L’asset management à l’heure de l’IA agentique : la prochaine frontière de l’autonomie déterministe

Tribune exclusive : Par Jamil Jiva, Global Head of Asset Management chez Linedata

 

Dans l’asset management, l’intelligence artificielle n’est plus une promesse lointaine : elle est déjà là, partout, dans la recherche, les portefeuilles, les opérations. Mais à mesure qu’elle s’installe, une évidence s’impose : accélérer ne suffit plus. L’AI Act en Europe comme le récent décret présidentiel sur l’IA signé aux États-Unis offrent des illustrations claires : la puissance technologique doit désormais aller de pair avec la gouvernance, la supervision et la sécurité. Dès lors, la vraie question n’est plus de savoir si l’IA va transformer le secteur, mais comment elle peut le faire sans fragiliser ce qui fait la valeur de l’asset management : la rigueur, la fiabilité et la capacité à décider dans des environnements de plus en plus complexes.

A mesure que les acteurs du secteur affrontent des chaînes de traitement plus longues, des produits plus sophistiqués, des exigences réglementaires accrues et des cycles de décision plus courts, une question devient centrale : jusqu’où déléguer sans perdre le contrôle ? Et surtout, comment garantir que cette autonomie reste compatible avec les exigences fondamentales de traçabilité, de conformité et de responsabilité propres à la gestion d’actifs ?

De l’IA conversationnelle à l’IA décisionnelle

Jusqu’ici, l’IA générative a surtout été mobilisée comme un assistant : résumer, recommander, comparer, rédiger. C’est utile, mais insuffisant pour une industrie où chaque décision doit être contextualisée, justifiable et contrôlée. L’IA agentique marque un saut d’une autre nature : elle ne se limite plus à produire du contenu ou à assister la décision, elle exécute des séquences de tâches. Là où l’IA générative améliore la réponse, l’IA agentique change la logique d’action. Le Global Asset Management Report 2026 du Boston Consulting Group estime que dans les opérations d’investissement, l’IA agentique pourrait augmenter la productivité de 55 % à 65 % et réduire les coûts opérationnels d’environ 40 %. Ces ordres de grandeur ne doivent pas être lus comme une promesse, mais comme une preuve du potentiel réel. Car si l’IA générative a d’abord démontré sa capacité à mieux répondre, mieux résumer ou mieux rédiger, l’IA agentique ouvre une nouvelle proposition de valeur : celle de l’exécution autonome de séquences de tâches complexes.

Gouverner pour accélérer

Pour tirer pleinement parti de ce potentiel, l’IA agentique ne doit plus être pensée comme une simple couche d’assistance, mais comme une infrastructure de transformation du modèle opératoire, au cœur des processus, de bout en bout. Cette promesse n’est tenable que si l’organisation accepte de revoir ses fondations, à travers une reconfiguration de l’architecture des données, des workflows, des talents et des modèles de gouvernance.

C’est précisément là que commence l’autonomie déterministe : une autonomie non pas totale, mais une autonomie bornée, gouvernée, contrôlée et conçue pour être maîtrisée. L’IA agentique ne crée pas de valeur par sa seule présence, elle en crée lorsqu’elle est intégrée dans une logique industrielle cohérente dans un cadre métier défini, avec des règles, des seuils et des points de contrôle.

L’une des erreurs les plus fréquentes consiste à opposer gouvernance et performance. En réalité, dans un environnement régulé, la gouvernance est ce qui permet de passer à l’échelle. Sans orchestration, sans seuils de confiance, sans validation humaine sur les étapes critiques, l’IA peut créer plus de fragilité que de valeur.

C’est pourquoi l’asset management doit raisonner en architecture plutôt qu’en cas d’usage isolé. Il ne s’agit pas de déployer des agents là où c’est possible, mais là où le niveau de confiance, la qualité des données et la gouvernance permettent une automatisation soutenable. L’IA ne doit pas seulement être intelligente, elle doit être fiable, explicable et arrêtée quand cela s’impose.

Repenser la chaîne de valeur

L’autre bascule majeure est stratégique : l’IA ne transforme pas uniquement les opérations, elle redéfinit la chaîne de valeur elle-même. Le rapport BCG souligne par exemple qu’en distribution et en service client, l’IA agentique peut libérer 35 % à 50 % de productivité. Pour le trading, il mentionne que 70 % à 80 % des flux d’exécution standards pourraient être automatisés. Dans un univers où la relation client, la personnalisation et la qualité d’exécution deviennent des facteurs de différenciation, cet impact est considérable.

Pour autant, cette capacité libérée n’a de valeur que si elle est réinvestie dans des tâches à plus forte intensité humaine : la profondeur de la relation, le jugement, la pertinence du conseil, la nuance commerciale, l’anticipation des besoins clients. Le bon usage de l’IA agentique n’est pas de remplacer la décision, mais de déplacer l’effort humain vers ce qui crée réellement de l’avantage.

C’est aussi ce qui distingue les acteurs qui subiront la transformation de ceux qui la piloteront. Les premiers chercheront à automatiser des tâches. Les seconds construiront une nouvelle architecture opérationnelle, où l’IA devient une couche d’exécution gouvernée, intégrée aux workflows, au service d’une stratégie de création de valeur plus profonde, plus robuste.

 

L’asset management entre dans une phase décisive de transformation : celle où l’IA agentique ne se contente plus d’assister, mais devient un opérateur à part entière de la chaine de valeur. Mais cette évolution ne pourra tenir ses promesses que si elle s’accompagne d’un changement de doctrine : accepter que la vraie rupture ne soit pas seulement technologique, mais organisationnelle. L’enjeu n’est pas d’automatiser davantage, mais d’automatiser avec discipline, pour gagner en vitesse, sans perdre en maîtrise. De passer d’une intelligence probabiliste, à une autonomie déterministe, conçue pour inspirer confiance. Dans un environnement où la confiance reste la première monnaie, la véritable innovation ne sera pas l’IA la plus puissante, mais l’IA la plus fiable.