Les agents IA en finance ne buteront pas sur l'algorithme, mais sur la qualité des données. Les banques opèrent dans un cadre ultra-régulé où chaque seconde compte, et les systèmes autonomes exigent une préparation des données à un niveau qu'aucun modèle seul ne peut compenser.
La sophistication du modèle devient secondaire face à un problème banal mais brutal : les données financières sont fragmentées, obsolètes ou mal structurées. Une banque peut avoir un agent brillant mais gavé d'infos pourries — résultat, décisions toxiques en temps réel.
Le secteur financier découvre qu'il ne suffit pas de déployer un agent autonome.
Le secteur financier découvre qu'il ne suffit pas de déployer un agent autonome. Il faut d'abord nettoyer, harmoniser et mettre à jour en continu le terreau sur lequel il opère. C'est moins sexy qu'un modèle dernier cri, mais c'est le vrai goulet d'étranglement.
Voilà pourquoi les vraies victoires en AI financière seront remportées par ceux qui investissent massivement en data engineering, pas en LLM sophistiqués.