Une grande banque française a rendu public son travail de conception d'une architecture agentique et le déploiement de ses premières automatisations. Au-delà du cas particulier, l'épisode illustre une bascule : les agents IA quittent le laboratoire pour entrer dans des processus régulés, où la gouvernance pèse autant que la technologie. Pour les dirigeants, c'est un signal à décoder plutôt qu'un modèle à copier.
Le secteur bancaire est un terrain d'observation privilégié pour l'IA agentique. Contraint par la réglementation, la traçabilité et la sécurité des données, il ne peut pas se contenter d'expérimentations : chaque automatisation doit être explicable, auditable et réversible. Que Société Générale, via son entité dédiée à l'IA, communique sur la conception de son « agentique » et sur ses premières automatisations mérite donc l'attention, indépendamment des détails opérationnels que la source ne rend pas publics ici.
DE QUOI PARLE-T-ON ?
Un agent IA n'est pas un simple chatbot. C'est un programme capable de recevoir un objectif, de décomposer le travail, d'appeler des outils (bases de données, API internes, moteurs de règles) et d'enchaîner des actions jusqu'à un résultat. L'orchestration désigne la couche qui coordonne plusieurs agents, distribue les tâches, gère les échecs et impose des garde-fous. Concevoir « son agentique », c'est donc choisir une architecture : quels agents, quels droits, quelles primitives partagées.
LES PRIMITIVES, SOCLE DE L'INDUSTRIALISATION
Les « AI primitives » sont les briques réutilisables — connecteurs, mémoire, validation des entrées et sorties, journalisation — sur lesquelles chaque nouvelle automatisation s'appuie sans réinventer l'infrastructure. Dans une organisation de la taille d'une banque, c'est cette mutualisation qui distingue un pilote isolé d'une capacité d'entreprise. La leçon implicite du cas : la conception précède le déploiement. On ne « lance » pas des agents ; on construit d'abord le cadre qui les rend gouvernables.
LE TYPE-SAFE AI COMME EXIGENCE DE CONFORMITÉ
Le « type-safe AI » consiste à contraindre les échanges entre agents et systèmes à des formats stricts et vérifiables, plutôt qu'à du texte libre interprété au vol. Pour une banque, ce n'est pas un raffinement d'ingénieur : c'est ce qui permet de prouver qu'un agent n'a pas modifié un montant, contourné une règle de conformité ou exfiltré une donnée client. Les automatisations qui résistent à l'audit sont celles dont les entrées et sorties sont typées, validées et tracées.
COMMENCER PAR LES PROCESSUS INTERNES
Les premières automatisations agentiques en environnement régulé portent généralement sur des tâches internes à faible exposition client : préparation de synthèses, contrôle documentaire, tri de demandes, assistance aux opérateurs. Ce choix n'est pas timide, il est rationnel. Il permet de mesurer un ROI concret — temps gagné, erreurs évitées, délais réduits — tout en calibrant la surveillance humaine avant d'élargir le périmètre.
GOUVERNANCE : LA VRAIE DIFFÉRENCE
Trois questions structurent une gouvernance agentique crédible. Qui autorise un agent à agir, et sur quoi ? Comment une action est-elle journalisée et reproductible ? Qui peut l'interrompre, et à quel coût ? Une architecture qui répond à ces questions dès la conception évite l'accumulation d'agents opaques, difficile à démanteler ensuite.
CE QU'EN RETENIR POUR SON ENTREPRISE
Le cas bancaire rappelle qu'une transformation agentique réussie ressemble davantage à un chantier d'infrastructure qu'à un achat de logiciel. Investir dans les primitives, typer les échanges, démarrer par l'interne et documenter la gouvernance : ces choix ne font pas la une, mais ils déterminent si les agents deviendront un actif durable ou une dette technique de plus. Les dirigeants gagneront à évaluer leurs propres initiatives à cette aune plutôt qu'au nombre d'agents déployés.
