OIF
Observatoire de l'Inclusion Financière
Banque Centrale de Tunisie
GIZ
GIZ
Deutsche Gesellschaft für
Internationale Zusammenarbeit
Session 1
18h25 – 19h25
Les Rendez-vous de la Finance Digitale Inclusive · Session 1

L'IA dans la Finance Digitale
Enjeux & Régulation

De la transformation des services financiers aux cadres réglementaires — comprendre, anticiper et superviser l'intelligence artificielle.

👤 Thibault Verbiest, Avocat 📍 Hôtel Sheraton, Tunis 🗓️ 13 mai 2026
Programme de la soirée
17h30Accueil & enregistrement 18h00Ouverture — Mme Barhoumi, Mme Dahman (OIF), M. Hagen (GIZ) 18h25Session thématique — M. Thibault Verbiest 19h25Questions & réponses — Tous les participants 20h25Clôture & cocktail dinatoire
🔄 Transformation digitale 💡 Cas d'usage 🌍 Inclusion financière ⚠️ Risques ⚖️ Réglementation 🏛️ Gouvernance 🌿 Éthicratie & IA 🔑 Défis ✅ Recommandations
Section 01

Transformation digitale du secteur financier sous l'effet de l'IA

L'IA est devenue un levier structurant de modernisation des services financiers à tous les niveaux.

👤
Expérience client
Personnalisation à grande échelle, assistants conversationnels, conseil automatisé adapté au profil de chaque utilisateur.
⚙️
Efficacité opérationnelle
Automatisation des processus, réduction des coûts administratifs, traitement accéléré des opérations bancaires.
🛡️
Gestion des risques
Détection de fraude en temps réel, analyse prédictive des risques de crédit, surveillance des transactions suspectes.
💡 Impact de l'IA générative

L'arrivée de l'IA générative (modèles de type ChatGPT) démocratise l'accès à l'IA : les institutions financières peuvent désormais interagir en langage naturel avec les algorithmes, accélérant considérablement l'innovation. Cette accessibilité inédite transforme à la fois les usages internes et les services aux clients.

3
niveaux de la chaîne de valeur impactés
↑
volumes de données disponibles
⚡
accélération de l'innovation
≠
ambivalence des impacts — opportunités ET risques
🏛️ Opportunités pour les régulateurs (SupTech)

L'IA profite aussi aux superviseurs. Des autorités comme l'AMF en France expérimentent des algorithmes pour analyser les données de reporting réglementaire, détecter les risques et surveiller les transactions en temps réel. Les superviseurs ont un rôle clé : encadrer l'IA tout en se dotant eux-mêmes d'outils innovants.

Section 02

Cas d'usage concrets de l'IA en finance digitale

De la banque aux marchés financiers, l'IA est déjà largement déployée pour optimiser les processus clés.

📊
Scoring de crédit & inclusion financière
Le machine learning évalue la solvabilité à partir de données alternatives (transactions mobiles, factures, comportements d'achat). Résultat : accès au crédit pour des millions de clients sans historique bancaire classique.
Données alternatives Micro-crédit Inclusion
🪪
KYC automatisé & lutte anti-fraude
Reconnaissance faciale, vérification de documents d'identité, détection de tentatives de fraude documentaire. Les algorithmes identifient des patterns inhabituels que des règles fixes ne détecteraient pas.
Onboarding digital Biométrie AML
🤖
Robo-advisors & conseil automatisé
Des plateformes proposent des conseils d'allocation d'actifs pilotés par algorithmes : personnalisation du conseil à grande échelle, à moindre coût, démocratisant des services autrefois réservés à l'élite.
Épargne Investissement Personnalisation
✅
RegTech & conformité automatisée
Des outils analysent automatiquement les communications pour détecter des manquements d'initiés, vérifient le respect des limites de risques et génèrent des rapports réglementaires. Enquête EBA : la plupart des banques ont déjà déployé l'IA pour la conformité.
Surveillance Reporting Audit
Section 03

Opportunités de l'IA pour l'inclusion financière

L'IA peut devenir un puissant levier d'accès aux services financiers pour les populations non bancarisées.

01
Accès au crédit
Scoring alternatif via les données de mobile money, factures, e-commerce — pour les populations sans historique bancaire classique.
02
Onboarding à distance
KYC digital et vérification biométrique permettent d'ouvrir un compte depuis une zone rurale, sans agence bancaire.
03
Services personnalisés à bas coût
Coaches financiers virtuels, micro-épargne automatisée, conseils budgétaires 24h/24 — accessibles via smartphone.
04
Réduction des barrières
Interfaces vocales multilingues, chatbots en langues locales (darija, wolof, bambara…) — pour toucher les personnes peu lettrées.

Exemples à travers le monde

🌍
Afrique
Mobile money + IA : nano-crédits instantanés au Kenya, scoring basé sur la trace numérique au Nigeria. Kiosques vocaux en langues locales pour les zones rurales.
🇮🇳
Inde — Paiement vocal UPI
La RBI a lancé un paiement par commande vocale multilingue (hindi, anglais…) fonctionnant même hors connexion via NFC — pour 300 millions d'Indiens peu lettrés.
🌎
Amérique Latine
Nubank (Brésil) et Konfío (Mexique) : scoring IA sur factures d'électricité et flux de caisse pour bancariser des millions d'individus sans historique formel.
⚠️ Risques d'exclusion à surveiller

L'IA peut aussi reproduire ou aggraver des inégalités : biais algorithmiques sur des données historiques discriminantes, opacité des décisions pour les clients vulnérables, fracture numérique pour les populations déconnectées. Une IA non contrôlée peut exclure précisément ceux qu'elle prétend mieux servir.

Section 04

Risques associés à l'usage de l'IA dans les services financiers

L'IA apporte des bénéfices, mais comporte des risques spécifiques que régulateurs et établissements doivent anticiper.

⚖️ Biais algorithmiques & discrimination
Des données historiques biaisées conduisent l'IA à discriminer certains groupes. La discrimination peut être indirecte (code postal, type de téléphone comme proxy de l'origine sociale). Risques juridiques et éthiques majeurs.
📦 Opacité & "boîte noire"
Les modèles de deep learning sont difficiles à expliquer. L'ESMA souligne que ce manque d'explicabilité freine la correction des stratégies mal calibrées et entame la confiance des clients et régulateurs.
🔗 Dépendance aux tiers & concentration
La dépendance aux Big Tech comme fournisseurs de solutions IA crée des risques de concentration. Le règlement DORA impose une gestion stricte du risque fournisseur.
🔒 Risques cyber & opérationnels
L'IA offre de nouveaux vecteurs d'attaque (phishing automatisé, deepfakes, attaques adversariales sur les modèles). La performance d'un modèle peut dériver dans le temps sans surveillance humaine.
⚡ Et aussi

Protection des données personnelles (RGPD) · Impact sur l'emploi · Empreinte carbone des grands modèles · Hallucinations et erreurs imprévisibles des LLMs · Décisions erronées exécutées à très grande vitesse

Section 05

Cadres réglementaires à l'échelle nationale et internationale

Une diversité d'approches — de l'AI Act européen aux stratégies américaine et chinoise — dans un contexte de convergence nécessaire.

🇪🇺 L'AI Act européen — Approche basée sur les risques

Règlement UE 2024/1689, entré en vigueur en août 2024. Premier cadre juridique complet sur l'IA au monde.

Risque inacceptable
🚫 Systèmes interdits
Notation sociale par l'État, reconnaissance biométrique en temps réel dans l'espace public. Menace directe aux droits fondamentaux.
Risque élevé
⚠️ Encadrement strict
Scoring de crédit = IA à haut risque. Obligatoire : gestion des risques, données de qualité, traçabilité, supervision humaine.
Risque limité
ℹ️ Transparence requise
Chatbots doivent décliner leur nature non-humaine. Marquage obligatoire des deepfakes générés par IA.
Risque minimal
✅ Sans exigence spécifique
Majorité des applications IA (filtres anti-spam, etc.). Aucune obligation réglementaire particulière.

⚖️ Comparaison internationale

Dimension 🇺🇸 États-Unis 🇨🇳 Chine 🇪🇺 Europe
Approche Fragmentée, multi-agences, volontaire Proactive, contrôle centralisé Cadre légal unifié, basé sur les risques
Philosophie Innovation d'abord, règles existantes adaptées Sécurité nationale + valeurs socialistes Équilibre innovation / protection des droits
Instrument clé NIST AI Risk Management Framework (volontaire) Mesures sur l'IA générative (2023), normes 2025 AI Act (contraignant, 2024)
Finance spécifique Rapport Trésor 2024 sur l'IA financière Guidelines PBoC sur IA financière (2023) Positions EBA, ESMA, complémentarité avec Bâle III / DORA
📋
ESMA — Marchés financiers
Transparence : informer les clients quand l'IA intervient dans la décision. Gouvernance : le management doit maîtriser les algorithmes. Qualité des données d'entraînement.
🏦
EBA — Banques
L'AI Act n'impose pas de rupture majeure car les banques sont déjà sous Bâle III et DORA. Encourage l'intégration cohérente des deux cadres.
🔬
AMF France — SupTech
Promeut une IA de confiance : transparente, équitable, sous contrôle humain. Expérimente l'IA pour sa propre supervision (analyse de reporting, détection de risques).
🔎 Focus — Les deux AMF en détail
🍁
Ligne directrice · Juillet 2025 → Avril 2026
AMF Québec — Ligne directrice sur l'utilisation de l'IA

Applicable aux assureurs, coopératives de services financiers, sociétés de fiducie et institutions de dépôts. Approche proportionnelle selon la nature, la taille et la complexité de l'institution. Alignée sur les Principes OCDE 2024.

Gouvernance
Un membre de la haute direction formellement imputable pour tous les SIA.
Gestion des risques
Cote de risque obligatoire par SIA, révisée au moins annuellement.
Protection des clients
Information obligatoire + explication simple de toute décision IA. Droit au recours.
🇫🇷
Étude & feuille de route · 2026
AMF France — IA & marchés financiers

Étude menée auprès de 100 acteurs français (enquête paneuropéenne ESMA, fév. 2025). 59 % ont mis en place des programmes de formation IA. Feuille de route IA en cours de finalisation (2026).

📊 SupTech
Algorithmes d'analyse du reporting réglementaire et détection de risques.
⚖️ Test de résistance IA
1er test trans-sectoriel avec Banque de France & ACPR (été 2025).
🌐 Innovation
Groupe stratégique AMF / Banque de France / Trésor (mars 2026).
🛡️ Investisseurs
Vigilance sur gamification, robo-conseil et publicité algorithmique.
Section 06

Enjeux de gouvernance, d'éthique et de supervision

Au-delà des textes, l'intégration de l'IA soulève des questions de gouvernance fondamentales pour les régulateurs.

🔍
Transparence algorithmique
Les décisions impactant les clients (crédit, conseil…) doivent pouvoir être expliquées en termes simples. Obligation d'informer les utilisateurs quand ils interagissent avec une IA. L'IA explicable est désormais un principe clé des régulateurs.
⚖️
Équité & absence de biais
Les régulateurs attendent que les institutions testent leurs modèles pour détecter les biais et mettent en place des mesures correctives. Objectif : une IA juste et inclusive, bénéficiant à l'ensemble de la clientèle sans exclusion injustifiée.
👤
Responsabilité & redevabilité
La responsabilité finale ne peut être déléguée à la machine. Les dirigeants et développeurs humains restent responsables des outils déployés. La supervision humaine est une exigence incontournable. Des mécanismes de recours pour les clients doivent exister.
🏛️
Gouvernance interne & culture du risque
Les comités des risques, fonctions conformité et audit interne doivent intégrer le sujet IA. Politiques internes, inventaire des modèles, processus de validation et documentation claire. Certains établissements créent des comités d'éthique IA.
🗄️
Qualité & gouvernance des données
Intégrité, pertinence et diversité des données. Contrôle des biais de sélection, respect du RGPD, traçabilité des données d'entraînement pour auditer les résultats a posteriori.
🎓
Formation & montée en compétences
Les régulateurs doivent disposer de compétences techniques pour comprendre et superviser l'IA : data scientists dans les équipes de supervision, formation des risk managers et compliance officers. L'IA ne doit pas être une "boîte magique" hors de contrôle.
Section 06 bis

Gouvernance éthique à l'ère de l'IA — Le cadre éthicratique

Cinq piliers pour préserver la souveraineté humaine face à l'intelligence artificielle. L'IA conseille. L'humain gouverne.

La vraie question n'est pas de savoir s'il faut utiliser l'IA dans les services financiers.

Dans quel cadre, au service de qui, sous quelle gouvernance ?

Les 5 piliers — application à l'IA financière

01
Éthique
Épanouissement du vivant
Toute décision évaluée sur ses effets réels — sur l'individu, la société, la nature et notre propre nature.
Application IA finance
L'IA financière est évaluée non seulement sur sa performance technique, mais sur ses effets réels sur les clients, communautés et écosystèmes. L'efficacité ne justifie pas le préjudice.
02
Retour à l'Unité
Relier ce que les systèmes ont séparé
Dépasser les oppositions stériles : individu/collectif, liberté/sécurité, tradition/innovation, IA/humain.
Application IA finance
Innovation et protection ne s'opposent pas — ils se complètent. L'IA analyse, l'humain décide et assume la responsabilité. Le dialogue public-privé est une expression de ce pilier.
03
Juste Distance
Pas de préjudice, pas d'ingérence
La loi redevient un outil de protection, non de contrôle. La société n'intervient qu'en présence d'un préjudice réel.
Application IA finance
Toute régulation de l'IA doit être proportionnée au préjudice réel (principe de l'AI Act). L'innovation sans préjudice avéré ne doit pas être sur-réglementée. La surveillance algorithmique sans cause relève de l'ingérence.
04
Communication vivante
Là où la parole circule
Les tensions deviennent des occasions de croissance et d'intelligence collective grâce au dialogue structuré.
Application IA finance
Le dialogue public-privé structuré (sandboxes, IFWG, RPPD) incarne ce pilier. Les clients affectés par une décision IA ont le droit à une explication claire et à une voie de recours humaine.
05
Gouvernance éthicratique
Ceux qui vivent les conséquences décident
Le pouvoir ne se capture pas — il circule. Seules les personnes réellement impactées sont légitimes pour décider.
Application IA finance
Les clients et communautés affectés par les algorithmes financiers doivent avoir une voix réelle dans leur gouvernance. La délégation totale à une IA sans recours humain est éthicratiquement illégitime.

L'IA conseille. L'humain gouverne.

✅ Ce que l'IA peut faire
  • Analyser les données et cartographier les risques
  • Modéliser les scénarios et leurs conséquences
  • Archiver, tracer et détecter les anomalies
🚫 Ce que l'IA ne peut pas faire
  • Décider à la place des personnes concernées
  • Remplacer la responsabilité humaine sur les droits fondamentaux
  • Évaluer la dignité d'un accord ou la qualité d'un consentement
→ arkemia.org Gouvernance éthique & IA responsable
Section 07

Défis et conditions de réussite

La réussite de la supervision de l'IA requiert un équilibre délicat entre encouragement de l'innovation et prévention des dérives.

⚡ Principaux défis

🚀
Innovation plus rapide que la réglementation
Les risques émergent pendant l'implémentation. Les politiques ne peuvent être conçues une fois pour toutes — elles doivent évoluer avec le marché.
🌐
Transversalité & fragmentation réglementaire
L'IA financière touche la prudence, la conduite, les paiements, l'AML, la fiscalité, la concurrence. Risque de règles disparates difficiles à appliquer.
🏗️
Capacités institutionnelles limitées
Recruter des data scientists dans les autorités, comprendre techniquement les modèles, auditer les algorithmes des institutions supervisées.
🎯
Risque de capture ou de déséquilibre
Les acteurs dominants peuvent influencer les standards à leur avantage. Veiller à l'inclusivité du processus réglementaire.

✅ Conditions de réussite

🔬
Approche test-and-learn
Sandboxes réglementaires et hubs d'innovation permettent une expérimentation contrôlée, un apprentissage en temps réel et une réduction du coût de l'erreur.
📐
Proportionnalité
Concentrer les obligations sur les IA à haut risque (comme le scoring de crédit). Ne pas sur-réglementer l'ensemble du marché.
🤝
Dialogue public-privé structuré
Des règles d'engagement claires, des métriques partagées, des itérations régulières — pas de dialogue ad hoc, mais des plateformes institutionnelles.
🌍
Coopération internationale
Convergence vers des standards globaux (G20, OCDE). Une IA dévoyée dans un pays peut avoir des répercussions systémiques ailleurs.
Section 08

Perspectives & Recommandations

Messages essentiels pour les autorités de supervision financière face au développement de l'IA.

01
Comprendre l'IA en profondeur
L'IA est là pour durer. Les autorités de supervision doivent comprendre ces technologies et leurs implications pour anticiper les évolutions et adapter leurs méthodes de contrôle.
02
Accompagner sans abdiquer
Trouver le grand équilibre : encourager une innovation responsable en fixant des lignes rouges (usages interdits ou sous conditions strictes) et en guidant vers les meilleures pratiques.
03
Approche par les risques
Identifier les applications d'IA les plus critiques (algorithmes de trading, modèles de crédit…) et allouer les ressources de contrôle en conséquence. Approche proportionnée.
04
Renforcer la gouvernance
Exiger que les institutions financières intègrent l'IA dans leurs dispositifs de gestion des risques : règles internes, comités dédiés, implication du top management.
05
Protéger les clients & la confiance
"Sans réglementation, pas de confiance, et donc pas d'innovation viable dans la durée." Les clients ont le droit d'être informés. Garantir des voies de recours humaines.
06
Développer l'expertise SupTech
Investir dans ses propres capacités technologiques : détection d'anomalies, tri intelligent des déclarations réglementaires, laboratoires d'innovation, sandboxes supervisées.
🏁 Message final

Une IA bien gouvernée peut être un formidable moteur d'inclusion financière. L'objectif est de façonner une finance digitale soutenue par l'IA qui « élève chaque individu vers le haut au lieu d'en laisser certains au bord du chemin ». Les outils existent — la volonté se construit avec une gouvernance collaborative entre régulateurs, institutions financières et parties prenantes.