BusinessAI News6sem

Ocorian : les family offices se tournent vers l'IA pour analyser leurs données financières

Résumé IASource uniqueImpact UE

86 % des family offices utilisent désormais l'intelligence artificielle pour analyser leurs données financières, selon une étude mondiale publiée par Ocorian. Ces structures de gestion de patrimoine privé, représentant collectivement une fortune combinée de 119,37 milliards de $, misent sur le machine learning pour moderniser leurs flux de travail, automatiser le reporting et renforcer leur conformité réglementaire.

L'adoption est d'autant plus significative que ces organisations évoluent dans des environnements hautement réglementés, où la détection d'anomalies et la gestion des risques de conformité sont des enjeux critiques. Le recours à des plateformes cloud établies comme Microsoft Azure ou Google Cloud leur permet de déployer des modèles d'apprentissage automatique capables d'identifier des schémas frauduleux ou des manquements réglementaires bien plus rapidement qu'un contrôle manuel.

Les dirigeants restent néanmoins prudents sur le calendrier de transformation : si 26 % des responsables interrogés anticipent un impact majeur de l'IA sur l'administration dans l'année, 72 % tablent sur un horizon de deux à cinq ans pour en voir les effets concrets. Par ailleurs, malgré ce fort taux d'adoption opérationnelle, seuls 7 % des répondants — issus de 16 territoires dont le Royaume-Uni, les États-Unis, les Émirats arabes unis et Singapour — cherchent actuellement à investir directement dans des entreprises du secteur IA. Michael Harman, Directeur Commercial d'Ocorian pour le Royaume-Uni et les îles Anglo-Normandes, souligne que les family offices « réalisent que l'IA aura un impact majeur et qu'ils devront explorer le secteur ».

La donne devrait évoluer : 74 % de ces organisations prévoient d'augmenter leurs investissements dans les actifs numériques dans les trois prochaines années, dont 20 % de façon significative. La priorité reste aujourd'hui d'assainir les pipelines de données et de former les équipes à interpréter les sorties algorithmiques — condition sine qua non pour exploiter pleinement ces outils dans un secteur où la rigueur prime sur la vitesse d'adoption.

Impact France/UE

Les family offices britanniques et des îles Anglo-Normandes figurent parmi les 16 territoires étudiés, illustrant une adoption croissante de l'IA dans la gestion de patrimoine en Europe, notamment sous la pression des cadres réglementaires financiers comme DORA.

Vu une erreur factuelle dans cet article ? Signalez-la. Toutes les corrections valides sont publiées sur /corrections.

À lire aussi

1Le Big Data

Anthropic vise Wall Street : un partenariat à 1,5 milliard pour dominer l’IA financière

Anthropic finalise une coentreprise d'environ 1,5 milliard de dollars avec plusieurs géants de Wall Street pour déployer ses outils d'intelligence artificielle auprès des entreprises détenues par des fonds de capital-investissement. Selon le Wall Street Journal, les piliers de cette structure sont Anthropic, le fonds Blackstone et Hellman & Friedman, chacun prêt à injecter environ 300 millions de dollars. Goldman Sachs participerait en tant qu'investisseur fondateur avec une mise estimée à 150 millions. L'annonce officielle était attendue le 5 mai 2026. Simultanément, Anthropic pousse ses investisseurs à se positionner sous 48 heures sur un nouveau tour de table d'environ 50 milliards de dollars, qui valoriserait la startup à quelque 900 milliards, soit plus du double de sa valorisation de 380 milliards atteinte en février dernier. Cette coentreprise ouvre à Anthropic l'accès à un segment particulièrement lucratif : les sociétés sous LBO, c'est-à-dire rachetées à crédit par des fonds de private equity, constituent un terrain idéal pour standardiser des usages à forte valeur ajoutée. Automatisation des opérations, analyse prédictive, optimisation des coûts, pilotage financier en temps réel : les fonds d'investissement cherchent précisément ces leviers pour améliorer la rentabilité de leurs portefeuilles. En s'y insérant directement, Anthropic ne vend plus seulement de la technologie, il s'intègre dans les mécanismes de création de valeur des fonds eux-mêmes. La pression exercée sur les investisseurs pour qu'ils se décident en moins de deux jours témoigne d'un rapport de force inversé : la demande dépasse l'offre, au point que certains acteurs historiques préfèrent attendre l'introduction en bourse, annoncée plus tard en 2026, pour matérialiser leurs gains. Derrière cette accélération se trouve un impératif industriel : financer l'infrastructure de calcul colossale qu'exige l'IA générative avancée. Les revenus récurrents issus de la coentreprise et les alliances nouées avec les plus grands acheteurs de technologie permettent à Anthropic de consolider sa position sans dépendre uniquement des cycles de levée de fonds. Le chiffre d'affaires annuel de la startup aurait récemment dépassé les 30 milliards de dollars, avec des projections internes proches de 40 milliards. La comparaison avec OpenAI s'impose : ce dernier a levé 122 milliards de dollars début 2025 pour une valorisation post-money de 852 milliards. En visant 900 milliards, Anthropic ambitionne de dépasser son principal rival sur le terrain de la crédibilité financière autant que technologique. Pour les acteurs B2B, la capacité à structurer des écosystèmes industriels prend désormais le pas sur la seule performance des modèles.

UELes entreprises européennes sous LBO pourraient être exposées indirectement aux outils Anthropic si leurs fonds d'investissement rejoignent la coentreprise, mais aucun acteur européen n'est directement impliqué dans l'accord.

BusinessOpinion

1 source

2AI News

Pour une IA efficace, les assureurs doivent mettre de l'ordre dans leurs données

Selon un rapport d'Autorek auprès de 250 managers britanniques et américains du secteur assurance, 82% des compagnies s'attendent à ce que l'IA domine le secteur, mais seulement 14% l'ont pleinement intégrée dans leurs opérations. Les principaux freins identifiés sont la fragmentation des données (en moyenne 17 sources par entreprise), les systèmes legacy et le manque d'expertise interne — des inefficacités qui coûtent déjà 14% des budgets opérationnels en corrections d'erreurs manuelles. Le rapport recommande de cibler en priorité les processus de réconciliation comme terrain d'expérimentation pour l'IA, domaine règlementaire et délimité où l'automatisation peut rapidement prouver sa valeur.

UELes assureurs européens font face aux mêmes obstacles de fragmentation des données et de systèmes legacy, mais l'étude ne porte que sur des entreprises britanniques et américaines.

BusinessActu

1 source

3Le Big Data

OpenAI s’attaque à la Fintech : quel impact pour le secteur financier ?

OpenAI a annoncé le 13 avril 2026 l'acquisition de Hiro Finance, une startup spécialisée dans la gestion financière personnalisée par intelligence artificielle. Fondée il y a seulement cinq mois par Ethan Bloch, Hiro avait développé une application capable de gérer plus d'un milliard de dollars d'actifs pour ses utilisateurs, en se positionnant comme un "CFO personnel" alimenté par l'IA. Le calendrier de fermeture est serré : l'application cesse d'accepter de nouveaux inscrits immédiatement, s'arrête définitivement le 20 avril, et les données utilisateurs seront supprimées le 13 mai 2026. Le fondateur, Ethan Bloch, n'est pas un inconnu du secteur : il avait déjà cédé Digit, une application d'épargne automatisée, pour environ 230 millions de dollars. OpenAI a confirmé que l'équipe de Hiro rejoindra ses rangs pour poursuivre sa vision à plus grande échelle, en s'appuyant sur l'infrastructure et la distribution de ChatGPT. Cette acquisition signale une offensive sérieuse d'OpenAI sur le marché de la finance personnelle, un secteur à haute valeur et haute sensibilité. En intégrant l'expertise de Hiro, notamment sa technologie de vérification mathématique des recommandations financières, OpenAI s'attaque directement à l'un des talons d'Achille des modèles génératifs : leur tendance aux erreurs chiffrées. Pour des millions d'utilisateurs de ChatGPT, cela pourrait se traduire concrètement par des fonctionnalités d'analyse de dépenses, d'optimisation d'épargne ou de conseil en investissement directement intégrées à l'interface. Pour les entreprises, les perspectives incluent des outils d'aide à la décision financière automatisés et personnalisés. C'est un mouvement qui menace directement les fintechs établies, les robo-advisors et même certaines banques traditionnelles qui investissent massivement dans leurs propres assistants IA. Cette opération s'inscrit dans une stratégie d'acquisitions ciblées qu'OpenAI déploie depuis plusieurs mois, préférant absorber des équipes expertes plutôt que de développer des compétences sensibles en interne. Le rachat récent de Promptfoo, outil open source utilisé par plus de 125 000 développeurs pour tester des agents IA, illustre la même logique : renforcer la fiabilité sur des cas d'usage critiques. La finance coche toutes ces cases. En Europe cependant, la trajectoire pourrait être plus complexe : depuis février 2025, l'AI Act classe les systèmes d'IA utilisés pour évaluer la solvabilité ou orienter des décisions financières comme "à haut risque", imposant audits de conformité, transparence algorithmique et supervision humaine obligatoire. ChatGPT Health reste toujours indisponible en France ; un "ChatGPT Finance" pourrait connaître le même sort. Pour les fintechs européennes, la question n'est plus de savoir si OpenAI entrera sur leur marché, mais à quelle vitesse et avec quelles contraintes réglementaires.

UEL'AI Act classe les systèmes d'IA d'évaluation financière comme 'à haut risque', ce qui pourrait bloquer un éventuel ChatGPT Finance en Europe, comme cela a été le cas pour ChatGPT Health en France.

BusinessOpinion

1 source

4VentureBeat AI

L'IA tient-elle ses promesses ? Transformer l'élan vers l'IA en valeur mesurable

Les grandes entreprises traversent aujourd'hui ce que Brian Gracely, directeur de la stratégie de portefeuille chez Red Hat, appelle le moment "Day 2" de l'intelligence artificielle : la phase où les pilotes cèdent la place à la production, et où les questions de coût, de gouvernance et de rentabilité deviennent plus complexes que la construction des systèmes eux-mêmes. Lors d'une session de l'AI Impact Tour de VentureBeat, Gracely a illustré cette réalité avec un exemple frappant : des clients qui détiennent 50 000 licences de Microsoft Copilot sans savoir précisément ce que leurs employés en tirent, tout en payant pour ce qu'il décrit comme "le calcul informatique le plus cher du monde, parce que ce sont des GPU". Après deux ou trois cycles budgétaires consacrés à l'IA générative, les directions d'entreprise ne demandent plus "peut-on construire quelque chose ?" mais "obtenons-nous ce pour quoi nous payons ?" Le problème central n'est pas seulement le coût brut de l'infrastructure GPU : c'est l'absence d'instrumentation permettant de relier les dépenses aux résultats concrets, rendant quasi impossible la justification des renouvellements de contrats à grande échelle. Cette prise de conscience provoque un changement stratégique profond dans la manière dont les entreprises envisagent leur rapport à l'IA. Le modèle dominant des deux dernières années, payer un fournisseur au token, au siège ou à l'appel API en lui déléguant toute l'infrastructure, est de plus en plus remis en question. Gracely résume cette évolution : plutôt que d'être purement "consommateur de tokens", certaines organisations cherchent à devenir "productrices de tokens", en évaluant quels usages justifient de posséder ou louer directement des GPU, et si les cas d'usage nécessitent vraiment les modèles les plus avancés ou si des modèles ouverts plus légers suffisent. Cette décision n'est pas binaire : elle dépend de la tolérance au risque, de la nature des charges de travail et de la maturité de chaque organisation. Le paradoxe auquel font face les responsables financiers est bien réel. Le PDG d'Anthropic, Dario Amodei, a estimé que les coûts d'inférence chutent d'environ 60 % par an, et l'émergence de modèles open source comme DeepSeek a considérablement élargi les alternatives stratégiques disponibles. Pourtant, la baisse du coût unitaire ne se traduit pas par une réduction des factures totales : l'usage s'accélère à un rythme qui compense largement les gains d'efficacité. C'est une manifestation du paradoxe de Jevons, principe économique selon lequel l'amélioration de l'efficacité d'une ressource tend à augmenter sa consommation globale plutôt qu'à la réduire. Une entreprise qui triple son utilisation de l'IA pendant que les coûts diminuent de moitié dépense encore davantage qu'avant. Pour les décideurs, cela signifie que la maturité de l'IA en entreprise passe désormais par une discipline opérationnelle rigoureuse, et non plus par l'enthousiasme des premières expérimentations.

BusinessOpinion

1 source

Recevez l'essentiel de l'IA chaque jour

Une sélection éditoriale quotidienne, sans bruit. Directement dans votre boîte mail.

Recevez l'essentiel de l'IA chaque jour