Dans ses résultats du troisième trimestre, publiés le 28 octobre, UBS indique que ses salariés font tourner plus de 12 700 agents IA au quotidien. La banque recense aussi 608 cas d'usage en production, en hausse de 81 % sur un an.
Ce que les résultats d'UBS comptabilisent au troisième trimestre
Les chiffres figurent dans les documents trimestriels, pas dans un communiqué séparé. Ils se lisent donc comme un indicateur d'activité interne, au même titre que les effectifs ou les dépenses technologiques.
Trois nombres structurent le tableau. Plus de 12 700 agents IA personnels sont utilisés chaque jour par les collaborateurs. Les cas d'usage passés en production atteignent 608, en hausse de 81 % sur un an. Et plus de 1 090 applications supplémentaires sont en cours de développement.
UBS formule l'objectif dans son propre vocabulaire : poursuivre les investissements technologiques, notamment dans l'IA, ainsi que dans les compétences, afin d'améliorer l'expérience client, de renforcer les infrastructures et de gagner en efficacité.
Sur le trimestre, la banque affiche un bénéfice de 2,7 milliards de dollars, conforme aux attentes. L'intégration de Credit Suisse se poursuit, et l'effectif a diminué d'environ 1 500 postes à temps plein sur la période.
Un agent personnel n'est pas un projet d'entreprise
Le rapprochement des deux chiffres, 12 700 agents et 608 cas d'usage, prête à confusion. Ils ne mesurent pas la même chose.
Un cas d'usage en production est un système validé, intégré à un processus, avec un propriétaire, des contrôles et une maintenance. Il a fallu le construire, l'auditer, le déployer. Les 608 correspondent à cette catégorie.
Un agent personnel est un assistant configuré par un salarié pour son propre travail : résumer des comptes rendus, préparer un ordre du jour, reformuler un courriel, interroger une base documentaire. Il ne passe pas par un comité de validation, et il n'est pas forcément intégré à un système central.
Cette distinction change la lecture. Les 12 700 agents disent quelque chose de l'adoption réelle par les équipes, de la curiosité, de l'habitude prise. Les 608 disent quelque chose de l'industrialisation. Une banque peut avoir des milliers d'initiatives individuelles et très peu de systèmes réellement branchés sur ses processus critiques.
Où les banques installent vraiment l'IA : derrière le guichet
Une étude de PYMNTS Intelligence sur le secteur financier donne un cadre utile. Les déploiements se concentrent sur des tâches de back-office, structurées et vérifiables.
Trois domaines arrivent en tête. La reconnaissance des revenus et la clôture comptable atteignent un taux d'adoption de 65 % parmi les établissements interrogés. L'évaluation du risque de crédit suit à 60 %, et la prévision des ventes avec l'automatisation du pipeline commercial également à 60 %.
Ce classement n'est pas un hasard. Ce sont des tâches où l'on dispose d'historiques propres, où une erreur se détecte, et où un auditeur peut demander la trace du raisonnement. Autrement dit, des tâches où l'IA peut être contrôlée.
Les fonctions directement au contact du client progressent plus lentement, pour des raisons réglementaires autant que techniques. Une recommandation d'investissement doit être justifiée, traçable, et conforme à un cadre supervisé. Un modèle qui produit une phrase fluide ne suffit pas.
UBS cite tout de même un cas client. Son outil STAAT, destiné aux conseillers, a généré plus de 30 millions d'analyses utilisées en rendez-vous. Le chiffre mesure un volume de production, pas une amélioration du conseil.
La question de gouvernance que le communiqué laisse ouverte
Le document ne répond pas à une question simple : qui contrôle ces 12 700 agents ?
Aucun dirigeant n'est nommément responsable du programme dans les éléments publiés. La répartition entre cas d'usage tournés vers le client et cas d'usage internes n'est pas donnée. Et la manière dont la banque encadre les milliers d'assistants configurés par les salariés n'est pas décrite.
Ces angles morts comptent dans une banque. Un agent personnel qui résume un document interne manipule des données couvertes par le secret professionnel. S'il est hébergé chez un fournisseur externe, ou s'il conserve l'historique des échanges, la question du stockage devient une question de conformité.
Le secteur a déjà connu ce type de débat avec le courrier électronique, puis avec la messagerie instantanée. Chaque fois, l'adoption individuelle a précédé le cadre. La différence, ici, tient au volume et à la vitesse : un assistant de messagerie transmet un texte, un agent IA peut lire des documents, les synthétiser et conserver le résultat.
18 000 développeurs et 30 millions d'analyses : les autres chiffres d'UBS
Deux autres données complètent le tableau.
Les outils d'IA destinés au développement logiciel couvrent 18 000 développeurs de la banque. Cela signifie que la génération de code assistée est devenue un outil standard, et non une expérimentation réservée à quelques équipes. C'est probablement le déploiement le plus mature de la liste, parce que le résultat se vérifie : le code compile ou il ne compile pas.
Le chiffre des 30 millions d'analyses produites par STAAT mérite aussi une lecture prudente. Il indique un usage massif, mais ne dit rien de la qualité. Une analyse générée et non lue compte dans le total.
PYMNTS note par ailleurs que 85 % des institutions financières interrogées prévoient d'augmenter leur budget IA dans les douze mois. La direction est donc la même partout, ce qui rend les comparaisons entre banques plus intéressantes que les chiffres absolus d'une seule.
Ce que les autres banques font, et ce que cela coûte
Deux exemples donnent la mesure des gains et des dépenses.
Customers Bank a testé l'IA sur son processus de prêt aux entreprises. Une partie des dossiers, qui demandait habituellement de 30 à 60 jours, a été traitée en 7 jours. Le gain vient de la collecte et de la vérification des pièces, deux étapes où un modèle lit plus vite qu'une équipe.
Regions Bank a donné l'autre face du calcul, lors de sa conférence téléphonique du 16 octobre. La banque a indiqué que les dépenses de cybersécurité, IA de pointe comprise, pourraient alourdir ses charges non liées aux intérêts de 1,5 % à 3,5 % en 2026.
Les deux chiffres se répondent. L'IA réduit le temps de traitement et augmente le budget informatique. Pour une banque, la question n'est pas de savoir si l'outil est utile, mais si le gain de productivité compense la hausse des coûts de sécurité, de conformité et de licences.
Chez UBS, la réponse tient dans un chiffre à surveiller au prochain trimestre : l'évolution de l'effectif, rapportée à celle des cas d'usage en production. Si les deux baissent ensemble, la banque pourra documenter un transfert. Pour l'instant, elle documente surtout une adoption.
