Les banques adoptent l'ia agentique pour surveiller les transactions

Les banques testent une nouvelle intelligence artificielle pour la surveillance des transactions

Les banques expérimentent un nouveau type d'intelligence artificielle, connu sous le nom d'IA agentique, qui dépasse la simple détection de mots-clés ou le suivi de règles prédéfinies. Plutôt que de se fier uniquement à des alertes statiques, certaines salles de marché commencent à utiliser des systèmes conçus pour analyser les modèles en temps réel et signaler les comportements nécessitant un examen humain.

Bloomberg a détaillé comment Goldman Sachs et Deutsche Bank explorent ou déploient des outils d'IA agentique pour la surveillance des échanges. L'objectif est de renforcer la supervision des ordres et des transactions en utilisant des agents logiciels capables d'analyser les activités à mesure qu'elles se produisent et d'identifier des motifs susceptibles de suggérer des inconduites.

Agents Adapatatifs

Les grandes banques utilisent des systèmes de surveillance automatisés pour suivre l'activité commerciale, souvent basés 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, cela déclenche une alerte. Les équipes de conformité examinent ensuite le cas manuellement.

Le défi réside dans l'échelle et la complexité. Les marchés modernes génèrent d'énormes volumes de données à travers les classes d'actifs, les fuseaux horaires et les plateformes de trading. Les règles statiques peuvent générer un grand nombre de faux positifs, tandis que les formes de manipulation plus subtiles peuvent ne pas correspondre aux modèles connus.

Selon Bloomberg, les nouveaux systèmes agentiques visent à aller au-delà de cette approche. Plutôt que de vérifier simplement les transactions selon une liste, les agents IA sont conçus pour examiner le comportement commercial à travers plusieurs signaux, le comparer à l'activité historique, et détecter des combinaisons d'actions inhabituelles.

Les outils ne remplacent pas les agents de conformité. Ils fonctionnent comme une couche supplémentaire de surveillance, mettant en lumière les cas nécessitant un examen humain plus approfondi.

Le partenariat de Deutsche Bank avec Google Cloud

Bloomberg a rapporté que Deutsche Bank collabore avec Google Cloud pour développer des agents IA capables de surveiller l'activité de trading. Le système est conçu pour examiner de vastes ensembles de données d'ordres et d'exécution et signaler les anomalies en quasi temps réel.

La banque a élargi ses initiatives en matière d'IA ces dernières années, et cet effort de surveillance reflète comment les institutions financières appliquent les technologies de modèles de langage génératifs au-delà des interfaces de chat. Dans ce contexte, l'IA n'est pas dédiée à répondre aux questions des clients mais à analyser des flux de données structurés et non structurés liés au comportement de trading. Les agents IA peuvent aider à identifier des "anomalies complexes" dans les ordres et transactions, ce qui suggère que le système pourrait examiner les relations entre les transactions, le timing, les conditions du marché et l'historique des traders plutôt que des événements isolés.

Le personnel de conformité humain reste chargé d'examiner les cas signalés pour déterminer si des actions supplémentaires sont nécessaires.

La stratégie 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 pour ses systèmes de trading et de gestion des risques ces dernières années, et cet effort semble prolonger cet travail dans le domaine de la conformité.

Le focus, tel que décrit dans le rapport, porte sur l'utilisation des agents IA pouvant fonctionner de manière autonome pour détecter les indicateurs de mauvaise conduite. Le système peut identifier des modèles n'obéissant pas à une règle claire, mais qui se distinguent comme étant inhabituels.

Pour les régulateurs, l'attrait est simple : une détection précoce peut réduire les dommages au marché et le risque réputationnel. Pour les banques, il y a également une dimension opérationnelle. Les départements de conformité sont sous pression pour traiter de gros volumes d'alertes tout en maintenant des standards de surveillance stricts. Les outils qui peuvent réduire le bruit sans abaisser le niveau de vigilance sont susceptibles d'attirer l'attention.

Pourquoi l'IA agentique est importante

Le terme "IA agentique" fait référence à des systèmes capables de prendre des actions orientées vers un objectif plutôt que de répondre à des invites. En pratique, cela signifie que le logiciel peut décider quelles données examiner ensuite, comparer plusieurs signaux, et intensifier les découvertes sans intervention humaine constante. Dans un contexte de trading, cela pourrait impliquer la surveillance des flux d'ordres, des mouvements de prix, des métadonnées de communication et des comportements historiques pour évaluer si les activités correspondent à des modèles normaux.

Cela ne signifie pas que le système prend des décisions disciplinaires de manière autonome. Les institutions financières opèrent sous des régimes réglementaires stricts, et la responsabilité reste entre les mains des superviseurs humains. Le rôle de l'agent est d'identifier et d'organiser les informations plus efficacement que les systèmes statiques.

Partie d'un changement plus large en matière de conformité

Ce qui semble nouveau, c'est l'application de conceptions IA génératives plus avancées aux fonctions de contrôle interne.

Les régulateurs aux États-Unis et en Europe encouragent les entreprises à améliorer la surveillance des abus et manipulations de marché. Bien que les règles n'imposent pas l'IA agentique, elles exigent des entreprises qu'elles maintiennent des systèmes et contrôles efficaces. Si les outils d'IA peuvent aider à atteindre cette norme, leur adoption devrait croître.

Dans le même temps, l'IA en matière de 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 peuvent résister à l'examen réglementaire. La gouvernance des modèles, la sécurité des données et les pistes d'audit demeurent des préoccupations centrales.

Quels changements pour le secteur

Si les outils de surveillance agentique s'avèrent efficaces, ils pourraient modifier la manière dont les équipes de conformité travaillent. Au lieu de traiter de gros volumes d'alertes simples, le personnel pourrait passer plus de temps à évaluer des cas complexes identifiés par les agents IA.

Ce changement ne supprimerait pas le besoin de jugement humain. Cependant, cela pourrait modifier l'endroit où l'effort humain se concentre. Dans un contexte où la rapidité et le volume des données continuent d'augmenter, la capacité à analyser les modèles en temps réel devient de plus en plus difficile à atteindre avec des systèmes basés sur des règles.

(Photo par Markus Spiske)

Voir aussi : La démo de paiement IA de Mastercard indique un commerce dirigé par des agents

Vous souhaitez en savoir plus sur l'IA et les big data auprès des leaders du secteur ? Découvrez l'AI & Big Data Expo qui se tiendra à Amsterdam, Californie, et Londres. Cet événement complet fait partie de TechEx et est organisé parallèlement à d'autres événements technologiques de premier plan. Cliquez ici pour plus d'informations.

AI News est propulsé par TechForge Media. Explorez d'autres événements technologiques d'entreprise à venir et des webinaires ici.

L'article Goldman Sachs et Deutsche Bank testent l'IA agentique pour la surveillance des échanges est apparu en premier sur AI News.

@ReservoirLive