[TokenPost专栏] ‘Économie agentique (Agentic Economy)’ : Le début : Le jour où l'IA devient le gestionnaire des coffres-forts bancaires

Aujourd’hui, c’est l’ère de “l’économie agentique (Agentic Economy)”. Ce terme, sélectionné comme mot-clé principal par le magazine de qualité de TokenPost, « Blockchain Business Review » de janvier 2026, signifie que l’IA dépasse le simple outil pour devenir un acteur autonome dans l’activité économique, incarnant un nouveau paradigme économique. De plus, cette grande tendance est également confirmée dans le domaine le plus conservateur et central du système financier — le système de “paiement et de règlement”.

Récemment, un article de recherche publié par la Banque des Règlements Internationaux (BRI) et l’équipe de recherche de la Banque du Canada a démontré que l’IA générative (Gen AI) possède le potentiel d’assumer le rôle de “gestionnaire de trésorerie (Cash Manager)” pour les banques, suggérant que l’économie agentique n’est pas une science-fiction lointaine, mais une réalité imminente.

◇ Expérience de la BRI : l’IA, résoudre le problème de la “gestion de la liquidité”

L’équipe de recherche de la BRI a mené une expérience où elle a confié le contrôle de la gestion de la liquidité dans un système de paiement de gros à un modèle d’IA générative universelle. La tâche confiée à cette intelligence artificielle n’était en aucun cas simple. Elle devait, dans un flux de fonds incertain, se préparer aux chocs de liquidité (Liquidity Shock) et trouver un équilibre délicat entre le coût de retard de règlement et le coût de détention de liquidités (Trade-off).

Fait surprenant, même un modèle d’IA général sans entraînement financier spécialisé a pris des décisions “préventives (Precautionary)” similaires à celles d’un gestionnaire humain expérimenté.

L’IA a pris des décisions telles que :

• Reporter de petites dépenses actuelles pour faire face à de futures urgences de paiements importants ;

• Réajuster les priorités en calculant la probabilité d’afflux de fonds ;

• Déterminer la stratégie optimale pour minimiser le retard de règlement tout en préservant la liquidité.

Cela prouve de manière convaincante que l’IA a dépassé le stade de l’exécution simple d’instructions pour évoluer en une “intelligence économique” capable de calculer les risques et d’agir dans l’incertitude.

◇ “Plus rapide et plus flexible que l’apprentissage par renforcement (RL)”… L’innovation ouverte par la Gen AI

Le message transmis au secteur financier sud-coréen est clair : “vitesse” et “efficacité”.

L’apprentissage par renforcement (RL), qui était la méthode principale d’optimisation financière, revient à enseigner aux enfants, étape par étape, les règles de paiement et de règlement. Pour apprendre la stratégie optimale, il faut des dizaines de milliers de simulations, une quantité énorme de données et beaucoup de temps.

En revanche, l’intelligence artificielle générative permet à l’agent d’apprendre avec des capacités de “zéro tirage (Zero-shot)” ou “peu d’échantillons (Few-shot)”. Il peut comprendre le contexte et raisonner instantanément simplement à partir d’invocations, sans nécessiter un entraînement long et spécifique pour des opérations financières complexes. Cela signifie que les institutions financières peuvent introduire des agents intelligents pour réduire considérablement leurs coûts opérationnels et accélérer la conception de prototypes (Prototyping).

[BBR Vol. 16] “L’IA possède un portefeuille et effectue des transactions autonomes”… La nouvelle ordre financière apportée par l’“économie agentique” en 2026

◇ L’avenir de la finance : “Sandbox IA” et le rôle de l’humain

Bien sûr, il n’est pas envisageable de confier immédiatement tous les pouvoirs du coffre-fort bancaire à l’IA. Le rapport de la BRI insiste également sur le mode “Humain dans la boucle (Human-in-the-loop)”, soulignant l’importance d’un gestionnaire humain pour la validation finale des décisions de l’IA. Par ailleurs, le rapport met en garde contre le risque que, dans des scénarios imprévus de “cygnes noirs (Black Swans)”, l’IA, dépendant des données passées, puisse faire des erreurs de jugement.

Mais la direction est claire. Les décideurs politiques peuvent utiliser ces intelligences artificielles pour construire des “simulateurs de paiement multi-agent (Multi-agent payment system simulator)”. Ils peuvent tester en toute sécurité la résilience face à des blocages systémiques (Gridlock) ou des crises dans un environnement virtuel, et expérimenter de nouvelles politiques réglementaires.

◇ La posture à adopter face à l’‘économie agentique’

La raison pour laquelle TokenPost se concentre sur ‘l’économie agentique’ dans son numéro de janvier est très claire. 2026 sera l’année où l’IA passera du rôle d’outil d’assistance humaine à celui d’agent autonome.

Le marché financier sud-coréen accélère sa transformation grâce à l’introduction de banquiers IA, à l’essor des conseillers robotisés, etc. La recherche de la BRI va encore plus loin, montrant que l’IA peut dépasser la simple réponse pour devenir le corps principal dans des activités clés telles que la gestion des fonds.

Les institutions financières nationales doivent désormais, pour améliorer leur efficacité opérationnelle, accélérer l’intégration de solutions IA adaptées à leurs objectifs, tout en se préparant minutieusement à l’évaluation des risques et à la conformité réglementaire. La recherche de la BRI n’est qu’un prélude à cette grande révolution. L’avenir de la finance dépend désormais de “qui pourra employer des intelligences plus intelligentes”.