Le secteur des services financiers  est à un point d’inflexion lorsqu’il s’agit de tirer efficacement parti de l’IA. Dans les salles de conférence des grandes banques, le thème de la conversation est : “Nous avons besoin d’IA agentique.” La promesse est d’enivrer des systèmes — autonomes qui pensent, raisonnent et agissent de façon indépendante pour transformer les opérations.

Mais ici’, nous devons introspecter : Une nouvelle étude du MIT révèle que 95 % des projets pilotes GenAI d’entreprise ne réussissent pas à avoir un impact commercial mesurable.

La recherche, publiée par l’initiative NANDA ’du MIT, a analysé 150 entrevues de cadres, interrogé 350 employés et examiné 300 déploiements publics d’IA. Les résultats sont vifs : Bien qu’environ 5 % des programmes pilotes d’IA atteignent une accélération rapide des revenus, la grande majorité d’entre eux s’arrête à l’étape pilote, avec peu d’impact mesurable sur les profits et les pertes.

Le GEF a découvert une vision critique : Les défaillances ne sont ’pas dues à la qualité du modèle. Ils découlent d’une intégration d’entreprise défectueuse—, ce que MIT appelle l’écart” d’“apprentissage entre les capacités d’IA sophistiquées et l’infrastructure organisationnelle nécessaire à l’échelle.

L’écart de la pile d’infrastructure : Un défi industriel de 100 milliards de dollars

L’écart” entre les “piles représente les coûts cachés entre ce que les banques budgétisent pour l’IA agentique et ce que la mise en œuvre complète exige réellement. Nous estimons que cet écart pourrait dépasser 100 milliards de dollars à l’échelle mondiale :

• Mise à niveau de l’infrastructure : En 2024, le secteur des services financiers a investi 45 milliards de dollars en IA, les services bancaires représentant 31 milliards de dollars. Mais la plupart des infrastructures ne peuvent pas prendre en charge les demandes ’de l’IA agentique. Les mises à niveau des centres de données nécessitent généralement trois à cinq fois le budget d’investissement initial de l’IA, ce qui se traduit par des coûts imprévus de plus de 40 milliards de dollars.
• Complexité de l’intégration : Par exemple, les banques britanniques utilisent généralement des centaines de systèmes différents. Chaque intégration de l’IA au système coûte 100 000 $500 000 –$. Pour les banques mondiales qui ont besoin de milliers de connexions, les coûts d’intégration pourraient dépasser 25 milliards de dollars.
• Coordination multifournisseurs : La recherche de RAND Corporation montre des taux d’échec de projet d’IA allant jusqu’à 80 %, la complexité multifournisseur étant un facteur principal. Les inefficacités ajoutent 30 %–50 % aux coûts — pouvant potentiellement gaspiller 40 milliards de dollars.
• Écart entre le projet pilote et la production : MIT a constaté que 95 % des pilotes n’ont pas réussi à évoluer, tandis que RAND signale 80 % des échecs globaux du projet d’IA. Appliqué aux services bancaires ’31 milliards de dollars d’investissement annuel en IA, ce qui représente 23 milliards de dollars en occasions ’perdues.

La vérité moins connue sur l’IA agentique est qu’il ne ’s’agit pas du tout de l’intelligence. Il ’s’agit de la pile.

Pourquoi l’écart entre les piles tue les rêves d’IA

Entrez dans de nombreuses banques et vous ’trouverez un paysage technologique extrêmement complexe des — décennies de systèmes cousus ensemble. Les systèmes bancaires de base des années 1990 parlent aux  applications infonuagiques par le biais d’intergiciels maintenus ensemble avec du ruban adhésif numérique. Les données sont dispersées sur des centaines de systèmes, tandis que l’infrastructure conçue pour le traitement par lots fait maintenant face à des demandes en temps réel.

Imaginez maintenant demander à cette succession technologique de soutenir les agents d’IA autonomes qui doivent prendre des décisions conformes en une fraction de seconde avec une précision parfaite des données. C’’est comme s’attendre à ce qu’un vieux wagon fiable et robuste participe à la Formule 1.

Il s’agit de l’écart entre ce que — l’IA agentique exige et ce que la plupart des banques peuvent offrir. Trop de fournisseurs construisent des suites” “penthouse sur des fondations de sable rapide. La vérité est simple : Vous ne pouvez pas mettre en œuvre l’IA agentique sans transformer simultanément l’ensemble de votre pile technologique.

La réalité de l’infrastructure d’abord

La plupart des programmes d’IA commencent par des algorithmes et échouent sur l’infrastructure. Chez NTT DATA, nous préconisons l’inverse : Commencez par les bases robustes qui permettent à l’IA de fonctionner.

Prenez la détection de la fraude. Un agent d’IA identifiant une transaction suspecte peut nécessiter une évaluation du risque mondial en millisecondes. Cela nécessite :

• Infrastructure prête pour l’IA qui fonctionne à la fine pointe avec une latence ultra-faible
• Architecture de réseau qui distribue les décisions à l’échelle mondiale sans violer la souveraineté des données
• Des pipelines en temps réel qui mettent instantanément en corrélation l’information sur des dizaines de systèmes

En tant que troisième plus important fournisseur mondial ’de centres de données, avec un investissement de 10 milliards de dollars jusqu’en 2027 pour fournir une infrastructure prête pour l’IA, NTT DATA n’’héberge pas seulement l’IA pour les clients. Nous concevons également le système nerveux mondial qui rend possible l’IA agentique.

Des piliers bancaires aux systèmes nerveux de l’IA

Chez NTT DATA, nous savons que l’IA agentique ne peut ’pas prospérer sur un terrain secoué. Nous ’l’avons prouvé auparavant en construisant BOJ-NET et CAFIS, des systèmes de paiement formant l’épine ’dorsale invisible du système financier du Japon, et maintenant en réinventant les services bancaires de base avec notre nuage bancaire intégré.

Nous ’avons fait de même dans tous les secteurs avec des plateformes comme TradeWaltz et FEDI, créant des rails numériques fiables sur lesquels des écosystèmes entiers peuvent fonctionner. Aujourd’hui, notre écosystème d’agents™ d’IA intelligente  prend cette fondation à l’échelle mondiale, accélérant l’adoption de l’IA agentique avec des solutions prêtes pour l’industrie.

Nous ’ne construisons pas de penthouses sur le sable rapide. Nous ’réinventons le système nerveux prêt pour l’IA de l’avenir.

Pourquoi les DONNÉES NTT sont-elles différentes?

Contrairement aux entreprises en démarrage utilisant uniquement l’IA, nous avons passé des décennies à construire l’infrastructure mondiale qui rend l’intelligence autonome réelle. C’’est pourquoi nous ’sommes dans une position unique pour aider les banques à éviter l’écart de 100 milliards de dollars :

• Propriété complète de la pile : Des centres de données et algorithmes d’IA à la transformation de l’entreprise
• Échelle mondiale : Une entreprise de 30 milliards de dollars au service de 75 % des entreprises Fortune Global 100
• Intégration éprouvée : Déploiements réussis de services financiers à grande échelle
• Partenariats stratégiques : Centre d’excellence OpenAI et alliances avec tous les principaux fournisseurs de services en nuage

Avec NTT DATA, les institutions financières ne font pas qu’’expérimenter l’IA agentique. Ils l’adaptent.

La vérification de la réalité SIBOS 2025

Alors que les dirigeants se réunissent à Francfort, en Allemagne, en septembre pour SIBOS 2025, il y a quelques questions à poser :

• Comment combler l’écart entre les piles pour permettre le déploiement à grande échelle de l’IA?
• Votre fournisseur d’IA peut-il garantir une latence inférieure à la milliseconde sur les marchés mondiaux?
• Votre fournisseur de services en nuage peut-il assurer la conformité aux lois sur les données ’de chaque juridiction?
• Votre intégrateur de systèmes peut-il moderniser les anciens systèmes bancaires sans interruption?

L’avenir appartient à l’IA à pile complète

L’avenir de l’IA agentique dans le secteur bancaire n’’est pas seulement une question d’algorithmes intelligents. Il ’s’agit également d’une infrastructure intelligente. Ceux qui comprennent cela et qui s’associent à des fournisseurs qui peuvent fournir les deux dirigeront la transformation de l’industrie.

Chez NTT DATA, nous ’avons construit les deux.