Les régulateurs financiers parlent rarement à l’unisson. Lorsque le Conseil de stabilité financière et la Réserve fédérale publient tous deux d’importants rapports sur la même menace à quelques mois d’intervalle, le signal est clair : l’intelligence artificielle est passée d’outil expérimental à facteur de risque systémique dans la finance mondiale. [1] [2]
Le rapport du FSB de novembre 2024 destiné au G20 revisite son évaluation de 2017 et constate un paysage transformé. Les avancées technologiques et la baisse des coûts de calcul ont accéléré l’adoption de l’IA dans les entreprises financières et chez les superviseurs. Les bénéfices sont réels — efficacité opérationnelle, conformité réglementaire, produits personnalisés et analyses avancées — mais le conseil avertit que les vulnérabilités se distinguent désormais par leur potentiel à accroître le risque systémique. [1]
Quatre canaux susceptibles d’amplifier le risque systémique
Le FSB identifie quatre canaux de vulnérabilité interconnectés.
Premier, les dépendances à des tiers et la concentration des fournisseurs de services. Une poignée de fournisseurs de cloud et d’infrastructure IA soutient désormais des fonctions financières critiques. Une panne ou une attaque hostile contre l’un d’eux pourrait se propager simultanément à travers les institutions. [1]
Deuxième, les corrélations de marché. Lorsque plusieurs entreprises utilisent des modèles similaires entraînés sur des données qui se recoupent, leurs décisions de trading et de risque convergent. Ce comportement de troupeau peut amplifier les mouvements de prix et réduire la liquidité du marché en période de tension. [1]
Troisième, les risques cybernétiques. L’IA élargit la surface d’attaque — empoisonnement de modèles, injection de prompts et exfiltration de données s’ajoutent aux menaces traditionnelles. L’IA générative abaisse également la barrière d’accès pour des campagnes de phishing sophistiquées, des deepfakes et du social engineering à grande échelle. [1]
Quatrième, le risque de modèle, la qualité des données et la gouvernance. La validation traditionnelle des modèles suppose des relations statiques. Les systèmes d’IA qui apprennent en continu ou fonctionnent comme des boîtes noires défient les cadres de gouvernance existants. Une mauvaise provenance des données ou une dérive non détectée peut produire des décisions erronées, biaisées ou illégales — et difficiles à tracer. [1]
L’IA générative ajoute fraude, désinformation et désalignement
Le document de travail de la Réserve fédérale sur l’IA générative souligne une nouvelle couche de menace. L’IA générative « augmente le potentiel de fraude financière et de désinformation sur les marchés financiers », note le FSB, faisant écho à l’accent mis par la Fed sur la façon dont le contenu synthétique pourrait manipuler les prix, déclencher des paniques ou saper la confiance dans les infrastructures de marché. [1]
Les systèmes d’IA mal alignés — ceux qui ne sont pas calibrés pour fonctionner dans les limites légales, réglementaires et éthiques — peuvent adopter des comportements qui nuisent à la stabilité financière. Ce n’est pas de la science-fiction. Un agent de trading autonome optimisé pour un objectif étroit pourrait exploiter la microstructure du marché d’une manière qui viole les règles ou déstabilise les plateformes, surtout si les garde-fous sont absents ou mal définis. [1]
Évolutions structurelles à long terme
Au‑delà des vulnérabilités immédiates, le FSB signale trois tendances structurelles. La structure du marché pourrait se concentrer davantage, seuls les grands acteurs pouvant se permettre des capacités d’IA de pointe. Les conditions macroéconomiques pourraient évoluer si les gains de productivité induits par l’IA ou le déplacement d’emplois modifient les cycles de crédit. La consommation d’énergie liée à l’entraînement et à l’inférence à grande échelle pourrait affecter les marchés de l’énergie et, par extension, les expositions financières aux secteurs énergivores. [1]
Ce que l’on demande aux autorités de faire
Le FSB ne réclame pas encore de nouvelle réglementation spécifique à l’IA. Il invite plutôt les autorités nationales et les instances internationales à : combler les lacunes d’information sur l’usage de l’IA dans le système financier ; évaluer si les cadres politiques existants restent adéquats ; et renforcer les capacités de supervision, notamment en déployant elles‑mêmes des outils de surveillance alimentés par l’IA. [1]
Cette séquence pragmatique — surveiller, évaluer, puis agir — reflète la reconnaissance que des règles trop lourdes pourraient étouffer l’innovation bénéfique, tandis que des zones d’ombre dans la visibilité laissent des angles morts. Le FSB mentionne également une table‑ronde OECD‑FSB où des experts publics et privés ont débattu des « opportunités, risques et rôle des décideurs politiques dans la promotion d’une utilisation sûre de l’IA en finance ». [1]
Enseignements pratiques pour les entreprises et les équipes de supervision
Les institutions financières doivent s’attendre à ce que les superviseurs posent des questions plus pointues sur l’inventaire IA, les cartographies des tiers et la gouvernance des modèles. Les entreprises qui ne peuvent pas expliquer comment leurs systèmes d’IA prennent des décisions, d’où proviennent les données d’entraînement, ou ce qui se passe lorsqu’un fournisseur clé fait défaut, rencontreront des frictions réglementaires.
Les responsables des risques devraient réaliser des tests de résistance portant sur le comportement corrélé des modèles entre pairs, et pas seulement sur des défaillances idiosyncratiques. Les équipes cyber doivent intégrer des modèles de menace incluant l’injection de prompts et les médias synthétiques. Les fonctions de conformité doivent étendre la gouvernance pour couvrir les systèmes d’apprentissage continu, et pas uniquement les modèles statiques.
Les régulateurs, de leur côté, développent leurs propres outils d’IA pour détecter des anomalies sur les marchés — retournant la technologie vers l’intérieur afin de contrôler ses externalités. La course ne se joue pas seulement entre les entreprises qui adoptent l’IA, mais entre l’émergence du risque et la visibilité de la supervision.
Le message du FSB et de la Fed est cohérent : l’IA en finance n’est plus un projet pilote. C’est une infrastructure. Et les risques d’infrastructure exigent une surveillance d’infrastructure.
