Broadridge déploie une IA agentique auprès de plus de 40 clients de services financiers

Broadridge Financial Solutions a déployé des capacités d’intelligence artificielle agentique sur l’ensemble de ses activités de marchés de capitaux et de gestion de patrimoine, en introduisant des systèmes de flux de travail autonomes conçus pour analyser, prioriser et résoudre les exceptions opérationnelles avec une intervention humaine limitée. La technologie est en production auprès de plus de 40 clients de ses services gérés, traitant des millions de transactions opérationnelles mensuellement dans le post-trade, la gestion de comptes et les flux de service client. D’après Broadridge, de nouveaux clients qui adopteront le système pourraient réaliser des réductions de coûts opérationnels allant jusqu’à 30% immédiatement après la mise en œuvre.

Passage de l’IA assistants à des opérations autonomes

Une grande partie des premiers déploiements d’IA dans l’industrie financière s’est concentrée sur des gains de productivité, des copilotes, un support d’analytique ou des interfaces conversationnelles. Le déploiement de Broadridge met plutôt l’accent sur l’« agentic AI », un modèle dans lequel des systèmes logiciels exécutent de manière autonome des tâches opérationnelles, évaluent les exceptions, initient des actions et coordonnent des flux de travail sans exiger une instruction humaine constante.

Le déploiement actuel gère des fonctions opérationnelles incluant la gestion des échecs de négociation, la résolution des incidents, le traitement des exceptions d’évaluation, les workflows de maintenance de compte, l’automatisation des demandes client et la gestion des flux d’e-mails. Les systèmes fonctionnent au sein d’une architecture supervisée par des humains, selon ce que Broadridge a décrit, en maintenant l’auditabilité, la supervision et des contrôles réglementaires.

Tom Carey, Président de la division Global Technology and Operations de Broadridge, a déclaré : « Nous pensons que les entreprises qui mèneront l’ère suivante des services financiers seront celles qui intégreront l’IA directement dans la façon dont le travail est accompli. »

Infrastructure de données et fondation d’ontologie

Un des aspects les plus significatifs de l’annonce de Broadridge concerne l’accent mis sur la normalisation des données et l’infrastructure d’ontologie. L’entreprise a soutenu que des données opérationnelles fragmentées restent le principal obstacle empêchant le déploiement à grande échelle de l’IA dans les institutions financières.

La plupart des banques et gestionnaires d’actifs continuent de fonctionner avec des systèmes déconnectés, des bases de données en silos, des workflows hérités et des taxonomies opérationnelles incohérentes accumulées au fil de décennies. Broadridge affirme avoir relevé ce défi grâce à ce qu’elle décrit comme la première ontologie complète de services financiers de l’industrie, fonctionnant à l’échelle institutionnelle.

L’ontologie agit comme une couche de données normalisées, lisible par machine, intégrant des informations opérationnelles et transactionnelles sur plusieurs classes d’actifs, workflows et systèmes institutionnels. D’après Broadridge, l’infrastructure s’appuie sur plus de 60 ans de données opérationnelles et prend en charge une activité de négociation quotidienne dépassant 15 trillions de dollars, à la fois sur des titres tokenisés et sur des titres traditionnels.

Broadridge a positionné cette architecture de données normalisées comme le principal facteur de différenciation séparant les systèmes d’IA agentique prêts pour la production des expérimentations fragmentées. L’entreprise soutient que la qualité de l’IA dans les opérations financières dépend moins de la sophistication du modèle seule et davantage du contexte opérationnel structuré et des données institutionnelles standardisées.

Convergence des services gérés et de l’infrastructure d’IA

Broadridge a déclaré que ses capacités agentiques ont évolué grâce à des déploiements en production au sein de son activité de services gérés depuis 2024. L’entreprise propose désormais deux modèles de déploiement à ses clients. Dans le premier modèle, Broadridge gère entièrement les opérations de bout en bout via son infrastructure d’externalisation, tout en intégrant l’automatisation agentique au sein de ces workflows. Le second permet aux institutions d’intégrer directement la plateforme d’IA de Broadridge dans leur propre infrastructure via des API aux standards ouverts.

Les deux approches reposent sur la même ontologie et le même cadre opérationnel. Cette structure à double volet révèle comment l’IA modifie de plus en plus l’économie de l’externalisation financière. Les prestataires de services gérés ne se font plus concurrence uniquement sur l’échelle de main-d’œuvre ou l’expertise opérationnelle ; ils se disputent de plus en plus l’automatisation de flux de travail propriétaire, l’intelligence opérationnelle et l’infrastructure rendue possible par l’IA.

Enjeux concurrentiels et réglementaires

Si des systèmes agentiques automatisent avec succès des portions substantielles du post-trade, des opérations clients, de la réconciliation, du traitement des exceptions et de la coordination des workflows, la structure des équipes d’opérations financières pourrait évoluer de manière significative au fil du temps. Les institutions financières cherchent de plus en plus des moyens de réduire la charge de travail opérationnelle manuelle tout en maintenant la conformité et les contrôles réglementaires.

Dans le même temps, les régulateurs examineront probablement la manière dont les systèmes opérationnels autonomes prennent des décisions, font remonter les exceptions, gèrent les erreurs et maintiennent des pistes d’audit. Broadridge a souligné à plusieurs reprises la supervision humaine et la gouvernance tout au long de l’annonce, ce qui suggère que l’entreprise reconnaît ces préoccupations.

La société a également indiqué qu’elle explore un accès plus large de l’industrie à des parties de son infrastructure d’ontologie via des standards ouverts. Si cela est mis en œuvre, cela pourrait influencer la manière dont les institutions financières standardisent les données opérationnelles et déploient des systèmes d’IA interopérables dans l’ensemble du secteur.