
15 octobre 2026. Le Conseil de stabilité financière (FSB, pour Financial Stability Board) publie la version définitive de ses 12 bonnes pratiques pour une adoption responsable de l'intelligence artificielle par les institutions financières.
Le moment compte. L'IA ne se contente plus de rédiger. Elle évalue des risques, surveille des transactions, prépare des analyses. Et, de plus en plus, elle agit directement dans les logiciels métier.
Le FSB en tire une conséquence nette : la question porte désormais sur la gouvernance, la traçabilité et le contrôle.
Ce texte ne crée aucune obligation pour un conseiller en gestion de patrimoine (CGP) français. Il fournit pourtant une grille de lecture utile à tout professionnel qui confie des tâches à l'IA. Que contient-il, et qu'en retenir pour un cabinet ?
En bref. Le FSB a publié le 15 octobre 2026 douze bonnes pratiques non contraignantes pour l'adoption de l'IA dans la finance : quatre sur la gouvernance, huit sur la gestion des risques tout au long du cycle de vie des systèmes. La version finale renforce la documentation, la traçabilité et le traitement de l'IA agentique. Pour un CGP, le texte reste une référence volontaire, utile pour contrôler les calculs, tracer les recommandations, encadrer les accès de l'IA et choisir ses fournisseurs.
Sommaire
Pourquoi le FSB s'intéresse-t-il à l'intelligence artificielle ?
Quelles conséquences pour les conseillers en gestion de patrimoine ?
Pourquoi l'architecture compte-t-elle autant que le modèle ?
Pourquoi le FSB s'intéresse-t-il à l'intelligence artificielle ?
Parce que l'IA peut amplifier des risques existants et en créer de nouveaux, à l'échelle d'un établissement comme du système financier.
Le FSB coordonne au niveau international les autorités financières nationales et les organismes de normalisation. Il réunit les autorités de 24 pays et juridictions et rend compte au G20.
Ses travaux, précise sa charte, ne créent ni droits ni obligations juridiques.
Le rapport commence par les bénéfices : détection de la fraude, conformité, analyse de crédit, productivité. Il distingue ensuite deux niveaux de risque.
Niveau | Risques identifiés par le FSB |
|---|---|
Établissement | Gouvernance insuffisante, usage d'outils non autorisés (« shadow AI »), données de mauvaise qualité, manque d'explicabilité, réponses inventées, supervision humaine défaillante, cyberattaques, dépendance aux fournisseurs |
Système financier | Concentration des fournisseurs (cloud, modèles), comportements corrélés quand tous utilisent les mêmes modèles, risques cyber, risque de modèle et de données |
Source : FSB, rapport final du 15 octobre 2026.
Les 12 pratiques visent les établissements. Le FSB suit séparément les risques systémiques, et rappelle qu'ignorer l'IA comporte aussi un risque : celui de moins bien détecter fraudes et cybermenaces.
Que disent les 12 bonnes pratiques du FSB ?
Elles forment deux blocs : quatre pratiques de gouvernance à l'échelle de l'organisation, huit pratiques de gestion des risques sur tout le cycle de vie de l'IA.
N° | Bonne pratique | En clair |
|---|---|---|
1 | Orientation stratégique et supervision | La direction aligne l'IA sur le modèle d'affaires, l'appétit au risque et la stratégie. |
2 | Gouvernance et responsabilité | Des rôles et responsabilités clairement définis. |
3 | Intégration au cadre de risques et documentation | Les risques de l'IA entrent dans le dispositif existant, chaque usage est documenté. |
4 | Capacité d'adaptation | Gouvernance et compétences évoluent avec la technologie. |
5 | Évaluation de la matérialité et des risques | Chaque cas d'usage est évalué dès sa conception, puis réévalué. |
6 | Processus de sélection | Le choix d'un modèle tient compte des besoins et des risques. |
7 | Gouvernance des données | Des données exactes, complètes, cohérentes, fiables et sécurisées. |
8 | Explicabilité et transparence | Une IA plus explicable quand c'est possible, sinon des contrôles compensatoires. |
9 | Gestion de la performance | Tests et surveillance continue, proportionnés aux risques. |
10 | Supervision humaine | Un contrôle humain adapté au risque, à l'autonomie et à la complexité. |
11 | Risques cyber et informatiques | Intégrer les scénarios d'attaque liés à l'IA dans les tests. |
12 | Risques liés aux tiers | Maîtriser la dépendance aux fournisseurs : performance, données, concentration, continuité. |
Source : FSB, rapport final, 15 octobre 2026. Traduction et synthèse Apana.
Trois idées traversent l'ensemble : la proportionnalité, la traçabilité de chaque usage, et une responsabilité qui reste celle de l'établissement, même quand l'outil vient d'un fournisseur.
Un cas du rapport l'illustre. Chez un gestionnaire d'actifs, une IA produit une première évaluation des risques d'un projet d'investissement, chaque conclusion renvoyant aux règles et aux documents sources.
L'outil n'approuve ni ne rejette rien. La décision reste au responsable des risques.
Ce qui a changé depuis la consultation
Soumis à consultation le 10 juin 2026, le projet a reçu environ 160 réponses. La version finale garde les 12 pratiques mais renforce plusieurs points :
la documentation (pratique 3) doit permettre de reconstituer les actions, en particulier pour l'IA agentique ;
la transparence est renforcée pour les usages à fort enjeu (pratique 8) ;
la validation indépendante et la surveillance en temps réel sont précisées (pratique 9) ;
la gestion des fournisseurs couvre désormais l'IA intégrée aux logiciels tiers et les stratégies de sortie (pratique 12) ;
des considérations sur l'IA agentique sont ajoutées, que le FSB juge encore émergentes.
Le statut ne change pas : ce n'est pas une norme internationale contraignante.
Pourquoi l'IA agentique renforce-t-elle ces enjeux ?
Parce qu'un agent ne produit plus seulement une réponse. Il agit dans des systèmes, parfois en des centaines d'étapes, plus vite qu'un humain ne peut contrôler.
Trois niveaux d'IA sont à distinguer :
générer (rédiger, résumer) : le risque est une erreur dans le texte ;
analyser (extraire, comparer, repérer une anomalie) : le risque porte sur la fiabilité du résultat ;
agir (se connecter aux logiciels, enchaîner des tâches, déclencher des opérations) : le risque devient opérationnel.
Pour ce troisième niveau, le FSB liste des risques propres : actions non autorisées ou erronées, fuite de données, perturbation des systèmes connectés, supervision difficile à grande échelle.
Il recommande notamment :
d'attribuer à chaque agent un identifiant unique et de retracer chaque action : son déclencheur, les outils et données utilisés, le respect des autorisations ;
de séparer strictement ses objectifs, ses permissions, ses règles (quand demander une validation humaine) et les données auxquelles il accède ;
de considérer que les risques se multiplient quand on étend les accès d'un agent.
Prenons un cas type. Un assistant récupère les données d'un client, lance une simulation de retraite, puis prépare des tâches dans le CRM (logiciel de gestion de la relation client).
Chaque étape pose sa propre question. L'assistant a-t-il le droit de lire ce dossier ? Le calcul est-il vérifiable ? Les opérations préparées sont-elles validées avant d'être exécutées ? Et qui saura, dans six mois, ce que l'agent a fait et pourquoi ?
Quelles conséquences pour les conseillers en gestion de patrimoine ?
Aucune obligation nouvelle, mais une grille de questions très concrète pour tout cabinet qui utilise l'IA.
Le FSB s'adresse aux institutions financières. Un CGP français reste soumis à son propre cadre : MIF 2 (directive sur les marchés d'instruments financiers), DDA (directive sur la distribution d'assurances), RGPD.
Pour l'IA s'y ajoute le règlement européen, dont nous détaillions les effets au 2 août 2026. La transposition ci-dessous relève de notre analyse, pas du texte du FSB.
Question en cabinet | Pratiques FSB | Transposition possible (lecture Apana) |
|---|---|---|
Comment contrôler un calcul fiscal produit avec l'IA ? | 8 et 9 | Faire calculer par un moteur déterministe aux règles identifiées, et vérifier le résultat avant de le présenter. |
Comment garder la trace d'une recommandation ? | 3 | Conserver les données d'entrée, les hypothèses, les scénarios comparés et la version validée. |
Comment protéger les données patrimoniales ? | 7 et 11 | Savoir où transitent les données, limiter ce que l'outil peut lire, ne pas coller un dossier client dans un assistant grand public. |
Comment superviser un agent IA ? | 5 et 10 | Lui donner des accès minimaux, et exiger une validation humaine avant toute action sur un dossier ou un contrat. |
Comment choisir un fournisseur ? | 6 et 12 | Demander où sont hébergées les données, quel modèle est utilisé, comment il évolue et comment récupérer ses données. |
Un point touche directement le devoir de conseil. Selon le FSB, l'IA utilisée dans le conseil automatisé peut produire des recommandations inadaptées au profil du client quand les données sont incomplètes ou datées.
Pourquoi l'architecture compte-t-elle autant que le modèle ?
Parce que la fiabilité d'une opération critique dépend des outils que l'IA appelle et des contrôles qui l'entourent, plus que du modèle lui-même.
C'est notre lecture du rapport. Le FSB le dit à sa manière : le modèle le plus complexe n'est pas toujours le plus adapté.
Un modèle généraliste excelle à comprendre une demande et à orchestrer des tâches. Pour un calcul fiscal ou une pièce de conformité, il gagne à s'appuyer sur des systèmes métier robustes.
Notre article sur l'entraînement, le fine-tuning et le RAG explique pourquoi une réponse sourcée vaut mieux qu'une réponse de mémoire.
C'est l'approche suivie chez Apana :
Copilot capture et structure les échanges (rendez-vous, documents, e-mails) en données patrimoniales ;
Advisor apporte des moteurs de calcul déterministes, des simulateurs et des scénarios sourcés ;
Officer réunit le CRM, la conformité, l'agrégation, la GED (gestion électronique des documents) et la signature électronique.
Le modèle choisit quel module solliciter. Le calcul, les données et la trace restent dans les outils métier. Le conseiller valide chaque étape.
Quelles opérations peut-on confier à l'IA ?
Celles dont on peut contrôler, retracer et assumer le résultat.
Le rapport du FSB marque un changement de maturité. La question porte désormais sur les conditions auxquelles confier des opérations métier à l'IA.
Pour les cabinets, le rôle du conseiller évolue. Moins de saisie. Davantage de supervision, d'arbitrage et de pédagogie. Et des outils jugés autant sur leur architecture que sur leur intelligence.
Quel cabinet saura, demain, montrer à son client comment l'IA a contribué à son conseil ?
FAQ
Les bonnes pratiques du FSB sont-elles obligatoires pour un CGP ? Non. Le FSB précise que ses 12 bonnes pratiques ne constituent pas une norme internationale contraignante et ne créent ni droits ni obligations. Un CGP reste soumis à son propre cadre réglementaire, notamment MIF 2, la DDA, le RGPD et le règlement européen sur l'IA. Le rapport sert de référence volontaire.
Que recommande le FSB pour l'IA agentique ? Le FSB recommande d'évaluer chaque agent selon son autonomie et ses accès, de lui attribuer un identifiant unique, de tracer chacune de ses actions et de séparer ses objectifs, ses permissions et les données accessibles. Il précise que ces pratiques spécifiques sont encore émergentes et pourront évoluer.
Qu'est-ce qui a changé entre la consultation et le rapport final ? Après environ 160 réponses, le rapport final du 15 octobre 2026 renforce la documentation et la traçabilité, la transparence des usages à fort enjeu, la validation indépendante et la gestion des fournisseurs. Il ajoute des considérations sur l'IA agentique. Les 12 pratiques et leurs deux blocs sont conservés.
Sources
FSB, « FSB finalises sound practices for the responsible adoption of artificial intelligence (AI) », communiqué de presse, 15 octobre 2026.
FSB, « Sound Practices for Responsible Adoption of Artificial Intelligence (AI): Final report », rapport final, 15 octobre 2026.
FSB, « Sound Practices for Responsible Adoption of Artificial Intelligence (AI): Overview of consultation responses », synthèse des réponses, 15 octobre 2026.
FSB, « Sound Practices for Responsible Adoption of Artificial Intelligence (AI): Consultation report », document de consultation, 10 juin 2026.
Pour aller plus loin. Pourquoi un chatbot généraliste ne suffit-il pas pour bâtir un conseil ? Nous l'expliquions dans notre article sur l'usage de ChatGPT par les CGP.
Qui a fait quoi dans un dossier préparé avec l'IA ? Sur l'un de vos cas réels, nous vous montrons où passe chaque donnée, d'où sort chaque chiffre et qui valide chaque étape.
