Optimiser l’échange de données et l’infrastructure pour le succès de l’IA dans les services financiers
Director, Solution Architecture
Points de vue de pairs issus de la table ronde de dirigeants Ecosystm x Digital Realty
Dans toute la région Asie-Pacifique, les entreprises de services financiers accélèrent l’adoption de l’intelligence artificielle (IA) dans les domaines de la fraude, des risques, du service client et des opérations. La conception de systèmes qui gagnent la confiance des régulateurs, des conseils d’administration et des clients est bien plus complexe que d’opérationnaliser un modèle. La souveraineté des données, la protection de la vie privée, la lutte contre le blanchiment d’argent (LCB) et les obligations de connaissance du client (KYC), qui s’ajoutent à des plateformes existantes fragmentées et à des opérations transfrontalières complexes, ralentissent considérablement le processus. Le potentiel de l’IA demeure, mais ces contraintes expliquent pourquoi les progrès sont souvent inégaux, coûteux et difficiles à généraliser.
En décembre, Ecosystm, en partenariat avec Digital Realty, a organisé une table ronde à huis clos réunissant des responsables de haut niveau des technologies, des infrastructures, des données et de la gestion des risques du secteur des services financiers. Les discussions ont porté sur un défi commun : comment optimiser les échanges de données et les infrastructures pour soutenir les initiatives d’IA tout en respectant les exigences des organismes de réglementation tels que l’Autorité monétaire de Singapour (MAS) et d’autres autorités régionales.
Ce qui a émergé, ce sont des perspectives pratiques, basées sur l'expérience, de la part de dirigeants gérant l'IA à grande échelle dans des environnements fortement réglementés.
1. L’échange de données est devenu le principal obstacle à l’IA dans les services financiers
L’IA dans les services financiers dépend d’un accès rapide à de grands ensembles de données de haute qualité – données transactionnelles, clients, de risque et de marché – souvent dispersés dans des systèmes existants, des environnements privés et différents clouds.
Les participants à la table ronde ont convenu que l’échange de données, plutôt que la capacité des modèles, constitue désormais le principal obstacle. Les exigences réglementaires relatives à la résidence des données, à leur confidentialité et à leur transfert transfrontalier, renforcées par les directives de l’Autorité monétaire de Singapour (MAS) sur la gestion des risques technologiques, rendent la migration de données à grande échelle à la fois risquée et coûteuse.
Face à l’augmentation des volumes de données et à la généralisation du temps réel, les institutions délaissent progressivement l’approche consistant à « déplacer les données » au profit d’une approche consistant à « amener le calcul aux données ». La réduction des déplacements de données inutiles et l’amélioration de la connectivité entre les environnements contribuent à optimiser les performances, à diminuer les risques et à garantir la conformité des organisations avec les exigences réglementaires.
2. L’infrastructure hybride est la réalité réglementaire de l’IA
Pour la plupart des institutions financières, une stratégie d’IA entièrement basée sur le cloud public n’est ni réaliste ni souhaitable. Les plateformes cloud sont essentielles à l’innovation, à l’expérimentation et à l’évolutivité, mais de nombreuses charges de travail d’IA en production se heurtent à des limites liées à la prévisibilité des coûts, à la latence et à la conformité réglementaire.
Les dirigeants des tables rondes ont systématiquement indiqué que l'infrastructure hybride était l'approche privilégiée :
- Cloud public pour le développement, les tests et les charges de travail non sensibles
- Environnements privés ou Colocation pour les données réglementées, l’inférence sensible à la latence et les opérations d’IA en continu
Cette approche répond aux attentes de la MAS en matière de résilience, de gestion des risques et de souveraineté des données, tout en permettant aux institutions de continuer à innover sans exposer inutilement leurs systèmes ou données critiques à des risques.
3. La gouvernance doit être intégrée à l’infrastructure de l’IA
Dans les services financiers, la gouvernance de l’IA est étroitement liée à la conception de l’infrastructure. Les participants ont constaté que l’ajout d’explicabilité, de pistes d’audit et de contrôles après le déploiement des modèles entraîne souvent des retards, des reprises et des frictions réglementaires.
Les organisations de premier plan intègrent désormais la gouvernance dans leurs échanges de données et leurs couches d’infrastructure, en se concentrant sur les points suivants :
- Traçage clair des données dans les environnements hybrides
- Workflows d’IA explicables et vérifiables
- Contrôles d’accès cohérents alignés sur les politiques de risque internes
- Résilience opérationnelle conforme aux directives de la MAS en matière de gestion des risques technologiques (TRM)
Lorsque la gouvernance est intégrée dès le départ, les équipes d’IA peuvent avancer plus rapidement et avec plus de confiance, en réduisant les frictions entre l’innovation, le risque et la conformité.
4. La normalisation permet une IA évolutive et défendable
Un autre thème récurrent était la nécessité d’une standardisation des définitions de données, des indicateurs et des cadres de gouvernance. Dans les grandes institutions financières, des normes incohérentes peuvent nuire à la confiance dans les résultats de l’IA, notamment pour les cas d’utilisation dans les domaines du risque, du crédit et de la fraude.
Sans modèles de données communs et KPI, les systèmes d'IA sont plus difficiles à valider, à expliquer et à justifier auprès des régulateurs. La standardisation favorise la réutilisation des modèles et des ensembles de données, assure une supervision cohérente et renforce la capacité d'une organisation à démontrer son contrôle et sa responsabilité à mesure que l'adoption de l'IA progresse.
Alors que les institutions évoluent vers une prise de décision davantage automatisée et en temps réel, ces normes sont essentielles pour maintenir la confiance et l’alignement réglementaire.
5. La colocation s’impose comme levier stratégique pour l’IA réglementée
Les charges de travail liées à l’IA imposent de nouvelles exigences aux infrastructures : puissance de calcul élevée, refroidissement avancé, alimentation électrique fiable et connectivité à faible latence. De nombreux data centers d’entreprise traditionnels ne sont pas conçus pour répondre à ces exigences à grande échelle.
Les participants à la table ronde ont mis en avant la colocation comme une approche pragmatique pour l’IA dans des environnements financiers réglementés. En plaçant une infrastructure prête pour l’IA en colocation à proximité de données sensibles, les institutions sont en mesure de :
- Réduire la latence et améliorer les performances pour les charges de travail critiques
- Rationaliser l’échange de données entre les architectures hybrides
- Conserver le contrôle sur la résidence des données et les accès
- Renforcer la résilience et la continuité opérationnelle
La colocation permet aux organisations de services financiers de se moderniser étape par étape, en prenant en charge à la fois les systèmes hérités et les plateformes d'IA de nouvelle génération sans ajouter de risque réglementaire.
Passer des expériences d'IA aux plateformes d'IA dans les services financiers
La discussion a mis en lumière une évolution plus générale des services financiers. Le succès avec l’IA dépend maintenant de la construction de plateformes qui intègrent un échange de données efficace, une infrastructure résiliente et une gouvernance intégrée, plutôt que de mener des projets pilotes isolés.
Les institutions qui investissent dans ces fondations sont mieux à même de :
- Développer l’IA en confiance et avec supervision
- Gérer les coûts et la complexité dans les environnements hybrides
- Respecter le MAS et les réglementations régionales
- Produire rapidement des informations fiables et explicables
Poursuivez la conversation avec un briefing d'expert
Si votre organisation étudie comment optimiser l’échange de données et l’infrastructure pour favoriser le succès de l’IA dans la finance, une discussion éclairée par des pairs peut vous aider à clarifier vos prochaines étapes.
Les briefings d’experts de Digital Realty mettent en relation les dirigeants des services financiers avec des spécialistes expérimentés dans la conception d’environnements d’IA sécurisés, conformes et résilients dans toute la région Asie-Pacifique.
Cet engagement sans frais et sans risque vous fournira des conseils d’experts, un plan d’action personnalisé et la clarté dont vous avez besoin pour avancer en toute confiance dans vos initiatives en matière de données et d’IA.
Source : Ecosystm Digital Enterprise Study 2025

