Impact des pratiques d’IA générative dans la banque commerciale française: étude de cas Crédit Agricole.

Thesis Abstract

Cette étude examine l’impact des pratiques d’intelligence artificielle générative (IAG) sur les opérations et les performances dans la banque commerciale française, avec une focalisation sur Crédit Agricole comme étude de cas. Le problème central réside dans l’incertitude concernant la valeur ajoutée, les risques et les mécanismes organisationnels par lesquels les systèmes d’IAG influencent la qualité du service, la gestion des risques et l’efficacité opérationnelle dans un contexte bancaire fortement régulé. L’objectif général est d’évaluer les résultats opérationnels et organisationnels des pratiques d’IAG, tout en établissant un cadre théorique et empirique pour guider la prise de décision stratégique. Les objectifs spécifiques incluent (1) analyser l’adoption et l’intégration des solutions d’IAG dans les processus de vente, de conseil et de service client; (2) évaluer l’impact sur la productivité, les coûts opérationnels et la satisfaction client; (3) identifier les risques éthiques, juridiques et de conformité associés à l’IAG et les mécanismes de gouvernance en place; (4) examiner les effets sur l’emploi et les compétences requises au sein des équipes; (5) proposer un modèle de valeur ajoutée pour la banque en s’appuyant sur les théories de l’innovation ( théorie du processo d’innovation de Rogers) et sur les cadres de gestion des risques (COSO) et de conformité. La méthodologie combine une approche mixte d’abord une étude qualitative exploratoire, puis une enquête quantitative. Le design est explicatif et descriptif, ancré dans le cadre réaliste-organisationnel (PMT). La population comprend l’ensemble des divisions opérationnelles de Crédit Agricole au niveau national impliquées dans l’implémentation de l’IAG (banque de détail, services dédiés aux professionnels et back office). L’échantillonnage combine une enquête structurée (n ? 350 cadres et agents exerçant dans les postes directement concernés par l’IAG) et des entretiens semi-structurés (n ? 20 dirigeants et responsables métiers). Les instruments de collecte incluent un questionnaire structuré pour mesurer la productivité, les coûts, la satisfaction client et les perceptions des risques, ainsi que des guides d’entretien pour explorer les enjeux de gouvernance et d’éthique. La validité et la fiabilité seront assurées par des analyses de contenu des entretiens, des tests de cohérence interne (Cronbach’s alpha ? 0,70) et une triangulation des données. L’analyse quantitative emploiera des régressions multivariées (pour tester les effets de l’IAG sur la productivité et les coûts), des tests ANOVA pour comparer les résultats entre départements, et une modélisation de médiation pour examiner les canaux par lesquels l’IAG influence la satisfaction client. L’analyse qualitative adoptera une approche thématique avec codage inductif et deductif, afin d’identifier les mécanismes organisationnels, les dilemmes éthiques et les pratiques de gouvernance. Le cadre analytique s’appuiera sur deux théories centrales la théorie de l’acceptation de la technologie (TAM) pour expliquer l’adoption et l’usage de l’IAG par les employés, et le cadre COSO pour l’évaluation des risques et du contrôle interne liés à l’IAG. Le modèle conceptuel synthétise les relations entre adoption, efficacité opérationnelle, résultats clients et risques, avec une attention particulière sur les variables modératrices telles que la culture organisationnelle et le niveau de maturité numérique. Les résultats attendus indiquent une amélioration marginale à significative de la productivité et de la précision des processus, une réduction des coûts opérationnels directs, mais une augmentation des risques de conformité et de biais algorithmique nécessitant des mécanismes de gouvernance robustes. La recherche contribuera à la littérature en démontrant comment une grande banque française peut orchestrer l’IAG pour créer de la valeur, tout en gérant les risques, et offrira des recommandations pratiques pour la conception de politiques internes, la gouvernance éthique, la formation des personnels et les choix technologiques. Les implications pour la science incluent l’intégration des perspectives TAM et COSO dans un cadre unique d’évaluation de l’IAG dans le secteur bancaire, et l’identification de variables critiques susceptibles d’informer les futures recherches. Les conclusions réservent des recommandations stratégiques et opérationnelles, notamment l’établissement d’un programme de pilotage par domaines, la formalisation des contrôles de conformité et la mise en place d’indicateurs de performance dédiés à l’IAG.