L'IA dans la finance suisse : un état des lieux chiffré
On parle beaucoup d'intelligence artificielle dans la banque. Les chiffres, eux, permettent de trancher entre effet de mode et adoption réelle. Et ils sont clairs : la bascule a eu lieu.
De fin novembre 2024 à mi-janvier 2025, la FINMA a interrogé quelque 400 assujettis. Résultat : environ la moitié utilisent déjà l'IA ou développent leurs premières applications, et un quart supplémentaire compte s'y mettre d'ici trois ans. En moyenne, chaque établissement concerné exploite cinq applications en service et neuf en développement. Côté banques, le Baromètre des banques EY 2026 va dans le même sens : 78% travaillent activement à l'introduction de l'IA, contre environ 53% un an plus tôt. Une progression de vingt-cinq points en douze mois, ce n'est pas une tendance douce.
| Indicateur | Chiffre | Source et périmètre |
| Établissements financiers utilisant l'IA ou la développant | ~50% | Enquête FINMA, ~400 assujettis, nov. 2024–janv. 2025 |
| Parmi eux, usage d'IA générative et de chatbots | 91% | Enquête FINMA, avril 2025 |
| Banques travaillant activement à l'introduction de l'IA | 78% (vs ~53% l'an passé) | Baromètre des banques EY 2026 |
| Applications IA par établissement (moyenne) | ~5 en service, ~9 en développement | Enquête FINMA, 2025 |
| Rang mondial, financement privé IA (cumul depuis 2013) | 14e 4,73 Mds USD | Stanford AI Index 2026 |
Ce que ces chiffres disent vraiment
Deux lectures s'imposent. D'un côté, l'usage se généralise vite dans les opérations. De l'autre, la Suisse investit peu : 14e rang mondial, 4,73 milliards de dollars de financement privé cumulés depuis 2013, loin derrière le Royaume-Uni (34,1 Mds) ou même la Suède. Le pays forme et emploie parmi les meilleurs talents IA au monde, mais finance modestement l'innovation. Cet écart entre densité de compétences et volume de capital façonne la transformation de la place financière suisse : les grands acteurs avancent, l'écosystème start-up reste sous-capitalisé.
IA générative et IA « classique » : ne pas confondre
La distinction compte pour la suite. L'IA dite classique trie, score, prédit : détection d'anomalies, modèles de risque, scoring de crédit. L'IA générative, elle, produit du texte, du code, des synthèses c'est la vague ChatGPT. Les 91% relevés par la FINMA concernent cette seconde catégorie, souvent greffée sur des usages bureautiques. Confondre les deux mène à des décisions bancales : on ne gouverne pas un moteur de scoring de fraude comme on encadre un assistant rédactionnel.
Où l'IA crée déjà de la valeur dans les établissements suisses
Les cas d'usage se concentrent là où la donnée abonde et où les tâches sont répétitives. Voici les quatre fronts sur lesquels les gains sont tangibles aujourd'hui, pas dans un scénario prospectif.
| Fonction | Technologie dominante | Gain concret | Limite à surveiller |
| Gestion de portefeuille et conseil | ML prédictif, robo-advisors | Allocation et reporting en continu, conseil à moindre coût | Dérive de modèle, sur-optimisation |
| Conformité et LBA | Scoring adaptatif, NLP | Moins de faux positifs, alertes ciblées | Explicabilité des décisions |
| Détection de fraude | Détection d'anomalies | Réaction quasi temps réel | Données biaisées, attaques adverses |
| Relation client et back-office | IA générative, chatbots | Réponses 24/7, tâches administratives allégées | Confidentialité, secret bancaire |
Gestion de portefeuille : le conseil augmenté, pas remplacé
Sur le front de l'investissement, l'IA traite en continu des volumes de données de marché qu'aucune équipe ne peut suivre manuellement. Les robo-advisors démocratisent le conseil de base à faible coût. Mais le gérant garde la main sur l'arbitrage et la relation. Le piège, ici, c'est la confiance aveugle : un modèle surajusté sur des données passées peut parfaitement se tromper au premier régime de marché inédit. L'IA élargit le champ de vision ; elle ne remplace pas le jugement.
Conformité et lutte contre le blanchiment : le terrain le plus rentable
C'est là que le retour sur investissement est le plus lisible. Les dispositifs LBA historiques reposent sur des règles fixes qui déclenchent des montagnes de fausses alertes. Un moteur adaptatif apprend à distinguer le bruit du signal. Prenons un cas type, chiffré pour l'illustration : une banque privée genevoise de 400 collaborateurs, avec une cellule conformité de neuf analystes traitant environ 1 200 alertes par mois, dont près de 85% de faux positifs. Coût chargé d'un analyste : autour de 135 000 CHF par an.
En ramenant le taux de faux positifs de 85% à 55% grâce au scoring, la cellule instruit environ 430 alertes réellement pertinentes au lieu de plus de mille. Trois postes se redéploient sur l'investigation à valeur ajoutée : environ 405 000 CHF de capacité annuelle libérée, face à un coût de licence et d'intégration de l'ordre de 180 000 CHF la première année. Le calcul devient positif dès l'année un. Ceux qui pilotent les métiers de l'audit et de la révision le constatent déjà : le temps gagné se réinvestit dans l'analyse, pas dans la suppression de postes.
Relation client : l'exemple UBS, en vraie grandeur
Le cas UBS donne l'échelle. La banque a enregistré 8 millions de prompts sur ses outils d'IA générative au deuxième trimestre 2025, soit un volume multiplié par quatre depuis fin 2024. Son assistant interne « Red » est utilisé par 52 000 collaborateurs, et plus de 280 cas d'usage sont opérationnels. L'objectif affiché : 15% de gain d'efficacité. On est loin du pilote confidentiel.
Automatisation du back-office : les gains les moins visibles, les plus sûrs
Rapprochements, saisie, extraction de données de contrats, génération de rapports réglementaires : ce sont les tâches les moins spectaculaires, et pourtant celles où l'IA rembourse le plus vite son ticket d'entrée. Pas d'effet démo, mais des heures récupérées chaque semaine et une baisse des erreurs de ressaisie. Notre conseil : commencer par là, pas par le cas d'usage vitrine. Un back-office fluidifié finance ensuite les projets plus ambitieux.
Ce que la FINMA attend concrètement
Beaucoup d'établissements attendent « la » réglementation IA. Ils passent à côté du point clé : la FINMA a déjà posé ses attentes, sans loi nouvelle. Sa communication sur la surveillance 08/2024, publiée le 18 décembre 2024, décrit ce qu'elle observe et ce qu'elle exige. Le principe directeur tient en une formule : same business, same risks, same rules.
| Domaine | Attente de la FINMA | Implication opérationnelle |
| Gouvernance | Responsabilités claires sur chaque modèle | Un propriétaire désigné par application IA |
| Gestion des risques | Inventaire et classification des usages | Registre des applications, revue périodique |
| Explicabilité | Résultats compréhensibles et justifiables | Documentation, tests, supervision humaine |
| Données | Qualité et protection (LPD) | Contrôle des sources, minimisation |
| Externalisation | Maîtrise de la dépendance aux fournisseurs | Clauses d'audit, plan de sortie |
Explicabilité : le point qui coince vraiment
Un point mérite d'être souligné, parce que c'est là que la FINMA a le plus tiqué : l'explicabilité. L'autorité a constaté que, dans bien des cas, les collaborateurs ne comprenaient pas ni ne savaient justifier les résultats produits par leurs propres modèles. Notre position est nette : un modèle qu'on ne sait pas expliquer n'a rien à faire en production dans un établissement financier. Ce n'est pas une exigence bureaucratique, c'est une condition de survie en cas de contrôle ou de litige.
Le cadre suisse face à l'AI Act européen
La Suisse a choisi une voie différente de Bruxelles, fidèle à sa tradition. Pas de loi horizontale sur l'IA : le Conseil fédéral a décidé, le 12 février 2025, de charger le DFJP d'élaborer d'ici fin 2026 un avant-projet destiné à la consultation. Objectif : mettre en œuvre la Convention du Conseil de l'Europe sur l'IA, en agissant sur la transparence, la protection des données, la non-discrimination et la surveillance. Une approche sectorielle, ancrée dans le droit existant.
| Dimension | Approche suisse | AI Act (Union européenne) |
| Philosophie | Sectorielle, sur le droit existant + Convention CdE | Horizontale, par niveaux de risque |
| Calendrier | Avant-projet en consultation d'ici fin 2026 | Application par étapes depuis 2025 |
| Portée pour une société suisse | Droit national, secret bancaire, LPD | Extraterritoriale dès qu'on opère sur le marché UE |
| Logique | Éviter la sur-réglementation, préserver l'innovation | Obligations graduées, sanctions harmonisées |
La portée extraterritoriale, angle mort des banques suisses
L'erreur classique consiste à croire qu'une banque suisse échappe à l'AI Act parce que la Suisse n'est pas dans l'UE. Faux. Dès qu'un système ou ses résultats touchent le marché européen, le texte s'applique. Les groupes actifs des deux côtés de la frontière doivent donc composer avec deux logiques réglementaires et anticiper leur convergence plutôt que la subir.
Les risques que le secteur sous-estime encore
Les gains sont réels, les angles morts aussi. Trois risques reviennent dans les constats de la FINMA, et aucun ne se règle avec un simple outil.
- Biais et discrimination. Un modèle entraîné sur des données historiques reproduit les inégalités qu'elles contiennent dans l'octroi de crédit, notamment. Sans audit des jeux de données, on automatise le problème au lieu de le corriger.
- Cybersécurité et confidentialité. Les systèmes IA brassent des volumes massifs de données sensibles. Chaque intégration élargit la surface d'attaque. Le point de rupture typique : un outil grand public branché sur des données clients.
- Dépendance aux fournisseurs. La FINMA le répète dans son monitorage des risques : externaliser des fonctions critiques à des tiers cloud ou à des éditeurs de modèles crée une dépendance qu'il faut contractualiser et pouvoir dénouer.
Le réflexe sain n'est pas d'interdire, mais d'encadrer avant de déployer : chiffrement, journalisation, non-réutilisation des données pour l'entraînement, supervision humaine sur les décisions à impact. La technologie n'excuse pas l'absence de garde-fous.
Se former et recruter : l'angle mort de l'adoption
C'est le sujet dont on parle le moins, et pourtant le plus déterminant. On peut acheter un modèle. On ne peut pas acheter la capacité interne à l'utiliser correctement. Notre position chez Fed Group, après avoir accompagné de nombreux recrutements dans la finance suisse : le goulot d'étranglement n'est ni le budget ni la technologie, c'est le capital humain.
Le profil qui manque vraiment : le traducteur métier-technique
Contrairement à une idée répandue, la première embauche à faire n'est pas celle d'un data scientist. Le profil qui manque le plus, c'est le « traducteur » : quelqu'un qui connaît le métier conformité, gestion, risque et sait dialoguer avec la technique pour cadrer un cas d'usage et challenger un résultat. Les compétences numériques deviennent un socle transversal, pas une spécialité isolée.
- Savoir formuler un cas d'usage et en mesurer le retour, avant tout achat d'outil.
- Lire un résultat d'IA d'un œil critique : d'où vient la donnée, où sont les biais.
- Maîtriser le cadre : LPD, secret bancaire, attentes FINMA.
- Piloter la relation avec les fournisseurs et auditer leurs modèles.
Former ou recruter : le bon arbitrage
Ces profils hybrides sont rares et chers. Pour situer leur rémunération dans le contexte suisse, il faut d'ailleurs raisonner en net : ce que touchent réellement ces profils dépend fortement du canton et des cotisations. Miser sur la formation continue des équipes en place reste souvent plus rapide et plus fidélisant que la course au recrutement externe.
Questions fréquentes
La Suisse a-t-elle une loi spécifique sur l'IA ?
Non, pas de loi horizontale à ce jour. Le droit existant s'applique LPD, code des obligations, secret bancaire. Un avant-projet sectoriel est attendu en consultation d'ici fin 2026.
Une petite structure financière est-elle concernée par la communication FINMA 08/2024 ?
Oui. Elle vise tous les assujettis, proportionnellement à leur usage. Même un unique chatbot déclenche des attentes minimales de gouvernance et de traçabilité.
L'AI Act européen s'applique-t-il à une banque suisse ?
Seulement si elle met des systèmes ou des résultats d'IA sur le marché de l'UE. Pour une activité strictement domestique, c'est le droit suisse qui prime.
Faut-il des data scientists pour se lancer ?
Pas en premier. Le besoin initial porte sur des profils capables de cadrer un cas d'usage et de challenger un modèle. Le « traducteur » métier-technique prime sur le pur technique.
IA générative et secret bancaire sont-ils compatibles ?
Oui, à condition que les données restent dans un périmètre maîtrisé : hébergement contrôlé, non-réutilisation pour l'entraînement, journalisation. Le risque vient des outils grand public branchés sur des données clients.
Lire aussi
- Devenir comptable en Suisse
- Pourquoi travailler dans la finance d'entreprise
- Les compétences les plus recherchées en 2025
- Le métier de fiduciaire
- Les compétences numériques qui comptent
Ressources et documents utiles
- Secrétariat d'État aux questions financières internationales (SIF) Intelligence artificielle
- Autorité fédérale de surveillance des marchés financiers (FINMA)
- Office fédéral de la justice Réglementation de l'intelligence artificielle
Sources
- Enquête de la FINMA sur l'utilisation de l'IA dans les établissements financiers suisses (24 avril 2025).
- Communication FINMA sur la surveillance 08/2024, gouvernance et gestion des risques liés à l'IA (18 décembre 2024).
- Baromètre des banques EY Suisse 2026.
- Stanford AI Index Report 2026.
- Conseil fédéral, communiqué du 12 février 2025 sur la réglementation de l'IA (admin.ch).
- UBS, résultats du 2e trimestre 2025 (chiffres d'adoption GenAI).
