Fintech Actualités

Banque numérique : comment transformer les dépenses technologiques en valeur ?

Daniel Martin
Ajouter Securities.io à vos sources préférées sur Google
Points clésLes budgets technologiques révèlent peu de choses à moins que les banques ne…
Voir plus
  • Les budgets technologiques révèlent peu de choses à moins que les banques ne reconçoivent les flux de travail et les droits de décision autour des nouveaux outils.
  • Une infrastructure réutilisable peut diffuser les améliorations entre les services, mais elle diffuse aussi les défaillances sans isolation.
  • Les investisseurs devraient relier chaque outil à un processus client modifié plutôt que de compter les lancements.

Une banque peut lancer un assistant doté d’IA, mettre à niveau son application mobile et migrer ses logiciels vers le cloud sans pour autant faciliter sensiblement l’accès au crédit ou la résolution d’un problème de paiement. La technologie ouvre des possibilités. Pour améliorer les services bancaires, il faut que les personnes, les systèmes et les décisions fonctionnent différemment ensemble.

Cette distinction est au cœur d’une nouvelle étude de Syafruddin Chan et Kurnia Asni, intitulée « Lever le voile sur la transformation numérique des banques : une synthèse macro-méso-micro des mécanismes de service et de la gouvernance ».1 Leur analyse constitue un point de départ utile pour comprendre pourquoi des investissements technologiques similaires peuvent produire des résultats différents.

Pour les investisseurs, la conclusion est concrète : le montant d’un budget technologique ne suffit pas à mesurer les progrès. Une évaluation plus solide suit les effets de l’investissement, de la transformation des processus de travail aux résultats pour les clients et à la performance financière, tout en vérifiant si la banque est capable de gérer les risques qu’il entraîne.

Ce que l’étude sur les services bancaires numériques a réellement révélé

Les chercheurs sont partis de 411 références recensées dans Scopus et couvrant la période de 2006 à 2025, puis ont retenu 225 études admissibles. Ils ont utilisé la modélisation thématique, une méthode informatique qui permet de repérer les thèmes récurrents dans un texte, pour répartir les résumés en dix thèmes et quatre grandes dimensions analytiques. Un sous-ensemble plus restreint de 17 études, sélectionnées délibérément, a servi à approfondir l’analyse qualitative.

Le cadre qui en résulte relie les facteurs facilitateurs, la gouvernance, les mécanismes et les résultats. En termes simples, il s’agit de déterminer ce dont dispose une banque, comment elle encadre ses activités, ce qui change concrètement au sein de l’organisation et quelles sont les conséquences de ces changements.

Les quatre composantes du cadre de l’étude sur les services bancaires numériques
Composante Rôle dans la transformation
Facteurs facilitateurs Conditions technologiques, organisationnelles et institutionnelles qui rendent la transformation possible.
Gouvernance Contrôles et conditions qui encadrent les interactions possibles entre les parties prenantes internes et externes.
Mécanismes Processus qui font évoluer les pratiques, les capacités, les services et les relations au sein de l’organisation.
Résultats Conséquences pour les services, la performance organisationnelle et les résultats connexes.

La gouvernance n’est pas présentée comme une étape d’approbation unique entre l’achat de technologies et la génération de rendements. Elle intervient tout au long du processus. De même, la transformation est itérative : les retours des clients, les problèmes opérationnels et les résultats en matière de performance peuvent amener les banques à revoir des décisions antérieures.

Il s’agit d’une synthèse des recherches existantes, et non d’une expérience démontrant qu’une approche de gestion particulière augmente les profits. Son analyse approfondie ne porte que sur 17 études, et la modélisation thématique s’appuie sur les résumés plutôt que sur les articles complets. Ces limites font de ce cadre un outil utile pour poser de meilleures questions, mais pas pour prévoir les rendements d’une banque.

Pourquoi de meilleurs logiciels ne suffisent pas à éliminer les goulots d’étranglement bancaires

Prenons l’exemple hypothétique d’une demande de prêt pour une petite entreprise. Un outil d’IA pourrait extraire en quelques secondes les données des états financiers. Pourtant, l’emprunteur pourrait encore attendre plusieurs jours, car les contrôles d’identité, l’évaluation du crédit et la vérification des documents sont effectués dans des systèmes distincts, gérés par différentes équipes.

L’outil d’extraction améliore une tâche. Le service, lui, ne s’améliore que si le processus dans son ensemble évolue. Cela peut nécessiter des dossiers partagés, une délégation de décision plus claire, moins de vérifications en double et une procédure fiable pour traiter les demandes inhabituelles.

Cette distinction met en évidence un problème courant de mesure. Une banque peut déclarer avoir économisé des milliers d’heures de travail sans préciser si ce temps a permis de traiter davantage de demandes, de réduire les erreurs ou de diminuer les dépenses. Le temps gagné crée de la capacité, mais c’est à la direction de décider comment l’utiliser efficacement.

La participation des employés compte également. L’article de Securities.io consacré au facteur humain à l’origine de la productivité dans les technologies financières examine la façon dont la technologie transforme l’expérience professionnelle des travailleurs. La formation devrait donc porter aussi bien sur le jugement et les responsabilités que sur l’utilisation des logiciels. Les employés doivent savoir quand se fier à un résultat automatisé, quand le remettre en question et à qui revient la décision finale.

La valeur cachée des infrastructures bancaires réutilisables

Pour prolonger utilement le cadre de l’étude, on peut distinguer les améliorations isolées des capacités réutilisables. Un agent conversationnel destiné à un seul produit peut résoudre un problème circonscrit. Un système d’information bien géré, qui prend en charge le service à la clientèle, la conformité et les prêts, peut améliorer plusieurs activités à la fois.

Imaginons deux banques qui mettent en place des outils d’IA comparables. L’une crée un circuit de données, un processus d’approbation et un système de surveillance distincts pour chaque application. L’autre réutilise des composants déjà en place. Même si leurs premiers projets donnent des résultats similaires, la seconde banque pourrait avoir moins de tâches en double lorsqu’elle étendra le déploiement.

Cet avantage potentiel tient autant à la conception de l’organisation qu’à la qualité des modèles. Il a toutefois un revers : une infrastructure partagée peut propager les défaillances à plusieurs services. La réutilisation devient avantageuse lorsqu’elle s’accompagne d’une isolation, de tests, de plans de reprise et de responsabilités clairement définies.

DBS en donne un exemple concret dans son rapport 2025 sur les technologies et le déploiement de l’IA. La banque décrit les composants réutilisables, les normes de gouvernance et les fonctionnalités de gestion des flux de travail intégrés à son cadre d’IA générative. Elle fait également état d’une réduction de 25 % du temps de déploiement du code grâce à sa plateforme d’entreprise dédiée aux données et à l’analytique. Ces indicateurs opérationnels, rapportés par l’entreprise, contribuent à mettre en lumière l’infrastructure qui sous-tend les annonces phares en matière d’IA.

Comment les investisseurs peuvent évaluer les progrès des banques numériques

L’étude propose une approche plus rigoureuse pour analyser les informations publiées sur les technologies : établir le lien entre un outil et un résultat. Le nombre d’applications indique une activité. Les éléments montrant qu’un problème récurrent des clients est devenu plus facile à résoudre sont plus révélateurs.

  • Quel processus complet concernant les clients ou les employés a changé ?
  • La rapidité s’est-elle améliorée sans compromettre la précision, la fiabilité ou la satisfaction ?
  • Comment les ressources dégagées ont-elles été converties en valeur commerciale ?
  • La banque peut-elle reproduire cette amélioration sans multiplier les coûts et les risques ?

Les comparaisons doivent aussi reposer sur des périmètres cohérents. La baisse des coûts de traitement a peu de valeur si le calcul exclut la gestion manuelle des cas exceptionnels ou les dépenses liées à de nouveaux logiciels. Pour évaluer l’accélération des prêts, il faut aussi tenir compte de la performance ultérieure du crédit. Un système de service à la clientèle doit notamment être évalué en fonction des problèmes résolus, et pas seulement des conversations détournées des employés.

Les résultats financiers doivent être interprétés avec la même prudence. Les taux d’intérêt, les pertes sur créances, les flux de dépôts et les conditions de marché peuvent éclipser les améliorations opérationnelles au cours d’une période de publication donnée. Les articles de Securities.io sur la volatilité des actions des fintechs et des banques rappellent qu’il est important de distinguer les récits liés aux technologies des facteurs financiers plus généraux.

DBS, un moyen de s’exposer à la transformation numérique des banques

Pour les investisseurs qui s’intéressent à une banque cotée en bourse mettant ces idées en pratique, DBS Group Holdings constitue un exemple pertinent. Son intérêt tient ici à la combinaison du déploiement de technologies, de la refonte des opérations et de la publication de mesures de l’impact économique.

D05 Graphique du prix

Dans une mise à jour de juillet 2026 sur l’adoption de l’IA et l’évolution des modèles opérationnels, DBS a indiqué que ses initiatives en matière d’analyse de données et d’IA avaient généré une valeur économique d’environ 1 milliard SGD en 2025. La banque a déclaré que plus de 2 000 modèles soutenaient plus de 430 cas d’usage. Elle a également évoqué la refonte des processus, la reconversion des employés et le renforcement des contrôles dans le cadre de sa transformation plus vaste.

Ces informations répondent aux questions soulevées par l’analyse, mais ne valident pas à elles seules le cadre proposé. La valeur économique rapportée ne doit pas non plus être assimilée à un montant équivalent de bénéfice net supplémentaire. Les investisseurs doivent toujours examiner la méthode de calcul des retombées, les coûts de mise en œuvre et la pérennité des améliorations.

Le commentaire de DBS sur ses résultats financiers de 2025 montre pourquoi cette distinction est importante. DBS a fait état d’un ratio charges/produits stable de 40 %, alors que les dépenses ont augmenté de 4 % et le bénéfice net a diminué de 3 %, la hausse des impôts expliquant ce recul du bénéfice. Les progrès numériques peuvent coexister avec des résultats financiers globaux contrastés.

DBS permet donc de s’exposer à une activité bancaire qui investit dans les capacités numériques, tout en impliquant les considérations associées aux prêts, au financement, à la conjoncture économique et à la valorisation. Les informations publiées sur ses technologies ne constituent qu’un élément de cette évaluation.

La valeur des banques numériques dépend de la mise en œuvre

L’apport le plus utile de l’analyse est de rendre plus visible le travail qui relie les investissements aux résultats. La technologie, les compétences des employés, la conception des services et la gouvernance peuvent se renforcer mutuellement pour améliorer les services bancaires.

Cela ouvre la voie à des progrès importants sans obliger chaque banque à inventer un nouvel algorithme. Améliorer la circulation de l’information, le traitement des cas exceptionnels et la reproduction des processus efficaces peut constituer une innovation de poids. Pour les investisseurs, les signes tangibles de ces changements offrent une base d’évaluation de la transformation numérique plus solide que les seuls montants investis ou lancements de produits.

Références :

1 Chan, S. et Asni, K. (2026). Ouvrir la boîte noire de la transformation bancaire numérique : une synthèse macro-méso-micro des mécanismes de service et de gouvernance. Journal of Open Innovation: Technology, Market, and Complexity. Publication en ligne anticipée. https://doi.org/10.1016/j.joitmc.2026.100908

Daniel est un ardent défenseur du potentiel de la blockchain pour perturber la finance traditionnelle. Il a une passion profonde pour la technologie et explore toujours les dernières innovations et gadgets.