Prateek Shrivastava | Juillet 2026 | Washington DC<\/p>\n\n\n\n
L\u2019intelligence artificielle produit d\u00e9j\u00e0 des r\u00e9sultats r\u00e9els et mesurables dans le secteur des services financiers, et les preuves les plus solides en sont \u00e0 l\u2019appui sont bien plus solides que ce que le circuit des conf\u00e9rences leur accorde habituellement. L\u2019appendice de cet article contient la base de donn\u00e9es des \u00e9tudes de cas cit\u00e9es dans le texte.<\/p>\n\n\n\n
Les preuves les plus cr\u00e9dibles se trouvent dans deux domaines : les autorit\u00e9s r\u00e9glementaires qui utilisent l\u2019IA pour am\u00e9liorer leur travail de supervision, et les pr\u00eateurs et les assureurs qui l\u2019utilisent pour \u00e9valuer les risques, accorder des cr\u00e9dits, proposer des couvertures et traiter les demandes d\u2019indemnisation. Cette publication r\u00e9unit les exemples les plus convaincants issus de ces deux groupes.<\/p>\n\n\n\n
Lors de l\u2019examen des preuves, nous avons jug\u00e9 utile de classer chaque cas dans l\u2019un des deux groupes suivants. D\u00e9ploiements mesur\u00e9s<\/strong> Les syst\u00e8mes en cours d\u2019exploitation ou ceux qui sont en principe op\u00e9rationnels, avec des indicateurs de performance publicis\u00e9s concernant l\u2019adoption, la pr\u00e9cision, le service ou le portefeuille, constituent la preuve la plus \u00e9vidente que l\u2019IA fonctionne d\u00e9j\u00e0. Pilotes mesur\u00e9s<\/strong> Ces \u00e9tudes sont des mises en \u0153uvre r\u00e9elles avec des r\u00e9sultats techniques cr\u00e9dibles, souvent \u00e0 l\u2019avant-garde de ce que l\u2019utilisation r\u00e9elle de ces technologies va devenir. Les rapports plus g\u00e9n\u00e9raux, issus de la Banque mondiale, de la Banque des r\u00e8glements internationaux (BIS), de l\u2019Organisation de coop\u00e9ration et de d\u00e9veloppement \u00e9conomiques (OCDE) et d\u2019autres institutions, sont importants pour comprendre l\u2019\u00e9volution du march\u00e9 et compl\u00e8tent cette \u00e9tude plut\u00f4t que de l\u2019int\u00e9grer.<\/p>\n\n\n\n Cette distinction importe : les d\u00e9ploiements mesur\u00e9s ci-dessous sont la preuve que l\u2019IA fonctionne d\u00e9j\u00e0 dans ce secteur. Ces essais \u00e0 petite \u00e9chelle sont un bon signe de ce qui va devenir g\u00e9n\u00e9ralis\u00e9.<\/p>\n\n\n\n La recherche montre que, pour l\u2019instant, les exemples les plus convaincants de la part des r\u00e9gulateurs ne sont pas les \u201c superviseurs d\u2019IA \u201d futuristes. Ce sont des applications concr\u00e8tes qui am\u00e9liorent la qualit\u00e9 et la rapidit\u00e9 des activit\u00e9s que les r\u00e9gulateurs effectuent d\u00e9j\u00e0 : traitement des plaintes, surveillance des march\u00e9s, d\u00e9tection de fraudes et v\u00e9rification des donn\u00e9es. <\/p>\n\n\n\n Le Banco Central do Brasil a test\u00e9 des techniques d\u2019apprentissage automatique pour d\u00e9tecter les anomalies potentielles dans les demandes de renseignement aupr\u00e8s de son registre public de cr\u00e9dit, le SCR. En collaboration avec la Soci\u00e9t\u00e9 financi\u00e8re internationale (IFC), il a appliqu\u00e9 un mod\u00e8le de for\u00eat isol\u00e9e \u00e0 des donn\u00e9es relatives aux pr\u00eats li\u00e9s aux salaires tir\u00e9es d\u2019un ensemble de donn\u00e9es de 55 millions de pr\u00eats, afin de les comparer avec un registre qui traite 1,1 milliard d\u2019op\u00e9rations par mois (\u00c9tude de cas de l'IFC, mai 2025<\/a>). Le mod\u00e8le a d\u00e9tect\u00e9 278 pr\u00eats comme potentiels outliers chez neuf institutions. Sur les 206 cas o\u00f9 la banque centrale a re\u00e7u des commentaires de huit d\u2019entre elles, 179 ont \u00e9t\u00e9 confirm\u00e9s comme des probl\u00e8mes r\u00e9els, soit un taux de pr\u00e9cision de 87 %. Apr\u00e8s avoir segment\u00e9 les emprunteurs \u00e0 revenu \u00e9lev\u00e9 du reste du portefeuille et les avoir retravaill\u00e9s, le taux de pr\u00e9cision est pass\u00e9 \u00e0 97 %.<\/p>\n\n\n\n L\u2019\u00e9chantillon valid\u00e9 comprend 206 cas, et non le registre complet. C\u2019est un exemple fort de suptech car le probl\u00e8me est sp\u00e9cifique, le mod\u00e8le soutient un processus de contr\u00f4le existant et les performances peuvent \u00eatre mesur\u00e9es. Il devrait \u00eatre d\u00e9crit comme suit : pilote mesur\u00e9<\/strong> sauf si des preuves publiques indiquent que cette approche a \u00e9t\u00e9 appliqu\u00e9e de mani\u00e8re g\u00e9n\u00e9rale dans tout le registre et a permis d'enregistrer des am\u00e9liorations constantes au fil du temps.<\/p>\n\n\n\n Le Bangko Sentral ng Pilipinas\u2019 Online Buddy, ou BOB, est l\u2019un des exemples les plus clairs de protection des consommateurs utilisant l\u2019IA sur les march\u00e9s \u00e9mergents. Il permet aux consommateurs de d\u00e9poser leurs plaintes via un canal num\u00e9rique et utilise le traitement du langage naturel pour cat\u00e9goriser et orienter les cas.<\/p>\n\n\n\n Une \u00e9valuation d\u2019Innovations for Poverty Action a r\u00e9cemment analys\u00e9 1 372 534 messages envoy\u00e9s \u00e0 BOB au cours de sa premi\u00e8re ann\u00e9e d\u2019activit\u00e9, de ao\u00fbt 2020 \u00e0 juillet 2021 (IPA, 2022<\/a>). BOB a correctement class\u00e9 55 % des plaintes imm\u00e9diatement, montant \u00e0 74 % apr\u00e8s des questions de suivi. Seule 20 % des interactions avec le chatbot ont abouti \u00e0 un message final dans le flux de conversation. Ce taux de d\u00e9crochage est aussi r\u00e9v\u00e9lateur que le chiffre de pr\u00e9cision : il nous indique o\u00f9 le design perd encore des utilisateurs, ce qui est exactement le type de m\u00e9trique de flux de travail qu\u2019un r\u00e9gulateur devrait suivre et publier r\u00e9guli\u00e8rement. L\u2019\u00e9valuation elle-m\u00eame a maintenant plusieurs ann\u00e9es d\u2019antiquit\u00e9 et, jusqu\u2019\u00e0 pr\u00e9sent, elle n\u2019a pas \u00e9t\u00e9 mise \u00e0 jour publiquement. Cette combinaison de rapports du r\u00e9gulateur et d\u2019\u00e9valuations ind\u00e9pendantes rend encore BOB particuli\u00e8rement utile : elle fournit des preuves quant \u00e0 l\u2019adoption, aux performances du syst\u00e8me et aux points de d\u00e9connexion des utilisateurs.<\/p>\n\n\n\n Cela d\u00e9montre \u00e9galement un principe de conception important. La valeur n\u2019a pas \u00e9t\u00e9 cr\u00e9\u00e9e en inventant une fonction de surveillance enti\u00e8rement nouvelle. Elle est n\u00e9e de l\u2019am\u00e9lioration de l\u2019acc\u00e8s \u00e0 un processus de plaintes existant et de la transformation de messages non structur\u00e9s en donn\u00e9es de surveillance utilisables.<\/p>\n\n\n\n La derni\u00e8re addition \u00e0 la liste de suptech r\u00e9sout un probl\u00e8me que les autres cas ici ne traitent pas directement : identifier les \u201c comptes mules \u201d, qui sont utilis\u00e9s pour recevoir et transf\u00e9rer les fonds issus de la fraude financi\u00e8re gr\u00e2ce \u00e0 Internet. L\u2019unit\u00e9 d\u2019innovation de la Reserve Bank of India (RBI), le Reserve Bank Innovation Hub, a cr\u00e9\u00e9 MuleHunter<\/a>, un mod\u00e8le d\u2019apprentissage automatique qui analyse les donn\u00e9es relatives aux transactions et aux comptes pour d\u00e9tecter ces comptes mules en s\u2019appuyant sur des mod\u00e8les comportementaux connus. Il a \u00e9t\u00e9 test\u00e9 aupr\u00e8s de deux banques du secteur public en 2024 et cit\u00e9 par le gouverneur de la RBI dans la d\u00e9claration de politique mon\u00e9taire de d\u00e9cembre 2024. Une r\u00e9ponse relative au droit \u00e0 l\u2019information communiqu\u00e9e en d\u00e9cembre 2025 indiquait que 23 banques l\u2019avaient adopt\u00e9e. En mai 2026, le D\u00e9partement des services financiers a ordonn\u00e9 publiquement aux banques d\u2019acc\u00e9l\u00e9rer l\u2019adoption de cette technologie.<\/p>\n\n\n\n Ce chiffre d\u2019adoption m\u00e9rite d\u2019\u00eatre mentionn\u00e9 pour une raison qui va au-del\u00e0 du nombre lui-m\u00eame. Il n\u2019a pas \u00e9t\u00e9 communiqu\u00e9 par la RBI ou le vendeur. Il est apparu suite \u00e0 une demande d\u2019information ind\u00e9pendante, une forme de provenance plus solide que la plupart des chiffres dans ce domaine. Veuillez noter que nous n\u2019avons pas trouv\u00e9 de pourcentage de pr\u00e9cision v\u00e9rifi\u00e9 provenant d\u2019une source principale de la RBI, et toute donn\u00e9e circulant dans les m\u00e9dias secondaires doit \u00eatre consid\u00e9r\u00e9e comme non confirm\u00e9e jusqu\u2019\u00e0 ce que la banque centrale publie directement un chiffre.<\/p>\n\n\n\n La Superintendencia de Banca, Seguros y AFP du P\u00e9rou, la Banque du Ghana et l\u2019Otoritas Jasa Keuangan (OJK) d\u2019Indon\u00e9sie ont tous mis en place des outils de surveillance et de traitement des plaintes du march\u00e9 utilisant l\u2019IA, en utilisant le scraping des m\u00e9dias sociaux, l\u2019analyse de sentiments, les chatbots, la gestion des dossiers de plaintes et des tableaux de bord de supervision.<\/p>\n\n\n\n Ces initiatives sont cr\u00e9dibles et m\u00e9ritent d\u2019\u00eatre suivies de pr\u00e8s. Certaines ont d\u00e9j\u00e0 trait\u00e9 des volumes substantiels de commentaires publics et ont produit des interfaces de surveillance utilisables. Ce qu\u2019elles n\u2019ont pas encore rendu public, c\u2019est la m\u00eame profondeur d\u2019\u00e9l\u00e9ments d\u2019analyse permettant de mesurer les r\u00e9sultats, tels que les changements durables dans les r\u00e9sultats des consommateurs, l\u2019efficacit\u00e9 de l\u2019application de la loi ou la productivit\u00e9 des autorit\u00e9s de surveillance, mesur\u00e9s au fil du temps. Cela repr\u00e9sente moins un verdict sur la technologie que le signe de la position de chaque programme sur sa propre courbe, ant\u00e9rieure \u00e0 celle du Br\u00e9sil, des Philippines et de l\u2019Inde, mais sur la m\u00eame trajectoire. Elles figurent dans la base de donn\u00e9es comme suit : pilotes mesur\u00e9s<\/strong>, le groupe le plus susceptible de r\u00e9aliser le prochain d\u00e9ploiement \u00e0 maturit\u00e9.<\/p>\n\n\n\n Tout d'abord, l'IA fonctionne mieux lorsqu'il est int\u00e9gr\u00e9 \u00e0 un processus de supervision existant<\/span> Avec un v\u00e9ritable blocage op\u00e9rationnel. Les plaintes arrivent sous forme de textes non structur\u00e9s. Les notifications au registre contiennent des anomalies. Les r\u00e9seaux de transactions cachent des comptes frauduleux. Les discussions publiques r\u00e9v\u00e8lent des risques de comportement \u00e9mergents. Ces probl\u00e8mes sont bien d\u00e9finis.<\/p>\n\n\n\n Deuxi\u00e8mement, Les indicateurs de flux de travail sont importants<\/span>, Les chiffres honn\u00eates comprennent les chiffres inconfortables. Un r\u00e9gulateur devrait pouvoir mesurer l\u2019exactitude des classifications, les faux positifs, les taux de r\u00e9ussite et de rejet des cas, les cas trait\u00e9s et le fait que les mesures de surveillance aient am\u00e9lior\u00e9 quelque chose, et non seulement les volumes globaux.<\/p>\n\n\n\n Troisi\u00e8mement, Les chiffres provenant de sources ind\u00e9pendantes sont plus fiables que ceux fournis par les personnes concern\u00e9es elles-m\u00eames.<\/span>. Le num\u00e9ro d\u2019enregistrement de la RBI provient d\u2019une demande de droit \u00e0 l\u2019information. L\u2019\u00e9valuation de la BOB provient d\u2019une organisation de recherche ind\u00e9pendante, et non du propre service de communication du r\u00e9gulateur. Cette distinction devrait d\u00e9terminer le poids que chacun d\u2019entre nous accordera \u00e0 une quelconque affirmation.<\/p>\n\n\n\n Du c\u00f4t\u00e9 des fournisseurs de services financiers (FSP), les pr\u00eateurs, les \u00e9metteurs de cartes de cr\u00e9dit, les entreprises de finance agricole et les assureurs, les bases de donn\u00e9es sont plus compl\u00e8tes, notamment en mati\u00e8re d\u2019acceptation de cr\u00e9dit et de conception de produits. Mais c\u2019est aussi l\u00e0 que l\u2019attribution devient probl\u00e9matique. Un pr\u00eateur peut disposer d\u2019un portefeuille important, d\u2019une croissance rapide et d\u2019un mod\u00e8le d\u2019IA. Cela ne signifie pas automatiquement que l\u2019IA a \u00e9t\u00e9 \u00e0 l\u2019origine des r\u00e9sultats obtenus par ce portefeuille.<\/p>\n\n\n\n Le mod\u00e8le \u201c 3-1-0 \u201d de MYbank, qui consiste en une demande de cr\u00e9dit de trois minutes, une approbation en un second et aucune intervention manuelle, est l\u2019un des exemples les plus embl\u00e9matiques de souscription automatis\u00e9e pour les petites et moyennes entreprises (PME). Ce mod\u00e8le utilise des donn\u00e9es transactionnelles et \u00e9cosyst\u00e9miques pour \u00e9valuer les entreprises qui ne disposent pas de d\u00e9clarations financi\u00e8res ou de garanties traditionnelles.<\/p>\n\n\n\n Le chiffre le plus r\u00e9cent que je puisse fournir est de 53 millions de PME desservies cumulativement, r\u00e9v\u00e9l\u00e9 par Ant Group et MYbank en avril 2024 dans le cadre du rapport annuel de MYbank pour 2023 (Businesswire, avril 2024<\/a>). Une r\u00e9f\u00e9rence ant\u00e9rieure de la IFC de 2020 indiquait 45 millions de PME desservies et un taux de d\u00e9faut proche de 1,5 %, soit environ 60 % de moins que la moyenne de l\u2019industrie \u00e0 l\u2019\u00e9poque. Nous n\u2019avons pas trouv\u00e9 de mise \u00e0 jour ind\u00e9pendante plus r\u00e9cente pour ces deux chiffres, donc nous indiquons les deux dates explicitement plut\u00f4t que de pr\u00e9senter ces chiffres comme des performances actuelles.<\/p>\n\n\n\n Un contexte m\u00e9rit\u00e9 d\u2019\u00eatre mentionn\u00e9 : les chiffres les plus importants proviennent des d\u00e9clarations de MYbank et de l\u2019Ant Group, v\u00e9ritables et substantielles, bien qu\u2019elles n\u2019aient pas \u00e9t\u00e9 v\u00e9rifi\u00e9es ind\u00e9pendamment. La d\u00e9claration la plus claire, et qui en soi est forte, est que l\u2019assurabilit\u00e9 bas\u00e9e sur l\u2019IA a \u00e9t\u00e9 int\u00e9gr\u00e9e avec succ\u00e8s dans l\u2019un des plus importants programmes de pr\u00eat aux PME de partout dans le monde.<\/p>\n\n\n\n Un exemple instructif sur la question de la v\u00e9rification ind\u00e9pendante est JUMO, la plateforme d\u2019infrastructure de pr\u00eat panafricaine op\u00e9rant au Ghana, au Kenya, en Tanzanie, en Zambie, en Ouganda, en C\u00f4te d\u2019Ivoire, en Afrique du Sud et au Cameroun. JUMO rapporte $7,9 milliards d\u00e9bours\u00e9s aupr\u00e8s de plus de 31 millions de personnes depuis 2015, un chiffre communiqu\u00e9 par l\u2019entreprise avec les m\u00eames pr\u00e9cautions d\u2019attribution que celui de MYbank.<\/p>\n\n\n\n Ce qui le distingue, c'est que JUMO est devenu Premier prestataire de services financiers num\u00e9riques \u00e9valu\u00e9 selon la norme de protection des clients Cerise+SPTF<\/span>, un examen effectu\u00e9 par un tiers, a obtenu un score de 92,2 %. C\u2019est une rare occasion dans ce domaine o\u00f9 un tiers, plut\u00f4t que l\u2019entreprise elle-m\u00eame, est \u00e0 l\u2019origine du chiffre annonc\u00e9.<\/p>\n\n\n\n La plupart des exemples de pr\u00eats dans ce domaine comparent un portefeuille \u00e0 lui-m\u00eame, avant et apr\u00e8s, ou \u00e0 la moyenne de l\u2019industrie. Konf\u00edo, un pr\u00eateur fintech mexicain utilisant un scoring de cr\u00e9dit bas\u00e9 sur l\u2019IA pour les micro, petites et moyennes entreprises (PME), est l\u2019un des rares \u00e0 proposer une \u00e9valuation v\u00e9ritable. Une analyse d\u2019IDB Invest, l\u2019organisation priv\u00e9e du Fonds d\u2019Investissement de l\u2019Association des \u00c9tats am\u00e9ricains (IDB), a compar\u00e9 les entreprises ayant re\u00e7u un pr\u00eat Konf\u00edo avec des candidats similaires ayant \u00e9t\u00e9 rejet\u00e9s. Deux ans plus tard, les emprunteurs ayant re\u00e7u un financement Les ventes ont augment\u00e9 de 19,4 % par rapport au groupe de comparaison \u00e9cart\u00e9, et de 41,9 % chez les entreprises d\u00e9tenues par des femmes.<\/em> (IDB Invest<\/a>).<\/p>\n\n\n\n Ce mod\u00e8le de groupe de comparaison impose un crit\u00e8re d\u2019appr\u00e9ciation des preuves bien plus strict que la simple histoire de \u00ab avant et apr\u00e8s \u00bb. C\u2019est pourquoi nous pr\u00e9f\u00e9rons Konf\u00edo \u00e0 la plupart des exemples de scoring de cr\u00e9dit qui circulent dans ce secteur. Cela ne r\u00e8gle pas tous les probl\u00e8mes. IDB Invest est \u00e9galement un investisseur dans l\u2019entreprise, donc l\u2019\u00e9valuation n\u2019est pas totalement objective. Mais c\u2019est C\u2019est l\u2019\u00e9l\u00e9ment le plus proche, dans cette liste, d\u2019un sc\u00e9nario fictif, et il devrait servir de point de r\u00e9f\u00e9rence lorsque les pr\u00eateurs affirment que leur mod\u00e8le d\u2019assurance-cr\u00e9dit \u201c am\u00e9liore les r\u00e9sultats \u201d.\u201d<\/em><\/p>\n\n\n\n Eshandi utilise un syst\u00e8me d\u2019\u00e9valuation bas\u00e9 sur l\u2019apprentissage automatique dans son produit de microcr\u00e9dit mobile et a accord\u00e9 pr\u00e8s d\u2019un million de pr\u00eats \u00e0 des femmes. Une analyse au niveau des emprunteurs dans un rapport de l\u2019IFC de 2026 a r\u00e9v\u00e9l\u00e9 que les femmes obtiennent un score de cr\u00e9dit l\u00e9g\u00e8rement sup\u00e9rieur dans le mod\u00e8le lui-m\u00eame et ont plus de chances de devenir des emprunteuses r\u00e9currentes (IFC, \u201c Cracking the Credit Code \u201d, mai 2026<\/a>). Le rapport est prudent quant \u00e0 la signification de ces termes, notant que la plupart de ces mod\u00e8les sont con\u00e7us de mani\u00e8re neutre quant au genre et que les gains d\u2019inclusion de ce type sont en grande partie accidentels plut\u00f4t que con\u00e7us de mani\u00e8re syst\u00e9matique.<\/p>\n\n\n\n C\u2019est le niveau de prudence appropri\u00e9. Les preuves montrent qu\u2019il y a association<\/strong> entre le mod\u00e8le de scoring, le comportement des emprunteurs r\u00e9cidivistes et le sexe. Cela ne prouve pas en soi que l\u2019IA a augment\u00e9 l\u2019inclusion financi\u00e8re des femmes ou a entra\u00een\u00e9 de meilleurs r\u00e9sultats \u00e9conomiques. Le cas est utile pr\u00e9cis\u00e9ment parce qu\u2019il soul\u00e8ve les bonnes questions suivantes : qui p\u00e9n\u00e8tre dans le canal de distribution, qui est s\u00e9lectionn\u00e9, qui verse des paiements et si le mod\u00e8le reproduit ou r\u00e9duit accidentellement ou de mani\u00e8re d\u00e9lib\u00e9r\u00e9e les disparit\u00e9s entre les sexes.<\/em><\/p>\n\n\n\n La carte de cr\u00e9dit num\u00e9rique de Vexi combine l\u2019analyse de donn\u00e9es alternatives avec des recherches directes aupr\u00e8s des clients. Le m\u00eame rapport de l\u2019IFC de 2026 a interrog\u00e9 plus de 3 000 emprunteurs de Vexi et a constat\u00e9 que les femmes qui exploitaient des entreprises priv\u00e9es ou familiales utilisaient la carte pour leurs d\u00e9penses professionnelles \u00e0 un taux plus \u00e9lev\u00e9 que les hommes dans le m\u00eame sondage, et que leurs limites de cr\u00e9dit moyennes d\u00e9passaient celles des hommes apr\u00e8s environ quatre ans d\u2019utilisation de la carte.<\/p>\n\n\n\n Cela rend Vexi bien plus qu\u2019une histoire de scoring de cr\u00e9dit. C\u2019est un exemple de conception de produit montrant comment l\u2019acc\u00e8s \u00e0 un cr\u00e9dit num\u00e9rique flexible peut soutenir les entreprises familiales et les entreprises g\u00e9r\u00e9es par des femmes au fil du temps, et non seulement au moment de l\u2019approbation. La m\u00eame prudence s\u2019applique \u00e0 l\u2019\u00e9gard d\u2019Eshandi : Les taux d\u2019utilisation et la croissance des limites de cr\u00e9dit \u00e9tudi\u00e9s sont des indices d\u2019utilisation d\u2019un produit inclusif, et non la preuve que le mod\u00e8le d\u2019assurance seule a contribu\u00e9 \u00e0 la croissance des activit\u00e9s.<\/em><\/p>\n\n\n\n Deux pr\u00eateurs et assureurs africains, Apollo Agriculture et Pula, appartiennent \u00e0 cette m\u00eame cat\u00e9gorie de FSP, et ils d\u00e9montrent une r\u00e9elle dimension alors qu\u2019ils illustrent pourquoi les r\u00e9clamations li\u00e9es \u00e0 l\u2019IA doivent \u00eatre s\u00e9par\u00e9es des r\u00e9sultats des produits et pourquoi un objectif et un r\u00e9sultat ne sont pas la m\u00eame chose.<\/p>\n\n\n\n Apollo combine une \u00e9valuation de cr\u00e9dit bas\u00e9e sur des donn\u00e9es avec des conseils agronomiques et des assurances pour les petits agriculteurs au Kenya et, plus r\u00e9cemment, en Zambie. Dans une \u00e9tude de cas britannique publi\u00e9e en 2024, l\u2019objectif est d\u2019atteindre plus de 2,3 millions d\u2019agriculteurs d\u2019ici 2026. C\u2019est un objectif \u00e0 long terme, et non un r\u00e9sultat imm\u00e9diat. Les derniers chiffres de couverture que nous pouvons retrouver indiquent une couverture actuelle d\u2019environ 400 000 agriculteurs sur les deux march\u00e9s, alors que l\u2019activit\u00e9 en Zambie compte encore environ 30 000 agriculteurs apr\u00e8s ses 18 premiers mois d\u2019existence. Les chiffres concernant les rendements et le bien-\u00eatre des agriculteurs, notamment une moyenne de 2,6 fois sup\u00e9rieure \u00e0 celle des autres agriculteurs kenyans, sont tir\u00e9s d\u2019\u00e9tudes entreprises par l\u2019entreprise et ses investisseurs, et non d\u2019une \u00e9valuation ind\u00e9pendante. La pr\u00e9tention d\u00e9fendable est que Apollo a construit un mod\u00e8le d\u2019agro-finance \u00e0 l\u2019\u00e9chelle mondiale et en ligne qui continue de se d\u00e9velopper vers ses objectifs d\u00e9clar\u00e9s, et non que l\u2019IA ait \u00e9t\u00e9 prouv\u00e9 ind\u00e9pendamment pour augmenter les rendements ou la r\u00e9silience climatique. Ces r\u00e9sultats sont influenc\u00e9s par le cr\u00e9dit, les semences, les engrais, les conseils, la m\u00e9t\u00e9o, l'assurance et le comportement des agriculteurs ensemble.<\/p>\n\n\n\n Pula utilise des donn\u00e9es satellitaires, m\u00e9t\u00e9orologiques et agronomiques dans la conception des assurances agricoles, le calcul des tarifs et les processus de sinistres. Selon les informations actuelles de la soci\u00e9t\u00e9, elle a assur\u00e9 20,1 millions de fermiers dans 22 pays, d\u00e9bours\u00e9 $133,9 millions en indemnit\u00e9s \u00e0 2,8 millions de fermiers et prot\u00e9g\u00e9 $2,6 milliards d\u2019investissements agricoles. En octobre 2024, Pula a proc\u00e9d\u00e9 \u00e0 la plus importante indemnisation agricole de l\u2019Afrique, soit plus de $29 millions pour plus de 800 000 fermiers en Zambie suite \u00e0 une grave s\u00e9cheresse. Ces donn\u00e9es sont importantes : les assurances ne cr\u00e9ent de r\u00e9silience que lorsque les polices sont distribu\u00e9es \u00e0 grande \u00e9chelle et que les indemnit\u00e9s sont vers\u00e9es rapidement, mais le nombre de fermiers assur\u00e9s et le montant vers\u00e9 d\u00e9montrent l\u2019ampleur et le rendement de l\u2019activit\u00e9 d\u2019assurance. Ils ne font pas abstraction de la contribution suppl\u00e9mentaire apport\u00e9e par l\u2019apprentissage automatique ou l\u2019analyse par satellite. Pula est un bon exemple de cas d\u2019assurance climatique gr\u00e2ce \u00e0 un mod\u00e8le op\u00e9rationnel bas\u00e9 sur l\u2019IA, et non une exp\u00e9rience contr\u00f4l\u00e9e de l\u2019impact de l\u2019IA sur la r\u00e9silience.<\/p>\n\n\n\n Pour les conseils d'administration, les autorit\u00e9s de r\u00e9glementation et les organismes de supervision, nous appliquons cinq crit\u00e8res avant d'appeler une initiative en mati\u00e8re d'IA r\u00e9ussie.<\/p>\n\n\n\n Les preuves sont d\u00e9sormais suffisamment solides pour aller au-del\u00e0 de l\u2019exp\u00e9rimentation g\u00e9n\u00e9rale, mais pas suffisamment solides pour suspendre le jugement.<\/p>\n<\/blockquote>\n\n\n\n Pour les autorit\u00e9s de r\u00e9gulation, le traitement des plaintes, les contr\u00f4les de qualit\u00e9 des donn\u00e9es, la d\u00e9tection de fraudes et d\u2019op\u00e9rations frauduleuses ainsi que la surveillance cibl\u00e9e du march\u00e9 constituent des points de d\u00e9part pratiques. Elles utilisent des donn\u00e9es existantes, r\u00e9solvent les probl\u00e8mes apparents et permettent aux superviseurs humains de rester responsables.<\/p>\n\n\n\n Pour les pr\u00eateurs et les assureurs, l\u2019underwriting de donn\u00e9es alternatives et la prise de d\u00e9cisions automatis\u00e9e se d\u00e9veloppent d\u00e9j\u00e0, notamment aupr\u00e8s des consommateurs ayant un faible profil d\u2019affaires, des femmes, des PME et des petits agriculteurs. Les exemples les plus convaincants mesurent l\u2019inclusion \u00e0 l\u2019ensemble de la cha\u00eene de valeur, de la demande \u00e0 l\u2019approbation, en passant par les limites, les tarifs, la r\u00e9utilisation, le remboursement et les r\u00e9sultats pour le client. L\u2019\u00e9valuation des groupes compar\u00e9s de Konf\u00edo constitue la norme \u00e0 atteindre, et un nombre croissant de soci\u00e9t\u00e9s du secteur sont capables de la r\u00e9aliser plut\u00f4t que de s\u2019en contenter actuellement.<\/p>\n\n\n\n Pour les investisseurs et les institutions de d\u00e9veloppement qui financent les deux parties de cette \u00e9quation, la question de la diligence raisonnable consiste \u00e0 d\u00e9terminer quelle d\u00e9cision a \u00e9t\u00e9 modifi\u00e9e, quelles preuves montrent que cette d\u00e9cision est pr\u00e9f\u00e9rable et qui en b\u00e9n\u00e9ficie, plut\u00f4t que de simplement s\u2019interroger sur le fait que l\u2019entreprise utilise ou non l\u2019IA.<\/p>\n\n\n\n Les r\u00e9gulateurs d\u00e9tectent d\u00e9j\u00e0 les fraudes et \u00e9liminent plus rapidement les arri\u00e9r\u00e9s de plaintes. Les pr\u00eateurs atteignent les emprunteurs qui \u00e9taient invisibles pour les assureurs conventionnels. Les assureurs paient les demandes de remboursement en quelques jours au lieu de quelques mois. Les preuves de l\u2019utilisation de l\u2019IA dans les services financiers sont plus solides et plus sp\u00e9cifiques que ce que le circuit des conf\u00e9rences les attribue habituellement. La t\u00e2che aujourd\u2019hui est de continuer \u00e0 d\u00e9velopper cette base de donn\u00e9es avec la m\u00eame rigueur avec laquelle ces exemples ont \u00e9t\u00e9 \u00e9valu\u00e9s, afin que la prochaine vague de cas puisse s\u2019y rattacher. Les gagnants dans ce secteur ne seront peut-\u00eatre pas les institutions disposant des budgets les plus importants en IA. Ils pourraient bien \u00eatre ceux qui pourront d\u00e9montrer leur travail.<\/p>\n\n\n\n <\/p>","protected":false},"excerpt":{"rendered":" Prateek Shrivastava | Juillet 2026 | Washington DC. L\u2019intelligence artificielle produit d\u00e9j\u00e0 des r\u00e9sultats r\u00e9els et mesurables dans les services financiers, et les preuves les plus solides sont plus substantielles que ce que le circuit des conf\u00e9rences leur reconna\u00eet d\u2019habitude. L\u2019annexe de cet article contient la base de donn\u00e9es des \u00e9tudes de cas cit\u00e9es dans le texte. Les plus cr\u00e9dibles\u2026<\/p>","protected":false},"author":2,"featured_media":2638,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"nf_dc_page":"","_kad_blocks_custom_css":"","_kad_blocks_head_custom_js":"","_kad_blocks_body_custom_js":"","_kad_blocks_footer_custom_js":"","_monsterinsights_skip_tracking":false,"_EventAllDay":false,"_EventTimezone":"","_EventStartDate":"","_EventEndDate":"","_EventStartDateUTC":"","_EventEndDateUTC":"","_EventShowMap":false,"_EventShowMapLink":false,"_EventURL":"","_EventCost":"","_EventCostDescription":"","_EventCurrencySymbol":"","_EventCurrencyCode":"","_EventCurrencyPosition":"","_EventDateTimeSeparator":"","_EventTimeRangeSeparator":"","_EventOrganizerID":[],"_EventVenueID":[],"_OrganizerEmail":"","_OrganizerPhone":"","_OrganizerWebsite":"","_VenueAddress":"","_VenueCity":"","_VenueCountry":"","_VenueProvince":"","_VenueState":"","_VenueZip":"","_VenuePhone":"","_VenueURL":"","_VenueStateProvince":"","_VenueLat":"","_VenueLng":"","_VenueShowMap":false,"_VenueShowMapLink":false,"_kadence_starter_templates_imported_post":false,"_swpsp_post_exclude":false,"_kad_post_transparent":"","_kad_post_title":"","_kad_post_layout":"","_kad_post_sidebar_id":"","_kad_post_content_style":"","_kad_post_vertical_padding":"","_kad_post_feature":"","_kad_post_feature_position":"","_kad_post_header":false,"_kad_post_footer":false,"_kad_post_classname":"","footnotes":""},"categories":[7],"tags":[],"class_list":["post-2636","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-impact"],"yoast_head":"\nO\u00f9 les autorit\u00e9s r\u00e9glementaires trouvent une valeur pratique<\/mark><\/h3>\n\n\n\n
Exemple 1. Br\u00e9sil : la recherche d\u2019anomalies dans un registre de cr\u00e9dit tr\u00e8s important, et la pr\u00e9cision quant au nombre de cas couverts par ce registre.<\/h4>\n\n\n\n
Exemple 2. Les Philippines : rendre la gestion des plaintes accessible<\/h4>\n\n\n\n
Exemple 3. L\u2019Inde : d\u00e9tection d\u201c\u201d\u00a0accounts mules\u00a0\u00bb avant que des fonds frauduleux ne disparaissent<\/h4>\n\n\n\n
Le P\u00e9rou, le Ghana et l\u2019Indon\u00e9sie : des travaux prometteurs qui progressent encore vers une r\u00e9alisation tangible<\/h4>\n\n\n\n
3 le\u00e7ons tir\u00e9es des affaires r\u00e9glementaires ressortent<\/mark><\/h3>\n\n\n\n
L\u00e0 o\u00f9 les pr\u00eateurs et les assureurs disposent de preuves plus solides<\/mark><\/h3>\n\n\n\n
MYbank : un pr\u00eat automatis\u00e9 aux PME \u00e0 une \u00e9chelle significative, pr\u00e9sent\u00e9 honn\u00eatement<\/h4>\n\n\n\n
JUMO : un projet d\u2019emprunt num\u00e9rique \u00e0 grande \u00e9chelle en Afrique avec une \u00e9valuation ind\u00e9pendante de la protection des clients<\/h4>\n\n\n\n
Konf\u00edo : le cas rare avec un groupe de comparaison r\u00e9el<\/h4>\n\n\n\n
Eshandi en Zambie : des preuves prometteuses concernant les in\u00e9galit\u00e9s entre les sexes, mais pas de preuve de causalit\u00e9<\/h4>\n\n\n\n
Vexi au Mexique : l\u2019utilisation du produit est tout aussi importante que l\u2019approbation<\/h4>\n\n\n\n
L\u2019agriculture financi\u00e8re et l\u2019assurance climatique : une dimension r\u00e9elle, une attribution de l\u2019IA plus difficile<\/h4>\n\n\n\n
Un meilleur test pour les \u00e9tudes de cas en IA<\/mark><\/h3>\n\n\n\n
\n
Que cela signifie pour les r\u00e9gulateurs et les FSPs<\/mark><\/h3>\n\n\n\n
\n
Annexe : Tableau des cas d'utilisation (juillet 2026)<\/h3>\n\n\n\n