Actus AssurTech / InsurTech
VivaTech 2026 aura confirmé une évolution majeure pour l’industrie financière : le secteur n’est plus dans une phase d’observation ou de simple expérimentation technologique, il entre dans une phase beaucoup plus structurante, celle de l’industrialisation souveraine. L’intelligence artificielle, la cybersécurité, la tokenisation ou encore les nouveaux modèles de distribution ne sont plus des sujets périphériques portés par des équipes innovation, ils deviennent progressivement des composantes centrales des modèles opérationnels, des chaînes de valeur et des stratégies concurrentielles.
Cette bascule était déjà perceptible dans les échanges entre institutions financières, infrastructures de marché, acteurs technologiques et cabinets de conseil. Aujourd’hui, banques, asset managers, asset servicers, assureurs, prestataires de paiement ou plateformes de marché partagent désormais une même préoccupation : comment passer de l’expérimentation à l’exécution ? Comment transformer des cas d’usage prometteurs en modèles opérationnels robustes ? Et surtout, comment créer de la valeur réelle, au-delà de la démonstration technologique ?
Le principal risque n’est plus technologique. Il est organisationnel. Et il est déjà en train de ralentir la transformation.
Le premier enseignement de VivaTech 2026 tient précisément à ce changement de nature. Pendant plusieurs années, les institutions financières ont multiplié les proofs of concept autour de l’IA, de la blockchain ou des digital assets. Ces expérimentations ont permis d’apprendre, de sensibiliser les organisations et d’identifier des cas d’usage. Mais elles ont aussi produit beaucoup d’agitation et de bruit : beaucoup de démonstrations, beaucoup de promesses, pour finalement peu d’impact tangible sur les opérations. L’enjeu n’est donc plus de démontrer que la technologie fonctionne, il est de l’intégrer dans les processus critiques, de la faire accepter par les métiers et de la maitriser mais bien de la déployer à l’échelle.
L’intelligence artificielle illustre parfaitement ce passage de cap, elle n’est plus seulement utilisée pour automatiser des tâches simples ou produire des gains de productivité ponctuels mais devient une infrastructure métier. Elle s’intègre aux processus de KYC, de lutte contre la fraude, de surveillance des transactions, de conformité ou de relation client. Dans la gestion d’actifs, elle contribue également à l’analyse des portefeuilles, à la production de commentaires de gestion, à la détection de signaux faibles ou à la personnalisation des allocations. Dans les fonctions de contrôle, elle permet d’accélérer les investigations et de traiter un volume d’alertes que les équipes humaines ne pourraient plus absorber seules. Ce changement d’échelle transforme en profondeur les modes de travail et les compétences attendues, en impliquant une mobilisation accrue de la fonction RH : adaptation des référentiels de compétences, upskilling et reskilling des équipes, accompagnement du changement, et redéfinition des interactions entre l’humain et la machine.
L’IA devient ainsi non seulement un levier technologique, mais aussi un catalyseur de transformation organisationnelle et culturelle.
Cette montée en puissance s’accompagne toutefois d’une réalité contrastée, les investissements dans l’IA sont massifs, les ambitions affichées sont élevées, mais la création de valeur à grande échelle reste encore inégale. Beaucoup d’institutions savent démontrer la pertinence d’un cas d’usage, mais beaucoup moins savent le généraliser, l’intégrer dans leur modèle opérationnel et en mesurer l’impact économique. Autrement dit, le problème n’est plus l’innovation mais son industrialisation. Pour reprendre une formule simple : tout le monde sait faire une belle démo IA sur un stand, mais peu savent la faire tourner un lundi matin dans une organisation régulée, avec des données imparfaites, des processus historiques, un comité des risques et de multiples circuits de validation.
L’IA ne transforme pas uniquement les institutions financières, elle renforce aussi ceux qui les attaquent. La fraude et la cybersécurité sont entrées dans une logique nouvelle, que l’on peut qualifier d’“AI vs AI”. Les fraudeurs utilisent désormais des outils de génération de contenus, des deepfakes vocaux ou vidéo, des documents falsifiés de plus en plus crédibles et des attaques de social engineering beaucoup plus personnalisées. La fraude au président, par exemple, n’est plus seulement un courriel maladroit truffé de fautes d’orthographe. Elle est déjà capable de prendre la forme d’un appel en visio parfaitement imité, contextualisé, crédible, et adressé au bon interlocuteur au bon moment. Le cybercriminel, lui aussi, a fait sa transformation digitale.
Face à cette sophistication, les institutions financières doivent utiliser l’IA non seulement comme un outil de productivité, mais comme un outil de défense. Les systèmes de détection doivent croiser des données transactionnelles, comportementales, contextuelles et externes avec des analyses en temps réel. Les investigations doivent être accélérées et les alertes doivent être priorisées intelligemment. Le véritable enjeu n’est pas seulement de détecter davantage, mais de détecter mieux, plus vite, avec moins de faux positifs et une meilleure capacité d’explication. Dans cette course, l’avantage revient aux organisations capables d’apprendre plus vite que les attaquants.
Cette dynamique repositionne la cybersécurité au cœur de la stratégie.
Longtemps cantonnée au périmètre IT, elle devient un sujet de direction générale. Elle n’est plus seulement une ligne budgétaire défensive, elle devient un facteur de valorisation, de continuité d’activité, de réputation et de confiance. Dans un environnement où les systèmes sont interconnectés, automatisés et dépendants de multiples partenaires, une faille n’est plus un incident technique, elle peut devenir un événement business, financier, réglementaire et médiatique. Une cyberattaque peut détruire, en quelques heures, une confiance construite pendant des années. La cybersécurité devient donc une assurance contre un risque existentiel, avec cette particularité ironique qu’elle est souvent jugée trop chère jusqu’au jour où l’insuffisance des investissements apparaît de manière brutale.
La relation client ne cesse d’évoluer : l’IA accélère le passage d’une finance centrée sur le produit à une finance centrée sur le conseil, la personnalisation et l’accompagnement. Dans la banque de détail, la banque privée, l’assurance ou la gestion d’actifs, les acteurs cherchent à proposer des recommandations plus adaptées, des parcours plus fluides, des interactions plus pertinentes et des solutions davantage alignées avec les besoins réels des clients. L’horizon n’est plus seulement la distribution efficace d’un catalogue de produits, c’est la capacité à construire une relation personnalisée à grande échelle.
Cette évolution est particulièrement structurante pour les asset managers et les banques privées, l’IA permet d’analyser un volume considérable de données, de produire des scénarios, d’adapter des allocations, de générer des reportings personnalisés ou encore de préparer des recommandations, mais, elle ne supprime pas le rôle du conseiller, elle l’augmente : le conseiller ne se différencie plus par sa capacité à produire seul l’information, mais par sa capacité à l’interpréter, à l’expliquer, à assumer une recommandation et à instaurer une relation de confiance. Dans un monde où un client peut obtenir en quelques secondes une recommandation générique via un outil conversationnel, la valeur humaine se concentre sur le jugement, la responsabilité et la capacité à contextualiser. Le conseiller augmenté ne disparaît pas, il devient probablement plus utile, à condition d’accepter de ne plus travailler comme avant.
Au-delà de la personnalisation, l’enjeu devient celui de la fidélisation dans le temps long, différenciant clé pour les acteurs historiques face à des néobanques centrées sur l’instantanéité de la relation.
Longtemps associée aux cryptomonnaies et à une forme de spéculation, la tokenisation est désormais de plus en plus comprise comme une transformation d’infrastructure et ce point est essentiel, car elle ne doit pas être analysée comme l’apparition d’une nouvelle classe d’actifs, mais comme une nouvelle manière de représenter, transférer et administrer la valeur. Elle touche aux couches profondes du système financier : settlement, conservation, distribution, transparence, programmabilité des actifs.
Ses effets potentiels sont significatifs ! Les opérations de règlement-livraison pourraient devenir quasi instantanées : le régulateur exige le passage au T+1, la tokenisation offre le T+0. Les actifs pourraient embarquer des règles de fonctionnement automatisées comme la distribution de coupons, les droits associés, la gestion de la fiscalité, contraintes de détention, événements de marché.
De plus, le fractionnement ouvre l’accès à certains actifs à de nouveaux investisseurs.
Les chaînes opérationnelles pourraient être simplifiées en réduisant les réconciliations, les délais et certaines frictions post-trade. En réalité, la tokenisation remet potentiellement en cause la séparation historique entre trading, post-trade et conservation. C’est toute la plomberie financière qui est en train d’être repensée et comme souvent avec la plomberie, personne ne la regarde quand tout fonctionne, tout le monde s’y intéresse quand elle commence à fuir ou quand quelqu’un propose de refaire l’immeuble.
Cette transformation pose une question stratégique : qui captera la valeur ? Les infrastructures de marché ? Les banques dépositaires ? Les asset servicers ? Les plateformes technologiques ? Les acteurs capables d’orchestrer les nouveaux écosystèmes ? La réponse n’est pas encore stabilisée, même si certaines tendances fortes apparaissent.
Elle est par ailleurs fortement conditionnée par les cadres réglementaires, qui varient sensiblement entre zones géographiques : l’Europe, avec des initiatives comme MiCA ou le régime pilote DLT, structure un environnement plus sécurisé mais potentiellement plus contraint, tandis que d’autres régions privilégient des approches plus pragmatiques ou expérimentales, favorisant une adoption plus rapide mais parfois moins harmonisée.
Néanmoins, il est probable que la valeur se déplacera vers les acteurs capables de combiner efficacité opérationnelle, liquidité, confiance, conformité et interopérabilité, comme les dépositaires. Les institutions financières ne disparaissent pas dans un monde tokenisé, elles peuvent au contraire renforcer leur rôle, si elles deviennent les garantes de la confiance, de la liquidité et de la bonne articulation entre finance traditionnelle et finance digitale.
Le passage à l’échelle dépend toutefois d’un verrou essentiel : la convergence entre actifs tokenisés et cash on-chain. Tant que les actifs sont digitalisés mais que le règlement monétaire reste partiellement hors chaîne, le potentiel demeure limité. Lorsque les deux se rejoindront (actifs tokenisés et monnaie numérique ou formes robustes de cash on-chain) de nouveaux modèles transactionnels pourront émerger et c’est à ce moment que la tokenisation cessera d’être un sujet d’innovation pour devenir un sujet d’infrastructure de marché.
Un autre signal fort réside dans la convergence entre tokenisation et intelligence artificielle : a blockchain apporte la programmabilité de l’infrastructure et l’IA apporte la capacité d’analyse, de décision et d’automatisation. Leur combinaison ouvre la voie à une finance plus programmable, potentiellement plus agentique, dans laquelle certains systèmes pourraient initier, arbitrer ou exécuter des transactions sous contrôle humain. Cette perspective est prometteuse, mais elle soulève immédiatement des enjeux de gouvernance, de responsabilité, de contrôle et de supervision. Une finance programmable sans maîtrise serait moins une révolution qu’un très bon moyen de produire des problèmes très rapidement.
Un dernier enjeu est probablement le plus important : les freins ne sont plus principalement technologiques, ils sont organisationnels. Ainsi, les institutions financières disposent souvent des technologies, des partenaires et des budgets nécessaires, mais elles se heurtent aux silos, aux architectures data fragmentées, aux SI et processus hérités, aux sécurités internes, aux cultures de contrôle et aux difficultés de gouvernance. Passer à l’échelle suppose de connecter les métiers, l’IT, la conformité, le risque, le juridique, la data et la cybersécurité. Ce n’est pas une simple affaire de roadmap technologique, c’est une affaire de transformation d’entreprise et implique une réaffirmation forte du rôle de la fonction RH.
Les organisations les plus avancées partagent plusieurs caractéristiques, elles disposent de fondations data solides, elles priorisent des cas d’usage intégrés aux processus métiers plutôt que des démonstrations isolées, elles associent la gouvernance, la gestion des risques et la conformité dès la conception, elles acceptent de tester, d’apprendre, de corriger et elles comprennent que la robustesse ne s’oppose pas à l’agilité, mais qu’elle en est la condition dans un secteur régulé. À l’inverse, les organisations qui restent dans une logique de POCs successifs risquent de confondre mouvement et progrès. Or, une accumulation de POCs ne fait pas une transformation, elle permet de réaliser de très beaux tableaux Excel de suivi, ce qui est déjà une forme d’art interne, mais rarement un avantage compétitif. Une minorité d’acteurs industrialisera. Les autres décrocheront durablement, bercés par l’illusion d’un mouvement, mais englués dans une forme d’immobilisme sophistiqué.
Toutes ces transformations s’articulent autour d’un même fil rouge : la confiance.
Les dirigeants rencontrés convergent tous sur un point : dans un monde d’IA généralisée, de risques cyber amplifiés et d’infrastructures digitalisées, la confiance devient la condition d’adoption. Les clients n’adopteront pas massivement des services automatisés, s’ils ne comprennent pas à qui ils confient leurs données, leurs décisions ou leurs actifs, les régulateurs n’autoriseront pas l’industrialisation de modèles non maîtrisés et les institutions ne pourront pas passer à l’échelle sans gouvernance claire. La confiance n’est donc plus un simple attribut réputationnel, elle devient une infrastructure invisible, mais déterminante, de la finance de demain.
Cette évolution s’accompagne d’un paradoxe : là où l’IA promettait d’abolir les frontières et de faire du monde un terrain de jeu unifié, elle contribue en réalité à l’émergence d’univers de plus en plus segmentés, voire cloisonnés avec des modèles propriétaires, des environnements régulés et des écosystèmes protégés. La souveraineté technologique et la maîtrise des données redeviennent ainsi des enjeux structurants.
Dans ce contexte, l’IA ne peut être qu’encadrée. Elle impose de trouver un équilibre subtil entre robustesse des contrôles techniques, notamment autour de l’identité et des accès et clarté des règles de gouvernance et des processus. Trop de sécurité peut freiner l’usage et dégrader l’expérience ; trop de fluidité peut fragiliser les dispositifs et exposer à des risques majeurs. La capacité à concilier sécurité, simplicité et efficacité opérationnelle devient dès lors un facteur clé de réussite.
VivaTech 2026 met ainsi en évidence une recomposition profonde du secteur financier. Dans cette nouvelle phase, l’innovation devient une commodité. La compétition ne se jouera plus seulement sur ce terrain. La vraie rareté sera la capacité à exécuter, gouverner, collaborer et inspirer confiance. C’est là que se jouera la prochaine hiérarchie du secteur : l’industrie n’est plus seulement confrontée à une vague d’innovations, elle fait face à un changement de régime. L’IA devient une infrastructure métier, le cyber devient un enjeu stratégique, la tokenisation redessine les infrastructures, le conseil devient augmenté et la transformation organisationnelle devient le principal facteur différenciant.
Cette bascule était déjà perceptible dans les échanges entre institutions financières, infrastructures de marché, acteurs technologiques et cabinets de conseil. Aujourd’hui, banques, asset managers, asset servicers, assureurs, prestataires de paiement ou plateformes de marché partagent désormais une même préoccupation : comment passer de l’expérimentation à l’exécution ? Comment transformer des cas d’usage prometteurs en modèles opérationnels robustes ? Et surtout, comment créer de la valeur réelle, au-delà de la démonstration technologique ?
Le principal risque n’est plus technologique. Il est organisationnel. Et il est déjà en train de ralentir la transformation.
1) De l’innovation à l’industrialisation souveraine : un changement de paradigme
Le premier enseignement de VivaTech 2026 tient précisément à ce changement de nature. Pendant plusieurs années, les institutions financières ont multiplié les proofs of concept autour de l’IA, de la blockchain ou des digital assets. Ces expérimentations ont permis d’apprendre, de sensibiliser les organisations et d’identifier des cas d’usage. Mais elles ont aussi produit beaucoup d’agitation et de bruit : beaucoup de démonstrations, beaucoup de promesses, pour finalement peu d’impact tangible sur les opérations. L’enjeu n’est donc plus de démontrer que la technologie fonctionne, il est de l’intégrer dans les processus critiques, de la faire accepter par les métiers et de la maitriser mais bien de la déployer à l’échelle.
L’intelligence artificielle illustre parfaitement ce passage de cap, elle n’est plus seulement utilisée pour automatiser des tâches simples ou produire des gains de productivité ponctuels mais devient une infrastructure métier. Elle s’intègre aux processus de KYC, de lutte contre la fraude, de surveillance des transactions, de conformité ou de relation client. Dans la gestion d’actifs, elle contribue également à l’analyse des portefeuilles, à la production de commentaires de gestion, à la détection de signaux faibles ou à la personnalisation des allocations. Dans les fonctions de contrôle, elle permet d’accélérer les investigations et de traiter un volume d’alertes que les équipes humaines ne pourraient plus absorber seules. Ce changement d’échelle transforme en profondeur les modes de travail et les compétences attendues, en impliquant une mobilisation accrue de la fonction RH : adaptation des référentiels de compétences, upskilling et reskilling des équipes, accompagnement du changement, et redéfinition des interactions entre l’humain et la machine.
L’IA devient ainsi non seulement un levier technologique, mais aussi un catalyseur de transformation organisationnelle et culturelle.
Cette montée en puissance s’accompagne toutefois d’une réalité contrastée, les investissements dans l’IA sont massifs, les ambitions affichées sont élevées, mais la création de valeur à grande échelle reste encore inégale. Beaucoup d’institutions savent démontrer la pertinence d’un cas d’usage, mais beaucoup moins savent le généraliser, l’intégrer dans leur modèle opérationnel et en mesurer l’impact économique. Autrement dit, le problème n’est plus l’innovation mais son industrialisation. Pour reprendre une formule simple : tout le monde sait faire une belle démo IA sur un stand, mais peu savent la faire tourner un lundi matin dans une organisation régulée, avec des données imparfaites, des processus historiques, un comité des risques et de multiples circuits de validation.
2) Emergence d’un nouveau risque systémique : "AI vs AI"
L’IA ne transforme pas uniquement les institutions financières, elle renforce aussi ceux qui les attaquent. La fraude et la cybersécurité sont entrées dans une logique nouvelle, que l’on peut qualifier d’“AI vs AI”. Les fraudeurs utilisent désormais des outils de génération de contenus, des deepfakes vocaux ou vidéo, des documents falsifiés de plus en plus crédibles et des attaques de social engineering beaucoup plus personnalisées. La fraude au président, par exemple, n’est plus seulement un courriel maladroit truffé de fautes d’orthographe. Elle est déjà capable de prendre la forme d’un appel en visio parfaitement imité, contextualisé, crédible, et adressé au bon interlocuteur au bon moment. Le cybercriminel, lui aussi, a fait sa transformation digitale.
Face à cette sophistication, les institutions financières doivent utiliser l’IA non seulement comme un outil de productivité, mais comme un outil de défense. Les systèmes de détection doivent croiser des données transactionnelles, comportementales, contextuelles et externes avec des analyses en temps réel. Les investigations doivent être accélérées et les alertes doivent être priorisées intelligemment. Le véritable enjeu n’est pas seulement de détecter davantage, mais de détecter mieux, plus vite, avec moins de faux positifs et une meilleure capacité d’explication. Dans cette course, l’avantage revient aux organisations capables d’apprendre plus vite que les attaquants.
3) Cybersécurité, nouveau pivot de la stratégie
Cette dynamique repositionne la cybersécurité au cœur de la stratégie.
Longtemps cantonnée au périmètre IT, elle devient un sujet de direction générale. Elle n’est plus seulement une ligne budgétaire défensive, elle devient un facteur de valorisation, de continuité d’activité, de réputation et de confiance. Dans un environnement où les systèmes sont interconnectés, automatisés et dépendants de multiples partenaires, une faille n’est plus un incident technique, elle peut devenir un événement business, financier, réglementaire et médiatique. Une cyberattaque peut détruire, en quelques heures, une confiance construite pendant des années. La cybersécurité devient donc une assurance contre un risque existentiel, avec cette particularité ironique qu’elle est souvent jugée trop chère jusqu’au jour où l’insuffisance des investissements apparaît de manière brutale.
4) Du passage à un modèle “conseil augmenté” et hyper-personnalisé
La relation client ne cesse d’évoluer : l’IA accélère le passage d’une finance centrée sur le produit à une finance centrée sur le conseil, la personnalisation et l’accompagnement. Dans la banque de détail, la banque privée, l’assurance ou la gestion d’actifs, les acteurs cherchent à proposer des recommandations plus adaptées, des parcours plus fluides, des interactions plus pertinentes et des solutions davantage alignées avec les besoins réels des clients. L’horizon n’est plus seulement la distribution efficace d’un catalogue de produits, c’est la capacité à construire une relation personnalisée à grande échelle.
Cette évolution est particulièrement structurante pour les asset managers et les banques privées, l’IA permet d’analyser un volume considérable de données, de produire des scénarios, d’adapter des allocations, de générer des reportings personnalisés ou encore de préparer des recommandations, mais, elle ne supprime pas le rôle du conseiller, elle l’augmente : le conseiller ne se différencie plus par sa capacité à produire seul l’information, mais par sa capacité à l’interpréter, à l’expliquer, à assumer une recommandation et à instaurer une relation de confiance. Dans un monde où un client peut obtenir en quelques secondes une recommandation générique via un outil conversationnel, la valeur humaine se concentre sur le jugement, la responsabilité et la capacité à contextualiser. Le conseiller augmenté ne disparaît pas, il devient probablement plus utile, à condition d’accepter de ne plus travailler comme avant.
Au-delà de la personnalisation, l’enjeu devient celui de la fidélisation dans le temps long, différenciant clé pour les acteurs historiques face à des néobanques centrées sur l’instantanéité de la relation.
5) Tokenisation : de la promesse technologique à la refonte des infrastructures
Longtemps associée aux cryptomonnaies et à une forme de spéculation, la tokenisation est désormais de plus en plus comprise comme une transformation d’infrastructure et ce point est essentiel, car elle ne doit pas être analysée comme l’apparition d’une nouvelle classe d’actifs, mais comme une nouvelle manière de représenter, transférer et administrer la valeur. Elle touche aux couches profondes du système financier : settlement, conservation, distribution, transparence, programmabilité des actifs.
Ses effets potentiels sont significatifs ! Les opérations de règlement-livraison pourraient devenir quasi instantanées : le régulateur exige le passage au T+1, la tokenisation offre le T+0. Les actifs pourraient embarquer des règles de fonctionnement automatisées comme la distribution de coupons, les droits associés, la gestion de la fiscalité, contraintes de détention, événements de marché.
De plus, le fractionnement ouvre l’accès à certains actifs à de nouveaux investisseurs.
Les chaînes opérationnelles pourraient être simplifiées en réduisant les réconciliations, les délais et certaines frictions post-trade. En réalité, la tokenisation remet potentiellement en cause la séparation historique entre trading, post-trade et conservation. C’est toute la plomberie financière qui est en train d’être repensée et comme souvent avec la plomberie, personne ne la regarde quand tout fonctionne, tout le monde s’y intéresse quand elle commence à fuir ou quand quelqu’un propose de refaire l’immeuble.
Cette transformation pose une question stratégique : qui captera la valeur ? Les infrastructures de marché ? Les banques dépositaires ? Les asset servicers ? Les plateformes technologiques ? Les acteurs capables d’orchestrer les nouveaux écosystèmes ? La réponse n’est pas encore stabilisée, même si certaines tendances fortes apparaissent.
Elle est par ailleurs fortement conditionnée par les cadres réglementaires, qui varient sensiblement entre zones géographiques : l’Europe, avec des initiatives comme MiCA ou le régime pilote DLT, structure un environnement plus sécurisé mais potentiellement plus contraint, tandis que d’autres régions privilégient des approches plus pragmatiques ou expérimentales, favorisant une adoption plus rapide mais parfois moins harmonisée.
Néanmoins, il est probable que la valeur se déplacera vers les acteurs capables de combiner efficacité opérationnelle, liquidité, confiance, conformité et interopérabilité, comme les dépositaires. Les institutions financières ne disparaissent pas dans un monde tokenisé, elles peuvent au contraire renforcer leur rôle, si elles deviennent les garantes de la confiance, de la liquidité et de la bonne articulation entre finance traditionnelle et finance digitale.
Le passage à l’échelle dépend toutefois d’un verrou essentiel : la convergence entre actifs tokenisés et cash on-chain. Tant que les actifs sont digitalisés mais que le règlement monétaire reste partiellement hors chaîne, le potentiel demeure limité. Lorsque les deux se rejoindront (actifs tokenisés et monnaie numérique ou formes robustes de cash on-chain) de nouveaux modèles transactionnels pourront émerger et c’est à ce moment que la tokenisation cessera d’être un sujet d’innovation pour devenir un sujet d’infrastructure de marché.
Un autre signal fort réside dans la convergence entre tokenisation et intelligence artificielle : a blockchain apporte la programmabilité de l’infrastructure et l’IA apporte la capacité d’analyse, de décision et d’automatisation. Leur combinaison ouvre la voie à une finance plus programmable, potentiellement plus agentique, dans laquelle certains systèmes pourraient initier, arbitrer ou exécuter des transactions sous contrôle humain. Cette perspective est prometteuse, mais elle soulève immédiatement des enjeux de gouvernance, de responsabilité, de contrôle et de supervision. Une finance programmable sans maîtrise serait moins une révolution qu’un très bon moyen de produire des problèmes très rapidement.
6) Défi à venir : transformer les organisations, pas seulement les technologies
Un dernier enjeu est probablement le plus important : les freins ne sont plus principalement technologiques, ils sont organisationnels. Ainsi, les institutions financières disposent souvent des technologies, des partenaires et des budgets nécessaires, mais elles se heurtent aux silos, aux architectures data fragmentées, aux SI et processus hérités, aux sécurités internes, aux cultures de contrôle et aux difficultés de gouvernance. Passer à l’échelle suppose de connecter les métiers, l’IT, la conformité, le risque, le juridique, la data et la cybersécurité. Ce n’est pas une simple affaire de roadmap technologique, c’est une affaire de transformation d’entreprise et implique une réaffirmation forte du rôle de la fonction RH.
Les organisations les plus avancées partagent plusieurs caractéristiques, elles disposent de fondations data solides, elles priorisent des cas d’usage intégrés aux processus métiers plutôt que des démonstrations isolées, elles associent la gouvernance, la gestion des risques et la conformité dès la conception, elles acceptent de tester, d’apprendre, de corriger et elles comprennent que la robustesse ne s’oppose pas à l’agilité, mais qu’elle en est la condition dans un secteur régulé. À l’inverse, les organisations qui restent dans une logique de POCs successifs risquent de confondre mouvement et progrès. Or, une accumulation de POCs ne fait pas une transformation, elle permet de réaliser de très beaux tableaux Excel de suivi, ce qui est déjà une forme d’art interne, mais rarement un avantage compétitif. Une minorité d’acteurs industrialisera. Les autres décrocheront durablement, bercés par l’illusion d’un mouvement, mais englués dans une forme d’immobilisme sophistiqué.
Confiance, souveraineté et gouvernance, les nouvelles lignes de force
Toutes ces transformations s’articulent autour d’un même fil rouge : la confiance.
Les dirigeants rencontrés convergent tous sur un point : dans un monde d’IA généralisée, de risques cyber amplifiés et d’infrastructures digitalisées, la confiance devient la condition d’adoption. Les clients n’adopteront pas massivement des services automatisés, s’ils ne comprennent pas à qui ils confient leurs données, leurs décisions ou leurs actifs, les régulateurs n’autoriseront pas l’industrialisation de modèles non maîtrisés et les institutions ne pourront pas passer à l’échelle sans gouvernance claire. La confiance n’est donc plus un simple attribut réputationnel, elle devient une infrastructure invisible, mais déterminante, de la finance de demain.
Cette évolution s’accompagne d’un paradoxe : là où l’IA promettait d’abolir les frontières et de faire du monde un terrain de jeu unifié, elle contribue en réalité à l’émergence d’univers de plus en plus segmentés, voire cloisonnés avec des modèles propriétaires, des environnements régulés et des écosystèmes protégés. La souveraineté technologique et la maîtrise des données redeviennent ainsi des enjeux structurants.
Dans ce contexte, l’IA ne peut être qu’encadrée. Elle impose de trouver un équilibre subtil entre robustesse des contrôles techniques, notamment autour de l’identité et des accès et clarté des règles de gouvernance et des processus. Trop de sécurité peut freiner l’usage et dégrader l’expérience ; trop de fluidité peut fragiliser les dispositifs et exposer à des risques majeurs. La capacité à concilier sécurité, simplicité et efficacité opérationnelle devient dès lors un facteur clé de réussite.
VivaTech 2026 met ainsi en évidence une recomposition profonde du secteur financier. Dans cette nouvelle phase, l’innovation devient une commodité. La compétition ne se jouera plus seulement sur ce terrain. La vraie rareté sera la capacité à exécuter, gouverner, collaborer et inspirer confiance. C’est là que se jouera la prochaine hiérarchie du secteur : l’industrie n’est plus seulement confrontée à une vague d’innovations, elle fait face à un changement de régime. L’IA devient une infrastructure métier, le cyber devient un enjeu stratégique, la tokenisation redessine les infrastructures, le conseil devient augmenté et la transformation organisationnelle devient le principal facteur différenciant.
A propos de KPMG France
KPMG, acteur majeur de l’Audit, du Conseil et du Droit et Fiscalité, réunit 8 000 professionnels en France et en Afrique francophone au service des grands comptes et ETI. KPMG, partenaire de confiance et de compétitivité, sécurise leur information financière et non financière, les accompagne dans leurs transactions, soutient leurs transformations, technologiques, opérationnelles et environnementales. Grâce à son modèle multidisciplinaire, KPMG combine des expertises sectorielles et s’appuie sur ses Centres d’Excellence Tech et ESG en France pour soutenir les projets de croissance durable de tous les acteurs économiques.
KPMG offre à ses clients la force d’un réseau mondial présent dans 138 pays et se singularise par sa proximité territoriale en France.
Depuis 2022, KPMG est une entreprise à mission, avec pour raison d’être d’œuvrer et d’innover avec passion au cœur de l’économie, des territoires et de la société, pour bâtir la confiance, allier performance et responsabilité, faire grandir les talents. Présidé par Marie Guillemot, le Directoire de KPMG en France est composé de Damien Allo, Mustapha Oussedrat, Pierre Planchon et Axel Rebaudières.
KPMG, acteur majeur de l’Audit, du Conseil et du Droit et Fiscalité, réunit 8 000 professionnels en France et en Afrique francophone au service des grands comptes et ETI. KPMG, partenaire de confiance et de compétitivité, sécurise leur information financière et non financière, les accompagne dans leurs transactions, soutient leurs transformations, technologiques, opérationnelles et environnementales. Grâce à son modèle multidisciplinaire, KPMG combine des expertises sectorielles et s’appuie sur ses Centres d’Excellence Tech et ESG en France pour soutenir les projets de croissance durable de tous les acteurs économiques.
KPMG offre à ses clients la force d’un réseau mondial présent dans 138 pays et se singularise par sa proximité territoriale en France.
Depuis 2022, KPMG est une entreprise à mission, avec pour raison d’être d’œuvrer et d’innover avec passion au cœur de l’économie, des territoires et de la société, pour bâtir la confiance, allier performance et responsabilité, faire grandir les talents. Présidé par Marie Guillemot, le Directoire de KPMG en France est composé de Damien Allo, Mustapha Oussedrat, Pierre Planchon et Axel Rebaudières.
Accueil
Envoyer à un ami
Version imprimable
Augmenter la taille du texte
Diminuer la taille du texte
