Passer au contenu principal

IA

30 mars 2026

    

Il est facile de célébrer l'IA. C'est beaucoup plus difficile à gérer

L’IA à grande échelle relève moins des percées que de normes opérationnelles constamment élevées, déclare Greg Ulrich de Mastercard.

logo de Google
Greg Ulrich profile photo

Greg Ulrich

Chief AI and Data Officer, Mastercard

L'intelligence artificielle est omniprésente en ce moment. Les gros titres célèbrent les percées. Les démos impressionnent. La promesse semble illimitée. Mais pour les banques et les sociétés de paiement, le véritable défi commence après les annonces — lorsque l'IA doit fonctionner au sein de systèmes dont dépendent des économies entières.

Lorsque l'IA éclaire les décisions d'autorisation de paiement, la détection des fraudes, l'identité ou le risque, il n'y a pas de place pour le principe « agir vite et corriger plus tard ». Les modèles ne peuvent pas échouer discrètement. Les décisions ne sont pas remises en question. Et la confiance, une fois perdue, est difficile à regagner. Au cours de la dernière année, notre objectif n'a pas été de rechercher une innovation rapide de manière isolée; il s'est concentré sur l'opérationalisation de l'intelligence à grande échelle — à travers les géographies, les environnements réglementaires et les paysages de menaces.

Pour les organisations qui évoluent sur un terrain similaire, la leçon est simple mais exigeante. La maturité de l'IA n'est pas déclarée. Cela se gagne par les choix que nous faisons tous lorsque les enjeux sont importants.

 

Ce qu'il faut pour faire fonctionner l'IA au cœur du commerce

L'exécution de l'IA en production impose un équilibre — entre vitesse et discipline, expérimentation et responsabilité, ambition et prudence. Pour les entreprises cherchant à renforcer leurs capacités en matière d'IA, quatre domaines comptent le plus, non pas comme des principes abstraits, mais comme des décisions opérationnelles.

 

Développez les talents pour la croissance, pas pour les silos.

L'IA ne devrait pas être la responsabilité d'une seule équipe si elle est censée alimenter tous les secteurs d'une entreprise complexe. Pour notre entreprise, l'intelligence est répartie dans toute l'organisation, proche des problèmes qu'elle résout, mais soutenue par des normes, une gouvernance, des outils et des bonnes pratiques partagés.

 

La décentralisation sans normes crée des risques, et la centralisation sans proximité ralentit l'impact. Le solde est important.

Greg Ulrich
Greg Ulrich

    

 

Cette structure permet aux équipes d'innover tout en maintenant la responsabilité. Cela garantit également que les modèles se comportent de manière appropriée, même lorsqu'ils sont déployés dans des contextes différents. Selon notre expérience, la décentralisation sans normes crée des risques, et la centralisation sans proximité ralentit l'impact. L'équilibre compte.

Tout aussi important, la maturité de l'IA dépend de l'investissement dans les personnes — non seulement les chercheurs et les spécialistes de données, mais aussi les ingénieurs, les développeurs, les chefs de produit et les opérateurs qui comprennent comment les modèles se comportent dans le monde réel. Lorsque les équipes font confiance aux systèmes qu'elles développent et utilisent, l'adoption suit. Quand ce n'est pas le cas, même la technologie la plus sophistiquée stagne.

 

Concentrez l'innovation là où le besoin est le plus grand et où vous pouvez apporter le plus de valeur.

Les derniers investissements de Mastercard en matière d'IA ont porté sur la création de nouvelles fonctionnalités pour nos clients, s'appuyant sur nos décennies d'expertise en matière de données, d'IA et de paiements, ainsi que sur de nouveaux outils pour nos employés, capables d'avoir la plus large portée. 

Pour nos clients, qui comprennent des milliers de banques et de détaillants, ce travail s'est concentré sur le développement de technologies de commerce agentique pour permettre à un consommateur d'effectuer des achats directement dans un chat IA, d'outils de personnalisation pour leur permettre d'avoir la meilleure expérience possible, et de solutions de lutte contre la fraude qui sont basées sur plus de données que jamais auparavant. Pour les employés, cela inclut le déploiement d'assistants IA pour nos consultants afin de leur permettre d'accéder aux documents dont ils ont besoin le plus rapidement possible, la fourniture de copilotes de code pour nos développeurs de logiciels et la création d'un outil alimenté par l'IA générative pour aider nos équipes de support client à répondre aux questions d'intégration et de mise en œuvre.

Nombre de nos investissements se sont concentrés sur l'ajout de plus d'intelligence artificielle et de prise de décision en temps réel à nos capacités essentielles. Ce ne sont pas des expériences de laboratoire. Ce sont des systèmes de qualité production qui doivent fonctionner à grande échelle, s'adapter en permanence et résister à la fois aux cyberattaques et au contrôle réglementaire.

Pour les institutions financières, cela nécessite un changement de mentalité. L'innovation ne se mesure pas à la rapidité avec laquelle vous lancez une nouveauté, mais à son importance cruciale pour votre travail et à la fiabilité de ses performances une fois qu'elle est intégrée aux opérations principales. L'expérimentation est importante, mais seulement si elle est disciplinée, ciblée et conçue pour durer.

 

Privilégiez la clarté, pas le sensationnalisme.

Le leadership en IA porte autant sur ce que vous ne promettez pas que sur ce que vous promettez. Dans les écosystèmes complexes, les promesses excessives créent des risques tant en interne qu'en externe.

Nous avons agi de manière délibérée dans la manière dont nous abordons ce que l'IA peut et ne peut pas faire en matière de paiements. Cette clarté éclaire les décisions d'investissement, les calendriers de déploiement et la manière dont les nouvelles capacités sont présentées aux clients et aux partenaires. Elle favorise également le consensus au sein de l'organisation, garantissant que les équipes résolvent de vrais problèmes plutôt que de courir après des possibilités abstraites.

Commencez par les besoins des clients et remontez jusqu'à la technologie. L'IA ne change pas cette discipline. Bien au contraire, cela le renforce.

 

Considérez la transparence comme une exigence, et non comme une fonctionnalité.

Dans les services financiers, la confiance est non négociable. Chaque modèle doit être explicable, gouverné et surveillé en continu, car le système en dépend.

Au cours de l'année écoulée, nous avons continué à renforcer la manière dont les systèmes d'IA sont examinés, documentés et mesurés. Ce travail est fondamental. La gouvernance n'est pas ce que l'on ajoute en fin de déploiement, c'est ce qui permet à l'IA de fonctionner de manière responsable et à grande échelle. Beaucoup peuvent penser que cela ralentit les choses; notre expérience est l'inverse. Une fois la gouvernance établie, les gens peuvent se concentrer sur l'innovation et la satisfaction des besoins des clients. 

 

Pourquoi la reconnaissance est un indicateur retardé

Bon nombre des décisions qui façonnent la maturité de l'IA nécessitent une vision à long terme de l'orientation de la technologie et de ce qui est nécessaire aux organisations pour pouvoir la déployer. Elles impliquent la mise en place d'une gouvernance et de garde-fous, l'intégration de nouvelles capacités dans les systèmes existants plutôt que le lancement de systèmes parallèles, et la priorité accordée à la fiabilité plutôt qu'à la rapidité. Ces choix s'accumulent au fil du temps.

Notre entreprise a récemment été reconnue comme un leader en IA appliquée par Fast Company, et comme l'une des meilleures organisations sur le nouvel Evident Payment AI Index, une nouvelle norme industrielle évaluant le développement de l'IA des fournisseurs de services de paiement. Nous sommes fiers de la reconnaissance, mais il est également important de considérer ces évaluations externes comme des indicateurs retardés. Ce classement a reflété des années d'exécution cohérente — un investissement précoce dans l'IA, une longue tradition d'attention à la fraude et à la confiance, et une gouvernance conçue pour l'expansion à grande échelle. La reconnaissance n'était pas l'objectif, mais elle a renforcé notre approche selon laquelle la construction d'une base solide en IA et en données nous a permis d'innover à la fois rapidement et de manière fiable.

Cette base nous permet aujourd'hui d'avancer de manière responsable — que ce soit par l'introduction de notre nouveau modèle d'IA fondamental et l'extension de nos capacités Mastercard Agent Suite, ainsi que par Virtual C-Suite, qui intègre l'IA dans la prise de décision de manière pratique et réglementée. Ces moments peuvent paraître progressifs de l'extérieur, mais ils sont le fruit de choix délibérés faits bien avant que les projecteurs ne soient braqués sur eux.

La leçon plus large est la suivante : l'IA à grande échelle est moins une question de percées que de normes opérationnelles constamment élevées. Les modèles s'amélioreront. Les capacités s'étendront. Ce qui compte, c'est de savoir si les systèmes que nous construisons continuent de gagner la confiance, transaction par transaction, décision par décision. C'est le travail. Et c'est en cours.

Ce que les entreprises doivent savoir pour leur ère de l’IA

Janet George, leader de l’IA, explique comment les entreprises peuvent développer la maîtrise de l’IA, dépasser le battage médiatique, étendre le ROI et adopter des stratégies responsables pour rester compétitives à l’ère de l’IA.
Two men wearing aprons look at a computer tablet together.