Contexte et enjeux

Le rapport Smarsh 2026 Enterprise AI Trends Study indique que 55 % des entreprises déploient déjà l’intelligence artificielle, alors que seulement 26 % estiment que leurs cadres de gouvernance suivent le rythme. Dans le secteur bancaire, où les communications circulent sur messageries, outils collaboratifs et applications IA, cette désynchronisation crée un risque de non‑conformité. 30 % des organisations disposent de capacités complètes pour détecter et gérer l’usage non autorisé de l’IA, laissant une majorité exposée à des alertes excessives ou à des lacunes de traçabilité.

Fonctionnement des solutions Smarsh

Selon la directrice générale Kim Crawford Goodman, Smarsh capture les échanges « en format riche » afin que ses algorithmes puissent les analyser. L’entreprise a lancé, en septembre, un Model Context Protocol server couplé à AskSmarsh AI, deux composants qui permettent d’interroger les archives via des agents spécialisés. Ces agents, intégrés aux workflows d’entreprise, conservent les contrôles d’accès et assurent la traçabilité des décisions automatisées, répondant ainsi aux exigences de transparence réglementaire.

Analyse des performances et limites

Goodman affirme que l’IA de Smarsh réduit les faux positifs de 70 % à 80 %, ce qui libère les enquêteurs pour les cas réellement critiques. Cette amélioration repose sur la capacité du modèle à contextualiser les conversations, à identifier les relations entre interlocuteurs et à filtrer les signaux de risque. Toutefois, la dépendance à des agents externes soulève des questions de gouvernance : chaque agent doit être auditable, les modèles doivent être versionnés et les logs doivent rester immuables pour éviter toute remise en cause juridique.

Perspectives pour les institutions financières

L’événement Smarsh EDGE 2026, tenu au Rainbow Room de New York, sera suivi d’une diffusion le 15 octobre via theCUBE. Les discussions porteront sur la façon dont les banques peuvent étendre l’analyse IA au-delà de la simple conformité, en l’utilisant pour la prise de décision opérationnelle tout en préservant l’intégrité des données. Le principal défi restera de concilier automatisation et responsabilité, notamment en garantissant que chaque action d’agent soit documentée et réversible selon les exigences des régulateurs.