Experian : l'IA, alliée et menace pour les banques

L'IA : un double tranchant pour les institutions financières

Dans son rapport Future of Fraud Forecast 2026, Experian met en lumière une problématique centrale : la technologie d'intelligence artificielle (IA) utilisée par les institutions financières pour se protéger est également exploitée par les fraudeurs. En 2024, selon la FTC, les consommateurs ont perdu plus de 12,5 milliards de dollars à cause de la fraude. Entre 2024 et 2025, près de 60 % des entreprises ont signalé une augmentation des pertes dues à la fraude, d'après les données d'Experian.

Les solutions de prévention de la fraude développées par Experian ont permis d'éviter environ 19 milliards de dollars de pertes à l'échelle mondiale en 2025. Ce chiffre illustre l'ampleur du problème et démontre à quel point la défense contre la fraude dépend désormais de l'IA pour égaler la vitesse et l'autonomie des attaques.

Le défi des systèmes d'IA agentique

Le rapport d'Experian met en avant le concept de chaos machine-à-machine, où les systèmes d'IA agentique, conçus pour effectuer des transactions de manière autonome, deviennent indiscernables des bots frauduleux. Les fraudeurs exploitent ces systèmes pour mener des fraudes à grande échelle, posant un défi majeur en matière de responsabilité. Selon le rapport, alors que les organisations s'efforcent d'intégrer des agents IA capables de prendre des décisions indépendantes, les fraudeurs exploitent ces mêmes systèmes pour réaliser des fraudes numériques à volume élevé à une échelle et une vitesse qu'aucune opération humaine ne pourrait soutenir.

Kathleen Peters, directrice de l'innovation pour la fraude et l'identité chez Experian Amérique du Nord, souligne que la technologie rend la fraude plus sophistiquée et difficile à détecter. Elle insiste sur l'importance d'utiliser des données différenciées et des analyses avancées pour renforcer les défenses contre la fraude. Experian prévoit que cela atteindra un point de basculement en 2026, forçant des conversations substantielles dans l'industrie autour de la responsabilité et de la gouvernance de l'IA agentique dans le commerce. Certaines organisations prennent déjà des mesures préventives. Par exemple, Amazon a déclaré bloquer les agents IA tiers de navigation et de transactions sur sa plateforme, invoquant des préoccupations de sécurité et de confidentialité.

Menaces émergentes identifiées

Le rapport identifie également quatre autres menaces majeures pour 2026 :

• Deepfakes dans les recrutements : Les outils d'IA générative permettent de créer des CV et des vidéos deepfake, facilitant l'infiltration de candidats frauduleux dans les entreprises. Selon le rapport, cela pourrait permettre à des acteurs malveillants d'accéder à des systèmes internes.

• Clonage de sites web : L'IA facilite la création de répliques de sites légitimes, rendant leur suppression difficile et obligeant les équipes de fraude à adopter des stratégies réactives. Même après que des demandes de retrait soient mises en œuvre, des domaines contrefaits continuent de réapparaître.

• Bots émotionnellement intelligents : Ces bots peuvent mener des escroqueries complexes sans intervention humaine, rendant les interactions frauduleuses indiscernables des interactions humaines authentiques. Ils établissent la confiance sur de longues périodes, ce qui les rend particulièrement dangereux.

• Vulnérabilités des maisons intelligentes : Les appareils connectés créent de nouveaux points d'entrée pour les fraudeurs, qui peuvent accéder à des données personnelles et surveiller l'activité domestique. Experian prévoit que ces dispositifs seront de plus en plus exploités à mesure que la maison connectée devient une partie intégrante du comportement financier quotidien.

Réponses des institutions financières

Selon le Perceptions of AI Report d'Experian, 84 % des décideurs considèrent l'IA comme une priorité stratégique, et 89 % estiment qu'elle jouera un rôle crucial dans le cycle de vie des prêts. Cependant, 73 % des répondants s'inquiètent des régulations entourant l'IA, et 65 % identifient la préparation des données comme un défi majeur. La dimension de la gouvernance est là où les institutions rencontrent des difficultés. Selon le même rapport, 73 % des répondants s'inquiètent de l'environnement réglementaire autour de l'IA, et 65 % identifient les données prêtes pour l'IA comme l'un de leurs plus grands défis de déploiement.

L'Assistant IA pour la gestion des risques de modèle d'Experian vise à automatiser la documentation des modèles, répondant ainsi aux exigences réglementaires croissantes. Selon une étude d'Experian de 2025 portant sur plus de 500 institutions financières mondiales, 67 % ont du mal à respecter les exigences réglementaires de leur pays, 79 % signalent des communications de supervision plus fréquentes de la part des régulateurs qu'un an auparavant, et 60 % utilisent encore des processus de conformité manuels. Vijay Mehta, EVP des solutions et de l'analyse mondiales chez Experian Software Solutions, a décrit le défi que le produit aborde : « La vitesse d'analyse des données et de développement des modèles activée par l'IA crée des opportunités commerciales sans précédent pour les institutions financières, mais cela s'accompagne d'un défi : des réglementations mondiales qui nécessitent une documentation chronophage. L'Assistant IA pour la gestion des risques de modèle d'Experian aide à résoudre cette exigence laborieuse et gourmande en ressources grâce à l'automatisation de la documentation des modèles de bout en bout. »

L'importance de la qualité des données

La qualité des données est cruciale pour la fiabilité de l'IA, comme le souligne le Perceptions of AI Report. 65 % des décideurs voient la préparation des données comme un défi majeur, et la qualité des données est le facteur le plus critique pour la confiance envers les fournisseurs d'IA. Cette exigence de données fiables est essentielle pour les institutions financières, notamment pour les décisions de crédit, la détection de fraude et la conformité réglementaire. Cette contrainte est partagée par des géants comme IBM et Salesforce, qui insistent également sur l'importance de données robustes pour des décisions éclairées et fiables. Ce n'est pas une coïncidence de message. Cela reflète une contrainte à laquelle sont confrontées les institutions de services financiers alors qu'elles passent de pilotes à des décisions de crédit en production, à la détection de fraude et à la déclaration réglementaire ; des fonctions où l'explicabilité et l'auditabilité ne sont pas optionnelles.