Comment passer de l’IA générative à une banque agentique ?

Une démonstration d’IA peut impressionner une salle entière. Elle ne suffit pas à transformer une organisation.

Le vrai sujet commence après la démonstration. Qui va utiliser l’outil ? Pour quel travail ? Avec quelles données ? Qui vérifie le résultat ? Et comment éviter que chaque équipe reconstruise sa propre solution dans son coin ?

Pierre Jarrijon raconte la trajectoire de Bpifrance depuis 2023, lorsque l’IA générative est devenue un sujet de transformation pour l’ensemble de l’organisation. L’objectif est désormais clair : faire de l’IA un outil de travail utile, et pas une collection de prototypes.

Le déclic : l’IA devient un sujet d’organisation

Les premières expériences de Pierre Jarrijon avec le machine learning remontent aux problématiques de CRM. À l’époque, les coûts semblaient élevés au regard des résultats obtenus.

L’arrivée de ChatGPT change ensuite la perception du sujet. L’IA générative devient accessible, visible et immédiatement testable par tous. Elle ne concerne plus uniquement les équipes data ou informatiques. Elle touche la rédaction, la recherche, la préparation de réunions, l’analyse de documents et une grande partie du travail intellectuel.

Bpifrance élargit alors le sujet. L’IA implique les métiers, la DSI, la cybersécurité, le juridique, la conformité, les ressources humaines et les équipes de transformation.

Le point important, c’est le changement d’échelle. Une organisation de plus de 4 500 collaborateurs, répartis sur une cinquantaine d’implantations, ne peut pas construire son approche autour de quelques experts. Elle doit créer un socle commun, puis organiser la circulation des pratiques.

Acculturer 4 500 collaborateurs

L’acculturation ne consiste pas à transformer chaque collaborateur en spécialiste du prompt engineering.

Le premier niveau consiste à comprendre ce que l’IA peut faire, ce qu’elle fait mal, les données qui ne doivent pas être transmises et les responsabilités qui restent humaines. Le deuxième niveau concerne les usages : reformuler, traduire, synthétiser, préparer un rendez-vous, analyser un document ou structurer une idée.

Cette distinction compte. Les outils changent vite. Les compétences générales restent plus longtemps.

Bpifrance a déjà formé 50 % de ses collaborateurs à l’usage de l’IA et vise 100 % en 2026. Pierre Jarrijon explique que 67 % des collaborateurs avaient été touchés par la démarche au moment de l’enregistrement. L’objectif est de donner à chacun un premier niveau de compréhension, même si tous les collaborateurs n’utiliseront pas les mêmes outils ni les mêmes cas d’usage.

L’acculturation passe aussi par le terrain. Les équipes se déplacent dans les implantations régionales pour rencontrer les collaborateurs, comprendre leurs irritants et relier l’IA à des situations de travail concrètes.

Cette approche évite un piège fréquent : proposer une formation générique sur l’IA, puis attendre que les usages apparaissent seuls. L’adoption commence avec les problèmes rencontrés par les équipes.

Les ambassadeurs diffusent, les pionniers explorent

Bpifrance s’appuie sur deux communautés complémentaires.

Les ambassadeurs facilitent la diffusion. Ils repèrent les informations utiles, les reformulent et les partagent avec leurs collègues. Leur rôle consiste à rendre l’IA compréhensible et concrète.

Les pionniers expérimentent. Ce sont des volontaires qui testent de nouveaux outils et de nouveaux cas d’usage. Ils disposent d’une boîte à outils plus large pour essayer, comparer et apprendre rapidement.

Cette distinction permet d’organiser un double mouvement :

• donner à chacun un premier niveau d’autonomie ;
• s’appuyer sur des utilisateurs avancés pour explorer les usages complexes.

Les pionniers jouent le rôle d’un laboratoire décentralisé. Ils testent les outils dans le travail réel, rencontrent les limites des solutions et font remonter des cas d’usage que personne n’aurait nécessairement imaginés depuis une équipe centrale.

Les ambassadeurs, eux, transforment ces apprentissages en pratiques partageables. Ils contribuent à faire circuler les bons exemples, les bonnes questions et les bons réflexes.

L’adoption ne repose donc pas sur une injonction descendante. Elle s’appuie sur des collaborateurs capables d’expérimenter, de transmettre et de donner envie.

Une stratégie « Mistral First », avec plusieurs outils

Les outils n’ont pas tous le même rôle.

Alfred et Copilot Chat répondent aux usages courants. Dust permet aux pionniers de construire et de tester des agents sans coder. Mistral Le Chat, devenu Mistral Vibe, remplace progressivement Copilot Chat comme environnement conversationnel de référence pour les collaborateurs.

La logique est simple : utiliser Mistral en priorité lorsque ses technologies permettent de répondre au besoin.

C’est le principe de Mistral First. Il ne s’agit pas de choisir une solution française par réflexe. Il s’agit de commencer par regarder si les technologies de Mistral peuvent faire le travail, avec le niveau de qualité, de sécurité et d’efficacité attendu.

Le partenariat stratégique signé avec Mistral AI le 18 mai 2026 donne une dimension opérationnelle à cette orientation. Bpifrance déploie Mistral Vibe auprès de l’ensemble de ses collaborateurs, avec une montée en puissance progressive des capacités agentiques, de la personnalisation des modèles et des connexions à l’écosystème de l’entreprise.

Dust conserve une place spécifique dans cette architecture. La plateforme permet aux pionniers de construire des agents métier, de tester des enchaînements d’actions et de confronter rapidement une idée à la réalité du travail.

Un outil généraliste permet d’explorer. Un usage métier durable suppose ensuite un contexte, des données, des règles, des responsabilités et une évaluation.

La valeur se voit dans le travail

Les exemples cités par Pierre Jarrijon montrent où la valeur apparaît.

Un agent peut relire une thèse d’investissement et identifier des angles morts dans le raisonnement. Il peut par exemple attirer l’attention sur une exposition à un choc énergétique ou sur un élément insuffisamment pris en compte.

L’agent ne prend pas la décision d’investissement. Il joue le rôle d’un contradicteur disponible à la demande.

Autre exemple, la préparation d’une mission de conseil. Un collaborateur connaît son offre, mais doit parfois comprendre rapidement le secteur, le marché et l’organisation de son client. Un agent peut l’aider à accélérer cette phase de préparation.

Sur une mission de 10 à 15 jours, l’agent fait gagner une journée. Le gain vient du temps consacré à la compréhension du contexte client, avant même le début de la mission.

Ces cas d’usage déplacent le débat. La valeur ne vient pas uniquement de la production d’un texte ou d’une synthèse. Elle vient de la capacité à mieux préparer une décision, à couvrir un sujet plus largement et à challenger un raisonnement.

Pour passer de l’idée à l’usage, une organisation doit répondre à quatre questions :

1. Quel problème métier cherche-t-on à résoudre ?
2. Quelle partie du travail l’IA prépare-t-elle ?
3. Quelle décision ou quelle responsabilité reste humaine ?
4. Comment mesure-t-on la qualité du résultat ?

Un bon cas d’usage ne se définit pas par la nouveauté de l’outil. Il se reconnaît à la clarté du problème et à la valeur apportée au travail.

Gouverner sans bloquer

Dans une banque, la question des données arrive rapidement. Les collaborateurs peuvent être tentés d’utiliser des outils grand public pour gagner du temps. Interdire un accès ne fait pas disparaître le besoin métier.

La réponse repose donc sur plusieurs leviers : limiter certains usages, contrôler les pratiques, expliquer les risques et proposer des outils internes suffisamment performants.

La Charte IA de Bpifrance est désormais validée et active. Elle fixe le cadre des usages, les responsabilités et les règles à respecter pour utiliser l’IA dans un environnement bancaire.

La gouvernance intervient dès l’expérimentation. Elle précise les données autorisées, les usages interdits, les règles de publication d’un agent et les situations qui nécessitent une validation humaine.

Pierre Jarrijon insiste aussi sur la nécessité de préserver l’esprit critique. La question prend une nouvelle dimension avec la décharge cognitive, c’est-à-dire le fait de déléguer à un outil une partie de l’effort mental nécessaire pour comprendre, mémoriser ou décider.

Le phénomène est documenté par des travaux récents sur l’usage de l’IA générative et la pensée critique. Ces recherches montrent que l’IA peut réduire certaines tâches, tout en déplaçant l’effort vers la formulation des demandes, la vérification des réponses et l’évaluation des résultats. Elles soulignent aussi le risque d’une utilisation passive, lorsque la confiance dans l’outil conduit à moins questionner ses productions.

La question devient alors très concrète : comment continuer à formuler un problème, vérifier une réponse et exercer son jugement lorsque l’IA est disponible en permanence ?

Nota bene : depuis l’enregistrement, plusieurs choses ont avancé

Depuis l’enregistrement de l’épisode, la trajectoire de Bpifrance s’est accélérée.

Le Chat est devenu Mistral Vibe et remplace progressivement Copilot Chat. Le partenariat avec Mistral AI est signé. Mistral First est devenu une stratégie opérationnelle : Bpifrance cherche d’abord à résoudre ses besoins avec les technologies de Mistral, tout en conservant la possibilité de recourir à d’autres solutions lorsque c’est nécessaire.

La Charte IA est validée et active.

D'autres solutions françaises comme Dust poursuivent leur rôle de plateforme d’expérimentation et de construction d’agents métier. Les cas d’usage se rapprochent progressivement des processus de travail et des besoins des équipes.

L’enjeu n’est donc plus de savoir si Bpifrance va expérimenter l’IA. Cette étape est passée. Il s’agit maintenant de faire vivre les usages, de mesurer leur valeur et de les intégrer dans les pratiques quotidiennes.

Construire une banque agentique intelligente

La banque agentique ne se construira pas à coups de démonstrations.

Elle se construira avec des collaborateurs acculturés, des pionniers capables d’explorer, des ambassadeurs capables de transmettre et des outils adaptés à chaque niveau de maturité.

Elle se construira aussi avec des règles claires. Un agent doit avoir un rôle défini, des données maîtrisées, un périmètre d’action et un niveau de supervision adapté à la sensibilité du processus.

L’ambition formulée par Pierre Jarrijon est de devenir une « banque agentique intelligente ». Le mot important est peut-être le second.

Une banque agentique ne sera pas définie par le nombre d’agents déployés. Elle le sera par sa capacité à choisir les bons usages, à garder le contrôle sur les décisions sensibles et à donner aux collaborateurs les moyens de mieux comprendre, mieux arbitrer et mieux agir.

L’IA ne se déploie pas toute seule. Elle s’installe dans une organisation lorsque trois conditions sont réunies : un socle commun de compréhension, des espaces d’expérimentation sécurisés et une méthode pour transformer les essais utiles en pratiques durables.

Le passage à l’échelle n'est pas que technique. Il est aussi humain et organisationnel.