Morgan Stanley a divisé par deux son travail de réconciliation le plus risqué, en rendant ses agents moins autonomes
Morgan Stanley a déployé un système d'agents d'intelligence artificielle baptisé FIXR pour automatiser l'un des processus les plus critiques et chronophages de la banque : la réconciliation quotidienne des profits et pertes (P&L) entre ses systèmes de finance, risque, opérations et capture des transactions. Chaque jour de bourse, après les calculs de P&L nocturnes, des centaines de milliers d'attributs échouent à correspondre entre ces systèmes, générant ce que la banque appelle des « breaks » que les contrôleurs devaient auparavant examiner un par un, sous une pression de délai matinale intense. Ce travail pouvait prendre jusqu'à six heures pour un seul livre de comptes. Avec FIXR, il ne demande plus que deux à trois heures, a expliqué Todd Johnson, Managing Director chez Morgan Stanley, lors d'un récent événement VB AI Impact. Avec environ 100 contrôleurs effectuant ce travail, l'économie représente près de 1 500 heures par semaine. Le système repose sur plusieurs agents complémentaires : l'un interprète les décisions passées pour proposer des résolutions en début de journée, un autre observe le comportement des contrôleurs pour documenter les règles qu'ils appliquent, et un troisième transforme les schémas répétés en logique automatisée durable.
Résumé et traduction réalisés par Le Fil IA à partir de VentureBeat AI. Lire l'article original →
Ce qui distingue cette approche, c'est qu'elle a rendu le système moins autonome plutôt que plus autonome pour y parvenir. Les humains restent pleinement dans la boucle : ils examinent, approuvent ou corrigent chaque recommandation, et ces décisions alimentent en retour l'amélioration du système. « C'est beaucoup plus proche d'un collègue que d'un copilote », résume Johnson. Cette conception a une conséquence concrète pour l'industrie financière : elle montre qu'il est possible d'automatiser des tâches complexes et sensibles sans sacrifier la responsabilité humaine, un enjeu central dans un secteur où chaque erreur de réconciliation peut avoir des répercussions réglementaires et financières. Johnson insiste sur le fait que l'autonomie exige une confiance considérable, et que les gains d'efficacité disparaissent si les employés doivent tout revérifier derrière l'agent.
Avant même d'introduire l'IA, l'équipe de Johnson a mené une évaluation approfondie des processus existants pour déterminer où l'automatisation apporterait le plus de valeur, qu'il s'agisse d'agents, d'automatisation classique ou simplement d'une réingénierie des étapes inefficaces. Cette démarche s'inscrit dans une évolution plus large de l'IA en entreprise, qui dépasse désormais les assistants de codage et les chatbots de service client pour s'attaquer à des flux de travail à fort enjeu réglementaire et financier. Le système apprend chaque jour des corrections apportées par les contrôleurs, codifiant progressivement ces connaissances pour automatiser de plus en plus de cas au fil du temps, tout en préservant la supervision humaine comme garde-fou permanent.
Pas d'impact direct sur la France/UE