Ferdinand Dabitz (Augustus) : « Ce qui coûte cher dans la banque, ce sont les gens »

The Big Whale : Quelle est la différence entre un flux de travail agentique et une IA classique ?

Ferdinand : L'objectif de l'IA au sein d'une institution financière est de rendre les processus plus rapides ou moins sujets aux erreurs, et de prendre en charge le travail manuel que les humains effectuaient, en l'exécutant plus rapidement et avec moins d'erreurs. Cela libère les humains pour qu'ils se concentrent sur l'examen, l'approbation et la prise de décisions. La partie agentique, c'est le système qui exécute lui-même le travail en plusieurs étapes, plutôt qu'un humain qui clique à chaque étape.

"La banque américaine moyenne consacre plus de cinquante pour cent de ses revenus à l'opex."

Vous présentez l'IA comme une histoire de marge avant d'être une histoire de productivité. Pourquoi ?

Regardez les dix plus grandes industries mondiales en termes de chiffre d'affaires. Vous avez le pétrole et le gaz, l'automobile, la banque. La banque est celle qui a le ratio de dépenses d'exploitation le plus élevé. Elle dépense plus que toutes les autres en personnel et en main-d'œuvre manuelle. Les autres industries sont axées sur le coût des marchandises : ce qui coûte cher dans l'automobile, ce sont les pièces détachées ; dans le pétrole, c'est le brut. Dans le secteur bancaire, ce qui coûte cher, c'est le personnel. La banque américaine moyenne consacre plus de cinquante pour cent de ses revenus à l'opex. C'est la base de coûts adressable, et c'est pourquoi le déploiement de l'IA ici peut transformer le secteur bancaire en une activité bien plus rentable.

Quels flux de travail sont automatisés en premier ?

Il y a beaucoup d'opportunités dans la surveillance des transactions. Prenez le triage des alertes BSA/AML : l'IA fait remonter les alertes potentielles, puis un responsable de la conformité humain enquête et décide. Vous laissez les machines prendre en charge les tâches répétitives du flux de travail de surveillance, et les humains se concentrent sur les enquêtes et les appels. Même schéma pour l'arbitrage des correspondances de sanctions et OFAC, où la machine signale et l'humain valide. Et l'examen des documents KYC, où l'IA extrait les champs et un humain les vérifie.

Et qu'est-ce qui ne devrait pas être automatisé ?

La prise de décision. Surtout dans une institution réglementée, l'humain doit rester aux commandes. C'est une question de sécurité et de solidité de la banque, et de conformité. La collecte et l'administration des données autour de la décision, c'est là que l'automatisation a déjà joué un rôle important et en jouera un bien plus grand. La décision elle-même reste du ressort d'une personne.

"Fedwire compense les paiements vingt-deux heures par jour. Qu'en est-il des deux autres ?"

Vous affirmez que les banques traditionnelles ne peuvent pas simplement "greffer" l'IA. Pourquoi ?

Ce qui freine les institutions traditionnelles est souvent l'infrastructure technologique héritée elle-même. Les anciens systèmes bancaires centraux constituent une réelle contrainte pour l'intégration de l'IA dans les opérations de manière sûre et fiable. Si vous voulez qu'un agent prenne en charge une partie d'un flux de travail de surveillance des transactions, l'agent a besoin de l'infrastructure de données pour communiquer avec le système bancaire central, extraire les bonnes données et les contextualiser correctement. Si vous fonctionnez sur l'un des anciens systèmes centraux, un FIS ou un Jack Henry, il devient très difficile pour un agent de communiquer avec le système central et d'obtenir ce dont il a besoin. Si vous avez construit le système central à partir de zéro autour de primitives agentiques et d'interactions d'agents, cela devient réellement possible. C'est ce que nous avons fait ces dernières années.

Décrivez Augustus en termes simples.

Nous sommes dans le secteur de la compensation. Nous compensons les paiements en dollars et en euros pour les institutions financières internationales : pensez à une fintech en Amérique latine, une banque en Asie du Sud-Est, ou d'autres acteurs mondiaux. Nous leur fournissons des comptes en dollars et en euros, et des taux en dollars et en euros. Là où nous surpassons les banques de compensation traditionnelles, c'est sur la vitesse de règlement et la disponibilité. Au lieu de T+2, nous pouvons régler le jour même ou plus rapidement, et la banque est disponible 24h/24. C'est la plateforme technologique qui permet à ces processus de back-office de fonctionner aussi rapidement.

Où les stablecoins s'intègrent-ils ?

Une grande partie de la lenteur des banques traditionnelles ne vient même pas du "rail", ce sont les processus et les opérations, et c'est là que se trouve la majeure partie de l'opportunité d'amélioration. Mais une partie vient du rail. Fedwire compense les paiements vingt-deux heures par jour. Qu'en est-il des deux autres ? C'est là que vous déployez des stablecoins, comme un "rail" global par défaut, instantané et disponible 24h/24 et 7j/7, pour combler les lacunes là où il y a un réel besoin d'utilisation. Par défaut, nous fonctionnons sur les rails fiduciaires traditionnels ; après les heures d'ouverture, les stablecoins couvrent ce que Fedwire ne peut pas.

"Nous espérons que ce sera le cas à un moment donné dans le futur. Mais aujourd'hui, ce n'est pas le cas."

Le mot "non déterministe" revient souvent à propos d'Augustus. Qu'est-ce que cela signifie pour un lecteur du secteur financier ?

Avant l'IA, l'automatisation dans les banques était limitée aux flux de travail déterministes. Il y avait une règle : si ceci se produit, oui ; si cela se produit, non. Des arbres de décision et des règles. L'IA permet d'automatiser même lorsqu'il n'y a pas de règle ou d'arbre prédéfini, et elle gère bien mieux les situations plus floues. C'est là que les agents surpassent vraiment l'automatisation des flux de travail à l'ancienne, par leur capacité à gérer des cas non déterministes et flous qui n'avaient jamais été définis comme une règle auparavant. Et il est important de souligner que la décision finale revient toujours à l'humain. L'IA peut préparer et administrer ; au final, c'est l'humain qui tranche.

The Big Whale : Vous êtes une cinquantaine de personnes. Comment cela modifie-t-il vos recrutements ?

Deux profils. D'une part, nous recrutons continuellement des talents techniques de premier ordre, natifs de l'IA, des ingénieurs et des experts produit de haute qualité. D'autre part, nous continuons d'investir dans les talents bancaires, des cadres ayant des décennies d'expérience dans la banque réglementée et qui ont déjà fait cela. Des personnes comme celles-là sont un élément crucial de notre proposition, car nous pouvons réunir ces deux mondes.

Une nouvelle licence OCC est extrêmement rare. Comment l'avez-vous obtenue ?

Ce fut un effort considérable, et cela ne devrait pas être facile. Plusieurs choses ont compté. Premièrement, l'équipe : Greg Quarles nous a rejoints très tôt en tant que président de la banque, avec vingt ans d'expérience à l'OCC, puis PDG de plusieurs banques américaines, et Benjamin Alexander du côté de la conformité. L'équipe a été un pilier vraiment important.

Cette semaine, deux des plus grands adoptants de l'IA, Microsoft et Uber, ont constaté que leurs factures d'IA dépassaient ce qu'ils paieraient aux humains. Nvidia a dit la même chose à propos de l'une de ses équipes. Augustus est-elle l'une de ces entreprises où les coûts de calcul sont supérieurs aux salaires ?

Non, ce n'est pas le cas pour nous. Nous espérons que ce sera le cas à un moment donné dans le futur. Mais aujourd'hui, ce n'est pas le cas.

Dernière question. Quel conseil donneriez-vous à un responsable de l'IA qui tente de faire avancer cela au sein d'une grande institution ?

Un bon modèle mental est de se concentrer sur les tâches, et non sur les rôles. Parfois, on tombe dans le mauvais cadre : « J'ai un analyste de risques, je veux automatiser ce rôle. » C'est le mauvais modèle. Le meilleur est de l'aborder au niveau des tâches. Pour chaque personne de votre équipe, quelles sont les tâches individuelles à accomplir, et lesquelles sont fastidieuses, lentes et ne nécessitent aucun jugement ou décision humaine ? Vous les choisissez et les automatisez une par une. Cela change la perspective, car cela permet à vos collaborateurs de consacrer leur temps aux tâches où leur jugement est le mieux utilisé, celles où ils doivent prendre des décisions, et moins de temps aux tâches routinières qu'une machine fait probablement mieux de toute façon.