L'IA d'abord
85 % des utilisateurs bancaires en Europe rejettent l’IA qui exécute des actions financières de manière autonome. Mais 80 % souhaitent des analyses intelligentes actives. Le défi de conception dans le secteur bancaire n’est pas de savoir quelle quantité d’IA utiliser, mais plutôt où et comment.
L'utilisateur bancaire espagnol souhaite que l'IA l'aide à prendre des décisions. Non pas que je décide à sa place.
Il existe un malentendu récurrent dans les projets d’IA pour le secteur bancaire. Elle consiste à supposer que, parce que les utilisateurs adoptent rapidement la technologie, ils sont prêts à confier le contrôle de leurs décisions financières à un système automatisé.
Les données disent le contraire.
Une étude récente de Sopra Steria auprès d'utilisateurs de services bancaires numériques dans cinq pays européens, dont l'Espagne, révèle que plus de 85 % des participants manifestent une résistance active à un système d'IA exécutant des actions financières de manière autonome. Paiements automatiques, virements, décisions qui affectent directement votre argent : l’IA n’y règne pas. Ils règnent.
Et pourtant, la même étude montre que plus de 80 % de ces mêmes utilisateurs sont très intéressés par les fonctionnalités d’analyse intelligente : synthèses de dépenses, catégorisation automatique, alertes budgétaires, projections de soldes. Ils veulent une IA active, utile et présente. Juste à sa place.
Le banque qui fonctionne déjà bien
Il y a une information contextuelle qui change la lecture de tout ce qui précède : près de trois utilisateurs sur quatre considèrent que leur application bancaire actuelle est simple et fiable. Sur des marchés comme l’Espagne, la Norvège ou les Pays-Bas, l’efficacité des applications bancaires est déjà perçue comme la norme minimale attendue et non comme un avantage.
Cela signifie que les équipes de produits bancaires ne sont pas en concurrence avec une barre basse. Ils sont en concurrence avec une attente formée par des années d’itération sur une expérience qui fonctionne déjà. Ajouter l’IA à cela ne constitue pas automatiquement une amélioration : cela peut être une source de frictions s’il n’est pas bien conçu.
Le risque d’une course à l’IA dans le secteur bancaire n’est pas à la traîne technologiquement. Il s’agit de construire des expériences que les utilisateurs ne comprennent pas, auxquelles ils n’ont pas confiance et qu’ils abandonnent au profit de l’interface traditionnelle qu’ils continuent de préférer.
L'utilisateur espagnol : pragmatique et concret
L’étude révèle de nettes différences entre les pays. Les utilisateurs espagnols se distinguent par leur pragmatisme particulier : ils évaluent l’IA presque exclusivement en termes d’utilité concrète et de rapidité. Ils ne sont pas séduits par la sophistication technologique en elle-même : ils sont intéressés si elle résout quelque chose de réel pour eux en moins de temps.
Cela a une implication directe sur le design : en Espagne, il est très peu probable qu’une fonction d’IA qui n’a pas de cas d’utilisation immédiatement compréhensible soit adoptée, quelle que soit la puissance du modèle sous-jacent.
La question que les équipes de produits bancaires devraient se poser avant de lancer une fonctionnalité d’IA n’est pas « que peut faire ce modèle ? mais "à quel moment précis de la vie financière de l'utilisateur cela l'aide-t-il vraiment ?"
Copilote, pas pilote automatique
La métaphore qui ressort le plus fortement de l’étude est celle du copilote. Les utilisateurs veulent un système qui les aide à comprendre ce qui se passe, qui les alerte lorsque quelque chose mérite leur attention, qui leur donne le contexte nécessaire pour prendre de meilleures décisions. Mais la décision est prise par eux.
Plus de 70 % des participants déclarent qu'ils doivent comprendre pourquoi le système fait une recommandation avant d'y donner suite. Une IA qui n'explique pas son raisonnement génère de la méfiance, même lorsque la banque qui la déploie jouit d'un niveau élevé de confiance institutionnelle.
Cela a des conséquences de conception très spécifiques. Le moment de la recommandation – comment elle est présentée, quel contexte elle accompagne, quelles options propose l’utilisateur pour intervenir ou la rejeter – est aussi important que la qualité du modèle qui la génère. Un bon modèle avec une mauvaise interface de recommandation engendre la méfiance. Un modèle acceptable avec une interface transparente et contrôlable produit l’adoption.
La transition à venir
Plus de 75 % des utilisateurs considèrent l’IA comme une couche supplémentaire par rapport à l’interface bancaire qu’ils utilisent déjà, et non comme un remplacement. Aujourd’hui, les utilisateurs préfèrent les interfaces augmentées par l’IA plutôt que les interfaces IA first où la conversation avec un agent remplace la navigation.
Cela ne veut pas dire que ce moment ne viendra pas. Cela signifie qu'il n'est pas encore arrivé. Et les organisations qui l’imposent avant que l’utilisateur ne soit prêt se heurteront à de la résistance.
Ceux qui le feront bien seront ceux qui concevront cette transition progressivement : d’abord en ajoutant des fonctions d’analyse qui renforcent la confiance dans l’IA, puis en proposant de manière transparente des suggestions, et seulement lorsque cette confiance est établie, en élargissant la portée de ce que le système peut faire de manière autonome.
Se lancer dans l’IA bancaire ne constitue pas un avantage concurrentiel. La confiance se construit étape par étape, oui.
