Malgré un large éventail de solutions technologiques, les parcours d’onboarding restent encore freinés par des processus documentaires complexes, auxquels vient s’ajouter l’intégration de l’intelligence artificielle, qui soulève de nouveaux enjeux de conformité. Cette problématique était justement au cœur d’un webinaire organisé par l’éditeur ABBYY le 14 avril dernier, au cours duquel plusieurs experts sont revenus sur les limites des IA généralistes dans les environnements réglementés, notamment en matière de KYC. Retour sur les
Si la transformation numérique est désormais considérée comme acquise dans de nombreux secteurs, une réalité beaucoup plus contrastée persiste sur le terrain. Banque, assurance, santé ou encore logistique continuent de composer avec des parcours d’onboarding fortement dépendants du document, où formulaires papier, scans et PDF ralentissent encore l’expérience client et complexifient les processus internes.
C’est précisément ce constat qui a été dressé le 14 avril 2026 lors d’un webinaire organisé par ABBYY. À cette occasion, Olivier Vasseur, Solutions Architect, et Raphaël Godinot, Responsable partenaires, sont revenus sur les limites des stratégies d’automatisation traditionnelles et sur l’évolution des attentes des organisations. Car au-delà de la simple digitalisation, un nouvel impératif s’impose désormais : produire une information fiable, exploitable et défendable dans un cadre réglementaire de plus en plus exigeant.
Les limites structurelles des IA généralistes dans les processus critiques
L’un des principaux enseignements du webinaire concerne l’utilisation des IA généralistes dans des processus sensibles comme le KYC (Know Your Customer). Si ces modèles suscitent un fort intérêt dans de nombreux usages métiers, leur intégration au sein de chaînes documentaires réglementées soulève plusieurs difficultés techniques et opérationnelles.
La première limite concerne le traitement documentaire natif. Contrairement à des solutions spécialisées, les IA généralistes ne disposent pas, à elles seules, de mécanismes d’OCR intégrés permettant de traiter directement des documents non structurés sans étape intermédiaire. Une contrainte qui multiplie les points de rupture dans la chaîne de traitement.
À cela s’ajoute le phénomène d’hallucination, bien documenté dans les modèles génératifs. Dans un environnement de production, une mauvaise lecture ou une interprétation erronée d’un champ peut conduire à l’extraction d’une donnée inexacte. Dans un contexte réglementé, où chaque information engage potentiellement la responsabilité de l’organisation, cette incertitude devient difficilement acceptable.
Autre point de vigilance : l’auditabilité. Les LLM sont souvent perçus comme des systèmes non déterministes, dont les mécanismes internes restent difficilement explicables. En cas de contrôle ou d’audit, retracer avec précision l’origine d’une donnée extraite ou justifier une décision automatisée peut rapidement devenir complexe.
Enfin, les enjeux de souveraineté et de protection des données restent centraux. L’utilisation d’IA généralistes dans des processus manipulant des informations sensibles expose les organisations à des risques liés à la circulation des données et à leur traitement par des tiers, dans un contexte où les exigences de conformité liées au RGPD ou à NIS2 se renforcent.
L’IA de confiance comme réponse aux exigences réglementaires
Face à ces limites, ABBYY défend une approche fondée sur une IA spécialisée, pensée autour du document et de la conformité. À travers sa plateforme Vantage, l’éditeur met en avant une vision reposant sur trois principes : explicabilité, contrôle et traçabilité.
Le premier pilier repose sur une architecture déterministe. Là où les modèles généralistes fonctionnent selon une logique probabiliste, l’approche spécialisée combine machine learning, règles métier et traitement du langage pour garantir un découpage et une analyse cohérents des dossiers.
Le deuxième pilier concerne la gestion de l’incertitude. L’objectif n’est pas d’automatiser chaque cas à tout prix, mais de définir des seuils de confiance. Lorsqu’un document apparaît illisible, incomplet, raturé ou suspect, le système déclenche une escalade vers un opérateur humain.
Enfin, la traçabilité constitue l’élément central de cette approche. Chaque donnée extraite peut être reliée à son emplacement exact dans le document source, offrant ainsi une capacité d’audit complète et une justification immédiate auprès des autorités de contrôle.
De l’AI Act à NIS2, un cadre qui ne laisse plus de place à l’approximation
L’évolution du cadre réglementaire européen renforce encore ces exigences. En 2026, les processus automatisés liés au KYC sont déjà identifiés comme des usages à haut risque dans le cadre de l’AI Act. Parallèlement, la directive NIS2 impose aux organisations une gestion renforcée des risques, notamment sur l’ensemble de leur chaîne technologique et de sous-traitance.
À travers plusieurs cas d’usage présentés lors du webinaire, ABBYY a mis en évidence une réalité de plus en plus tangible : un onboarding mal maîtrisé n’est plus seulement une source de friction opérationnelle, mais un risque mesurable pour la gouvernance et la responsabilité des dirigeants.
Qu’il s’agisse de détecter une fraude documentaire sur un relevé de compte ou de vérifier la complétude d’un dossier de prêt, l’objectif reste identique : produire une information fiable dès la première analyse.
Le modèle hybride comme standard opérationnel
La conclusion du webinaire est sans ambiguïté : l’automatisation ne peut être pleinement efficace qu’à travers un modèle hybride. L’IA permet de traiter rapidement les cas simples et standardisés, réduisant ainsi les délais et la friction client. L’humain, de son côté, conserve un rôle central dans l’analyse des cas complexes, ambigus ou potentiellement frauduleux.
En 2026, la question n’est donc plus de savoir si l’intelligence artificielle peut contribuer à l’optimisation de l’onboarding. La véritable question devient désormais celle de la capacité des organisations à démontrer, avec précision, ce que leur IA a réellement fait.
