valider les preuves, calculer les paiements et signaler les anomalies, les sinistres à forte valeur ou contestés doivent être escaladés pour examen humain afin de préserver l’impartialité du jugement et la confiance des clients. Les contrôles Human-in-the-Loop permettent aux spécialistes des sinistres d’évaluer les cas complexes, d’infirmer ou de confirmer les recommandations agentiques et de documenter la justification à l’intention des régulateurs et des auditeurs.

Tarification dynamique des risques et recommandations de polices

Défi

Les modèles de tarification sont largement statiques, recalibrés chaque année et souvent basés sur des données obsolètes. Ce décalage expose les assureurs à un risque de souscription et limite leur compétitivité. Les réglementations sur la confidentialité restreignent l’utilisation des données de télémétrie, et les régulateurs exigent transparence et équité dans la détermination des primes, créant un goulot d’étranglement en matière de conformité pour l’innovation tarifaire en temps réel.

État cible

Un réseau gouverné d’agents clients et d’agents de tarification côté fournisseur permet une tarification continue et explicable. Les agents clients transmettent des données télémétriques ou comportementales dans le cadre d’un consentement explicite et révocable. Les agents de tarification appliquent le PBAC et l’autorisation déléguée afin d’utiliser uniquement les données autorisées pour les calculs d’exposition. Chaque modification de tarif est validée grâce à des mécanismes d’auditabilité, consignée à des fins de supervision et partagée de manière sécurisée avec les agents des réassureurs ou des partenaires de distribution via des connexions MCP.

Facteurs clés de valeur

Une tarification continue soutenue par une gouvernance des identités peut offrir des résultats plus équitables aux clients et des marges durables aux assureurs. Pour concrétiser cette valeur, les décideurs des services financiers doivent :

• Mettre en œuvre des cadres de gestion du consentement alignés sur les exigences locales en matière de protection de la vie privée.
• Automatiser les rapports d’audit relatifs aux ajustements tarifaires et aux notifications clients.
• Utiliser des identifiants délégués pour les mises à jour de primes dans des seuils contrôlés.
• Intégrer les agents des réassureurs et des courtiers afin d’assurer une visibilité transparente des expositions.
• Surveiller les indicateurs d’équité afin de démontrer la conformité et de renforcer la confiance des clients.

Identité pour les capacités d’IA

Contrôles humains dans la boucle

La tarification dynamique introduit un recalibrage continu des primes, rendant la supervision humaine essentielle pour maintenir l’équité, la transparence et la confiance réglementaire. Bien que les agents de tarification puissent analyser en temps réel des données télémétriques et comportementales, les actuaires et gestionnaires de risques humains doivent examiner les ajustements algorithmiques afin de garantir que les tarifs restent justifiables, proportionnés et non discriminatoires. Les contrôles humains dans la boucle offrent cette garantie, en vérifiant que les décisions agentiques sont alignées sur les principes de souscription, les normes de protection des consommateurs et les exigences de solvabilité.

Gestion de patrimoine et d’actifs

Rééquilibrage de portefeuille autonome

Défi

Le rééquilibrage manuel expose les portefeuilles aux dérives et aux retards, tandis que la nécessité de documenter chaque décision pour MiFID II et d’autres exigences réglementaires met les ressources opérationnelles sous pression. Les conseillers consacrent souvent du temps à rapprocher les enregistrements plutôt qu’à piloter la stratégie.

État cible

L’identity fabric permet une configuration fournisseur-vers-agent et client-vers-agent pour un alignement continu. Les agents de gestion de portefeuille surveillent les expositions en temps réel et exécutent de petites transactions de manière autonome sous autorisation déléguée, en soumettant les réallocations significatives à une validation humaine dans la boucle. Le PBAC applique des paramètres de risque et d’adéquation à chaque transaction, et l’auditabilité enregistre automatiquement la justification et le résultat pour examen par les autorités de supervision.

Facteurs clés de valeur

Un rééquilibrage continu et conforme améliore à la fois la performance et la gouvernance, en réduisant les écarts de suivi et les coûts opérationnels. Pour concrétiser cette valeur, les décideurs des services financiers doivent :

• Cartographier directement les règles de politique d’investissement dans la logique PBAC.
• Configurer des jetons d’accès délégué pour un rééquilibrage automatique dans le cadre du mandat.
• Automatiser les rapports MiFID II et SEC à partir des journaux d’audit.
• Fournir aux conseillers des tableaux de bord pour la supervision et les validations.
• Mesurer l’efficacité de la conformité via la réduction du temps de revue et des taux d’erreur.

Identité pour les capacités d’IA

Contrôles Human-in-the-Loop

Dans la gestion de portefeuille, la supervision humaine est indispensable pour maintenir la responsabilité fiduciaire et l’assurance réglementaire. Bien que les agents de gestion de portefeuille puissent surveiller les positions et exécuter de petits ajustements de manière autonome, les réallocations plus importantes qui affectent significativement le profil de risque ou les objectifs d’investissement d’un client nécessitent une validation humaine. Les conseillers jouent un rôle de point de contrôle critique, en examinant la justification, en confirmant l’adéquation et en approuvant l’exécution avant la passation des ordres.

Agents concierge en gestion de patrimoine

Défi

Les clients fortunés attendent un service personnalisé 24h/24 et 7j/7, mais les obligations accrues en matière de confidentialité rendent la réactivité risquée sans un contrôle granulaire. Sans limites d’identité vérifiables, l’automatisation orientée client risque de compromettre la confidentialité ou d’exécuter des transactions de manière incorrecte.

État cible

Une combinaison d’agents clients et d’agents prestataires concierge permet un service toujours disponible et sécurisé par l’identité. Les agents clients initient les demandes via une authentification adaptative ; les agents concierge les exécutent sous contrôle d’accès basé sur des politiques, en escaladant les actions sensibles vers un examen Human-in-the-Loop. La gestion du consentement associe chaque demande à un principal approuvé, tandis que la gouvernance du cycle de vie garantit que les privilèges restent adaptés au segment client et au statut de la relation.

Valeur et points de décision

L’automatisation des services concierge ancrée dans l’identité accroît la capacité tout en renforçant la confiance. Le projet pilote de RBC Wealth a fait état de gains significatifs de productivité des conseillers et d’une augmentation de la satisfaction client résultant de ses initiatives de transformation agentique.³ Pour concrétiser cette valeur, les décideurs des services financiers devraient :

• Déployer une authentification adaptative et des analyses comportementales pour la vérification des clients.
• Utiliser PBAC pour faire respecter la séparation entre conseil et transactions.
• Capturer des jetons de consentement pour toutes les actions à haut risque.
• Automatiser l’extraction des preuves de conformité à partir des journaux d’audit.
• Quantifier l’augmentation de la capacité des conseillers et les économies réalisées lors des audits de conformité.

^{3 Salesforce}

Identité pour les capacités d’IA

Contrôles humains dans la boucle

Même dans les modèles de conciergerie les plus avancés, la supervision humaine est essentielle pour préserver la confiance des clients, la confidentialité et la conformité réglementaire. Bien que les agents de conciergerie puissent traiter en toute sécurité des demandes d’information et de service courantes, toute action impliquant un conseil, un mouvement de fonds ou des modifications des autorisations client doit déclencher une revue humaine. Les conseillers constituent le dernier niveau de validation, confirmant l’intention du client, vérifiant la conformité réglementaire et s’assurant que les instructions sensibles sont exécutées correctement.

Construire ensemble le tissu d’identité

L’IA agentique transforme la manière de gérer le risque et de créer de la valeur dans les services financiers. Les institutions ne peuvent plus dissocier l’innovation de la gouvernance : les mêmes systèmes qui permettent l’autonomie doivent également démontrer leur responsabilité. Cette convergence entre capacité et contrôle constitue le fondement du tissu d’identité, l’architecture partagée de sécurité, de conformité et de confiance qui sous-tend l’adoption sûre de l’IA agentique. C’est dans cet espace que Deloitte et Ping Identity conjuguent leurs forces pour aider le secteur à passer de l’expérimentation à un déploiement à l’échelle de l’entreprise.

Collaborer pour créer une autonomie de confiance

Ensemble, Deloitte et Ping Identity aident les institutions financières à opérationnaliser le cadre Identity for AI à travers la conception, les politiques et la technologie. Deloitte apporte son expertise stratégique et réglementaire : définition des modèles opérationnels cibles
, cartographie des obligations réglementaires et accompagnement des clients dans l’alignement de la gouvernance avec l’appétence au risque de l’entreprise.

Ping Identity fournit la base technique via la Ping Identity Platform, unifiant l’authentification, l’autorisation, le consentement, l’application des politiques et l’audit à travers les cas d’usage d’identité clients, collaborateurs, tiers et non humains. Cette alliance vise à accompagner les clients à chaque étape de l’adoption, de la preuve de concept initiale à la production à grande échelle, en progressant dans un cadre vérifiable de conformité et d’assurance.

Des principes à la pratique : confiance, risque et performance

Le business case de l’autonomie activée par l’identité repose sur trois résultats indissociables : confiance, risque et performance, chacun renforcé par les capacités décrites dans ce livre blanc. Ensemble, ils constituent la logique stratégique pour construire le tissu d’identité permettant aux institutions financières d’adopter en toute sécurité l’IA agentique à grande échelle.

Pris ensemble, confiance, risque et performance définissent le nouvel équilibre des services financiers à l’ère de l’IA agentique. Les institutions qui intègrent ces principes dans leur tissu d’identité dépassent l’expérimentation contrôlée pour atteindre une transformation évolutive, reproductible et mesurable, où l’autonomie n’est pas seulement permise, mais fiable, gouvernée et rentable.

Poursuivez votre parcours vers l’IA agentique avec Ping Identity et Deloitte⁴ dès aujourd’hui en obtenant votre Guide ultime Identity for AI gratuit.

⁴ Dans le présent document, « Deloitte » désigne Deloitte & Touche LLP, une filiale de Deloitte LLP. Veuillez consulter www.deloitte.com/us/about pour une description détaillée de notre structure juridique. Certains services peuvent ne pas être disponibles pour les clients d’audit en vertu des règles et réglementations de la profession comptable.