L’IA a un problème de contexte

L’architecture de données invisible derrière chaque expérience d’IA réussie

Tout le monde pense que l’IA a un problème d’intelligence. Ce n’est pas le cas. Elle a un problème de contexte. Seulement 11 % des workflows financiers fonctionnent de manière autonome. Le goulot d’étranglement n’est pas l’IA elle-même, mais l’architecture de données sous-jacente.

Sauf indication contraire, toutes les statistiques citées ci-dessous proviennent de l’étude « Building An AI-Ready Finance Function », commandée par Airwallex et réalisée par Forrester Consulting en juin 2026.

En 1900, les métiers à tisser d’une usine de coton du Massachusetts fonctionnaient encore grâce à des courroies en cuir suspendues à un arbre en acier tournant au plafond. La même installation que la vapeur entraînait depuis des décennies, à ceci près qu’un moteur électrique la faisait désormais tourner. Paul David, historien de l’économie à Stanford, a montré que l’électricité n’a permis d’augmenter la productivité que quarante ans plus tard, lorsque les propriétaires ont abandonné l’arbre central, doté chaque métier de son propre moteur et réorganisé l’usine autour de cette nouvelle configuration.

La finance reproduit aujourd’hui ce schéma avec l’IA. La plupart des stratégies d’IA confondent logiciel et architecture. L’adoption progresse, les budgets augmentent et les conseils d’administration approuvent des projets pilotes trimestre après trimestre. Pourtant, une étude menée en juin 2026 par Forrester Consulting, commandée par Airwallex et couvrant 1 279 décideurs financiers, a révélé que seulement 11 % des workflows financiers s’exécutent sans intervention humaine.

La raison n’est pas que les modèles d’IA actuels ne sont pas suffisamment performants. C’est que la plupart des organisations reposent encore sur des architectures de données fragmentées, conçues bien avant l’arrivée de l’IA. Tant que l’IA ne disposera pas d’un contexte complet et fiable, elle restera un conseiller plutôt qu’un opérateur.

L’IA financière repose sur le contexte, pas sur les prompts

L’IA avec laquelle les utilisateurs interagissent ne représente que la plus petite partie du système. Elle prend la forme d’une fenêtre de chat, d’une recommandation ou d’une anomalie signalée en orange. En dessous se trouve l’architecture qui détermine si l’IA peut simplement formuler des suggestions ou exécuter des décisions en toute sécurité.

Pour qu’un agent d’IA approuve un paiement, il doit comprendre bien plus qu’une facture. Il doit savoir quelle entité détient les fonds, dans quelle devise ils sont détenus, si un autre paiement est déjà en attente, qui dispose du pouvoir d’approbation et si la transaction respecte les réglementations locales.

Rien de tout cela ne provient du modèle. Tout vient de l’architecture de données qui crée le contexte sous-jacent.

Trois couches déterminent si l’IA peut agir

L’architecture de données vient en premier : une vue cohérente unique des soldes, des transactions, des approbations et des entités dans chaque marché et chaque activité.

L’architecture des workflows vient ensuite : des approbations et des contrôles qui permettent à un agent d’opérer en toute sécurité dans le cadre d’une gouvernance établie, au lieu de demander constamment une autorisation.

L’infrastructure vient en troisième : les licences, les réseaux de paiement et les connexions aux réseaux de cartes qui permettent aux transactions de s’exécuter dans le monde réel.

Si l’une de ces couches manque, l’IA peut générer des recommandations. Si les trois sont correctement conçues, elle peut exécuter des décisions en toute sécurité.

Les architectures fragmentées bloquent l’IA au niveau des données

Forrester a demandé aux responsables financiers ce qui empêchait l’IA de passer à l’échelle, et 65 % ont cité des données financières fragmentées et incohérentes. La complexité de l’intégration entre les régions et les entités arrivait juste derrière, à 61 %. Ces deux réponses décrivent le même problème sous-jacent.

Dans une architecture fragmentée, l’IA échoue de manière prévisible.

• Un agent qui voit les dépenses, mais pas la position de trésorerie, approuve des achats que le solde ne permet pas de couvrir.

• Un agent qui voit la position de trésorerie, mais pas les règlements en attente, bloque inutilement des paiements.

Le problème ne venait pas du modèle. Le problème venait du contexte manquant. Chaque erreur apprend à l’équipe financière à ajouter un garde-fou ou une étape d’approbation supplémentaire.

Une architecture de données unifiée change cette équation. Lorsque chaque paiement, chaque solde, chaque approbation et chaque règlement existent dans un même contexte fiable, l’IA peut prendre des décisions avec assurance plutôt qu’à partir d’informations partielles.

La fondation que personne ne remarque

Chaque décision financière autonome dépend d’un ensemble d’éléments d’infrastructure qui fonctionnent de concert. Les licences déterminent où l’argent peut circuler légalement. Les connexions directes aux réseaux de paiement locaux déterminent l’efficacité de ces mouvements. Les adhésions aux réseaux de cartes, les données transactionnelles et les contrôles des workflows fournissent le contexte qui indique à l’IA ce qui doit se passer ensuite.

Pris séparément, il s’agit d’investissements dans l’infrastructure. Ensemble, ils créent quelque chose de bien plus précieux : une vue unique et fiable de l’activité financière, sur laquelle l’IA peut s’appuyer pour raisonner.

Cette fondation demande des années de construction.

Au cours de la dernière décennie, nous avons investi dans l’infrastructure nécessaire pour opérer à l’échelle mondiale. Aujourd’hui, Airwallex détient plus de 85 licences financières dans le monde, opère en tant que transmetteur de fonds agréé dans 45 États américains et se connecte directement aux réseaux de compensation locaux dans plus de 120 pays, en maintenant plus de 90 % des transactions en dehors de SWIFT.

Aucun de ces investissements n’a été réalisé en pensant à l’IA. Ils l’ont été parce que les transferts de fonds à l’échelle mondiale exigent de la confiance, une solide expertise réglementaire et une architecture opérationnelle propre. À mesure que l’IA a gagné en maturité, cette même fondation est devenue le préalable à l’autonomie financière.

Les bénéfices commerciaux sont déjà visibles. Minor Hotels a remplacé une architecture de paiements fragmentée par une plateforme Airwallex unique, économisant plus de 7 millions de dollars américains par an grâce au règlement à l’identique et à l’acquisition locale. La même architecture unifiée qui réduit la complexité opérationnelle crée également la base de données cohérente et le contexte dont l’IA a besoin pour automatiser les workflows financiers en toute sécurité.

La sécurité, un mur porteur

À mesure que l’IA gagne en autorité dans les workflows financiers, chacune de ses décisions dépend des contrôles sous-jacents. Un agent capable d’approuver des paiements ou de déplacer des fonds n’est sécurisé qu’à la hauteur des contrôles d’identité, des autorisations d’accès et des pistes d’audit qui encadrent ces actions. Une sécurité insuffisante n’augmente pas seulement le risque : elle limite aussi l’autonomie. Les équipes financières ne délégueront tout simplement pas de décisions importantes à des systèmes auxquels elles ne peuvent pas faire entièrement confiance.

C’est pourquoi l’architecture de sécurité est devenue une composante de l’architecture d’IA. La même fondation unifiée qui donne à l’IA un contexte complet doit également déterminer qui peut accéder aux données, quelles actions peuvent être effectuées et comment chaque décision est enregistrée.

Pour les responsables financiers qui évaluent des plateformes d’IA, la question n’est pas simplement de savoir si un fournisseur dispose de capacités d’IA. Il faut déterminer si l’architecture de sécurité qui les sous-tend est suffisamment robuste pour soutenir des opérations financières autonomes à grande échelle.

L’IA récompense l’architecture qui la sous-tend

Les usines qui ont prospéré pendant l’électrification ne sont pas celles qui ont acheté les premiers moteurs électriques. Ce sont celles qui ont réorganisé leurs installations autour de ces moteurs.

La finance arrive au même moment charnière.

Les organisations qui tireront les plus grands bénéfices de l’IA ne se contenteront pas d’adopter de meilleurs modèles. Elles construiront l’architecture de données dont ces modèles dépendent : des systèmes connectés, des données transactionnelles cohérentes et une infrastructure qui fournit à l’IA un contexte complet pour chaque décision.

Les licences, les réseaux de paiement et la sécurité sont importants parce qu’ils renforcent cette fondation. L’IA est peut-être l’innovation visible, mais l’architecture de données est l’avantage invisible qui rend la finance autonome possible.