Gemini Enterprise pour les banques : comment la finance évolue avec l’IA

Google Cloud intègre l’IA agentique directement dans les processus des grandes banques. Le 25 août 2026, le groupe a présenté Gemini Enterprise for Financial Services, une version spécialisée de sa plateforme initialement destinée aux marchés de capitaux et à la banque d’affaires.

Le service, disponible en avant-première, combine des agents IA, plus de 50 compétences financières préconfigurées, des liens vers les principaux fournisseurs de données de marché et des outils de contrôle destinés aux fonctions informatiques et de gestion des risques.

Parmi les premiers groupes impliqués figurent Deutsche Bank et CME Group. La banque allemande a participé à la conception de l’agent de recherche financière, l’agent développé et géré par Google pour automatiser les activités de recherche financière. Le lancement fait partie d’une stratégie plus large avec laquelle Google Cloud cherche à transformer Gemini d’un assistant généraliste en une infrastructure opérationnelle pour des secteurs hautement réglementés. Le même jour, le groupe a également présenté une version dédiée au secteur juridique.

Le projet part d’un postulat économique précis : dans les banques, l’IA n’est plus testée uniquement pour produire des textes ou des synthèses. Les institutions cherchent à l’utiliser pour exécuter des séquences de tâches nécessitant un accès simultané aux données de marché, aux documents commerciaux, aux dossiers internes et aux systèmes de contrôle.

Un agent de recherche financière

Le cœur de l’offre est l’agent de Recherche Financière. Selon la documentation publiée par Google Cloud le 25 août, le système peut effectuer des recherches complexes en se connectant à différentes sources et produire des résultats accompagnés de citations, de méthodologies déclarées, d’indicateurs de fiabilité et de copies des données utilisées, destinés à faciliter les contrôles et audits ultérieurs.

Google indique plus de 50 compétences spécialisées et 13 connecteurs vers des sources financières et corporatives. Les fournisseurs cités incluent FactSet, Lseg, Moody’s, Msci, PitchBook, S&P Global, Dun & Bradstreet, Finnhub, Daloopa, Guidepoint, Fiscal.ai, CoinDesk Data & Indices et Sec Edgar. La plateforme peut également fonctionner avec Google Workspace et Microsoft 365, vous permettant de transférer des analyses et des documents vers Docs, Sheets, Slides, Word, Excel et PowerPoint.

L’élément le plus important sur le plan industriel est la connexion entre le modèle d’IA et les sources professionnelles qui alimentent déjà l’activité quotidienne des banques et des sociétés financières. Un modèle de langage utilisé sans ces liens peut fournir des réponses basées sur les informations apprises lors de la formation ou sur le matériel téléchargé par l’utilisateur. Un agent financier connecté aux systèmes de l’entreprise peut à la place interroger les données autorisées, les documents internes et les informations de marché mises à jour.

C’est sur cette différence que Google cherche à bâtir sa position dans le secteur.

Du KYC à l’analyse crédit

Les cas d’usage présentés concernent des activités qui absorbent de nombreuses heures de travail qualifié. Google cite des recherches auprès des clients, l’identification des bénéficiaires effectifs, l’analyse des structures d’entreprise, la surveillance des portefeuilles d’obligations, l’étude du risque de crédit et la préparation des documents nécessaires aux émissions d’obligations.

Dans le Connaissez votre clientou KYC, le système peut acquérir des documents dans différents formats, notamment des fichiers PDF, des feuilles Excel et des documents déposés auprès de la SEC, pour reconstituer les participations de l’entreprise et identifier les bénéficiaires effectifs ultimes. Il s’agit d’activités essentielles pour se conformer à la réglementation anti-blanchiment et vérifier l’identité des clients, mais elles nécessitent néanmoins un travail important de collecte et de comparaison des informations.

Google affirme également que l’analyse de l’exposition au risque d’un portefeuille obligataire peut être réduite à moins de cinq minutes, y compris d’éventuelles stratégies de couverture des risques. durée. Pour les émissions obligataires, la société affirme que la préparation des présentations aux clients peut prendre des jours, voire quelques minutes. Dans les deux cas, il s’agit d’estimations présentées par le fabricant et non de résultats certifiés par des études indépendantes.

Le bénéfice économique potentiel concerne principalement le coût de la main d’œuvre qualifiée. Si une partie des recherches préliminaires, de la collecte de documents et de la préparation du matériel est automatisée, les analystes et les banquiers peuvent consacrer plus de temps aux décisions, aux relations avec les clients et aux activités qui nécessitent une responsabilité professionnelle.

Deutsche Bank se lance dans la banque d’affaires

Deutsche Bank représente l’un des tests les plus pertinents de la nouvelle plateforme. La banque a collaboré au développement de l’agent de recherche financière dans le but de l’adapter aux exigences de sécurité, de gouvernance et de localisation des données requises dans le système bancaire.

Selon le matériel de lancement, Deutsche Bank a l’intention d’utiliser dans un premier temps l’agent de la division Corporate Bank pour identifier les besoins des clients, identifier les produits appropriés, accélérer les processus d’acquisition et suivre les évolutions du marché. Le groupe évalue également des applications dans la gestion des risques liés à la criminalité financière, la prévision, l’analyse de scénarios et la préparation de présentations commerciales pour les Banques Privées et les Banques d’Investissement.

Ce choix est conforme à l’orientation indiquée par Deutsche Bank ces derniers mois. Le 25 juin 2026, Deutsche Bank Research décrivait le passage de l’IA générative à l’IA agentique comme un facteur destiné à impacter la compétitivité des entreprises et l’économie allemande.

Toutefois, pour les banques, un agent capable d’effectuer des tâches ne peut pas être traité comme un simple chatbot. L’accès aux bases de données doit respecter les autorisations de l’employé utilisant le système. Les informations confidentielles ne doivent pas quitter les environnements autorisés. Chaque étape pertinente doit pouvoir être reconstituée en cas de contrôle.

Google renforce sa présence dans les grandes banques

Gemini Enterprise for Financial Services arrive après plusieurs accords entre Google Cloud et de grands opérateurs financiers. Le communiqué cite BNY, Citi Wealth, Lloyds Banking Group, Macquarie Bank et Signal Iduna parmi les institutions utilisant les technologies de la famille Gemini Enterprise.

L’un des projets les plus visibles est celui de Citi Wealth. Le 22 avril 2026, Citi a lancé Citi Sky, un service basé sur les technologies Google Cloud et Google DeepMind pour les clients de Citigold aux États-Unis. Le système utilise des modèles Gemini, la voix et la vidéo en temps réel et vise à fournir des informations sur le marché et des conseils personnalisés, tout en gardant le conseiller humain dans le processus.

Citi travaille simultanément sur le recours à des agents au sein de la banque. Le 30 avril, elle a annoncé Arc, une plateforme de développement et de déploiement d’agents d’IA pour la recherche, la synthèse, la préparation et l’exécution de tâches internes.

Dans sa lettre aux actionnaires pour l’exercice 2025, Citi a indiqué que les outils de codage assistés par l’IA créaient déjà environ 100 000 heures de capacité de travail par semaine pour les développeurs. La banque utilise également l’IA dans les services clients, les marchés, la gestion de patrimoine, les processus KYC et le crédit de gros.

Ces exemples montrent comment la concurrence entre les grands fournisseurs de technologies évolue de l’octroi de licences sur des modèles individuels à la capacité de les insérer dans les processus de production des banques.

L’IA est déjà présente dans plus de 85 % des grandes banques européennes

La diffusion de l’intelligence artificielle dans le système bancaire européen a désormais dépassé la phase expérimentale. Le 3 juin 2026, la Banque centrale européenne a rapporté que plus de 85 % des établissements importants sous surveillance bancaire européenne utilisent des technologies d’intelligence artificielle.

L’Autorité bancaire européenne, dans son rapport d’évaluation des risques publié en juin 2026, reconnaît que l’IA peut réduire les coûts et accroître l’efficacité dans de nombreuses activités : automatisation des processus, gestion des risques, conseils financiers, service client et prévention de la fraude. Cependant, le même rapport énumère les risques opérationnels, les erreurs de données, les biais des modèles, la dépendance à l’égard de fournisseurs externes, les problèmes juridiques et l’augmentation des cybermenaces.

Pour Google, cette combinaison représente à la fois une opportunité commerciale et une contrainte de conception. Les banques veulent des systèmes capables d’automatiser davantage leur travail, mais elles doivent être capables de démontrer aux autorités comment ces systèmes accèdent aux données, produisent des réponses et se conforment aux politiques internes.

De l’IA générative aux agents autonomes

La différence entre un assistant génératif et un agent concerne principalement la capacité à agir. Un chatbot reçoit une question et produit une réponse. Un agent peut décomposer un objectif en plusieurs opérations, interroger différentes sources, utiliser des outils externes et préparer un résultat sans obliger l’utilisateur à piloter chaque étape individuelle.

Dans le secteur financier, cette évolution peut modifier les activités à forte intensité de recherche. Un analyste qui doit évaluer une entreprise peut, par exemple, demander au système de récupérer des états financiers et des informations réglementaires, comparer les multiples avec ceux de concurrents, rechercher des actualités récentes et préparer une première ébauche du rapport.

Cependant, la valeur dépend de la qualité des données et de la possibilité de vérifier leur origine. Pour cette raison, Google insiste sur ce qu’on appelle le lignage des données, c’est-à-dire sur la reconstruction de la chaîne qui relie une conclusion à la source utilisée. La société déclare également que les données de l’entreprise, la propriété intellectuelle, les règles internes, les agents personnalisés et les résultats des clients ne sont pas utilisés pour former ou affiner les modèles de base de Google.

La réglementation européenne renforce les contrôles

La ruée vers l’automatisation coïncide avec un renforcement des exigences européennes en matière de résilience numérique.

Le règlement Dora, applicable aux opérateurs financiers de l’Union européenne, impose des règles en matière de gestion des cyber-risques, de reporting des incidents, de tests de résilience et de contrôle des fournisseurs de technologies externes. L’EBA a précisé dans son rapport de juin que les banques doivent également intégrer des outils d’IA dans leurs systèmes de conformité Dora et évaluer, le cas échéant, leurs obligations au titre de l’AI Act.

Le 31 juillet 2026, l’Eba, l’Eiopa et l’Esma ont également appelé à une approche coordonnée de surveillance des cyber-risques liés aux modèles d’IA les plus avancés. Les trois autorités européennes ont réclamé des systèmes solides de gouvernance, de prévention et de gestion des incidents et ont lié ces contrôles à la surveillance par Dora des fournisseurs TIC critiques.

L’EBA elle-même prévient que des modèles plus puissants peuvent augmenter les capacités des cyber-attaquants, accélérant ainsi l’exploitation des vulnérabilités logicielles. Le rapport de juin considère donc également l’IA comme un amplificateur du cyber-risque.

Pour les banques, le problème devient la productivité

Gemini Enterprise for Financial Services intervient alors que les institutions cherchent à transformer les investissements en IA en résultats économiques mesurables. Les premières utilisations se sont concentrées sur la rédaction, la recherche interne et le soutien des employés. Les agents se concentrent désormais sur l’exécution de processus complets.

Le succès commercial de la plateforme dépendra de la capacité à réduire les délais et les coûts sans augmenter les erreurs, les risques opérationnels ou la dépendance à l’égard d’un seul fournisseur. La présence de connecteurs vers les grands fournisseurs de données financières et la compatibilité déclarée avec Microsoft 365 indiquent que Google souhaite s’intégrer dans les infrastructures existantes plutôt que de les remplacer entièrement.

Pour Deutsche Bank, Citi et d’autres grandes institutions qui investissent dans des agents, l’étape décisive sera de mesurer dans quelle mesure le travail humain peut être efficacement automatisé tout en maintenant les capacités de responsabilisation, de contrôle et d’audit.

2026 transforme ainsi l’IA bancaire d’un outil de support à un composant de l’infrastructure opérationnelle. C’est sur la productivité, la fiabilité et les coûts – ainsi que sur la capacité à respecter Dora, AI Act et les règles internes – que les banques et les autorités pourront évaluer les résultats de la nouvelle génération d’agents financiers.