BNP Paribas ne se fait pas de religion sur l’IA et le cloud. La banque se veut résolument multi-fournisseurs. Ses contrats officialisés ou renouvelés ces dernières années avec IBM, Mistral AI ou Oracle le suggèrent.
A l’image d’autres grandes entreprises, le groupe entend s’assurer de mettre les bonnes technologies face aux bons cas d’usage.
Et cela signifie donc d’accéder aux solutions de différents acteurs, dont Google Cloud, avec qui BNP Paribas s’engage sur 5 ans.
De la gestion des API à l'agentic AI
Marc Camus, DSI groupe de la banque, précise d’ailleurs que les relations avec l’hyperscaler ne sont pas nouvelles. L'alliance officialisée aujourd’hui représenterait l'accélération d'une trajectoire technique amorcée par l'utilisation intensive de la plateforme de gestion d'API Apigee.
L'accord avec le géant californien s'insère en outre dans une stratégie multi-cloud et multi-modèle déjà mature, déclare le patron des SI. Cette politique accompagne un objectif de création de valeur de 750 millions d’euros.
Ce montant, rappelé à de multiples reprises lors d’interventions de cadre de BNP Paribas, devrait être légèrement dépassé dès la fin de l’exercice en cours, indique d’ailleurs Marc Camus.
« Nous ne sommes pas mono-modèle »
Avec les technologies Google sur le cloud public et l’IA (Gemini et Gemini Entreprise), le groupe complète sa boîte à outils en intégrant une « palette de solutions » diversifiée pour traiter les besoins de ses métiers.
Le cadre contractuel de cinq ans sanctuarise une approche hybride où Google Cloud devient un pilier de la stack technologique de la banque, mais sans pour autant imposer une dépendance exclusive. Un leitmotiv pour nombre de grands groupes dès qu'il est question d'IA.
« Nous ne sommes pas mono-modèle », précise Marc Camus, soulignant que la flexibilité architecturale permet de basculer entre solutions on-premise, cloud public et modèles tiers selon les exigences de performance et de latence.
LLM@CIB intègre les modèles Gemini
Sur l’IA, BNP Paribas s’intéresse plus particulièrement aux modèles Gemini et à Gemini Enterprise afin de déployer des capacités d'IA agentique au cœur de ses processus. Les premiers cas d’usage basés sur les produits Google concernent la branche Corporate and Institutional Banking (CIB).
Ils doivent faciliter le déploiement prévu d’agents d’IA pour des worflows ciblés, notamment la préparation de notes de crédit d’entreprise. D’autres applications sont programmées dans les domaines de la vente, du trading, de la recherche et de la structuration.
Fin 2025, BNP Paribas CIB présentait sa stratégie « 1+5 » comprenant LLM@CIB, un GPT sécurisé accessible à l’ensemble des 65.000 collaborateurs. Basé sur des modèles Mistral ou open source, LLM@CIB intégrera à l’avenir les modèles Gemini.
Des cas d'usage avec Google sur plusieurs processus
Selon Charles Holive, Chief AI Officer de CIB, l’ambition en matière d’IA agentique est de traiter des cas d’usage à haute criticité, comme les mémos de crédit. Ici, des agents spécialisés orchestrent l’agrégation de données disparates pour accélérer la rédaction de synthèses décisionnelles.
Sur Global Markets, CIB vise l’intégration d'agents pour le trading, la structuration, la recherche et les fonctions de vente (sales). L’expert IA précise que l’automatisation restera strictement encadrée par le principe du « human-in-the-loop ».
L'architecture agentique doit permettre de moduler le niveau d'intelligence et d'autonomie de chaque agent, garantissant une observabilité totale des processus. Un tel développement de l’agentique est cependant indissociable d'une gouvernance rigoureuse de la donnée.
Des modèles, un studio agentique et de l'open source
BNP Paribas assure maintenir une segmentation stricte. La classification des données opérée par Marc Camus interdit le recours au cloud public total pour les segments les plus sensibles. Les activités et données les plus critiques resteront sur ses infrastructures.
Georgina Bulkeley de Google Cloud rappelle que les données de BNP Paribas ne sont jamais utilisées pour l'entraînement de ses modèles. La banque, revendiquée comme son plus grand contrat en France, conserve par ailleurs la maîtrise de son autonomie technologique.
Elle dispose notamment d’un accès à plus de 200 modèles open-source via la plateforme Vertex AI. Le partenariat avec Google comprend enfin un volet expertise. La banque accède à des ingénieurs Google en mode « forward deployed ».
Cette intégration physique au sein des équipes BNP Paribas vise un transfert de compétences, notamment pour le co-développement d'agents spécialisés. La banque disposera également d’un accompagnement de Google sur la diffusion de la culture IA.
L'IA influe déjà sur le travail et les emplois
En ce qui concerne les impacts sur l’emploi, BNP Paribas déclare qu’aucune réduction massive d'effectifs n'est planifiée à court terme. L’enjeu est avant tout celui de la conduite du changement et de l’évolution des modes de travail.
Marc Camus signale que les effets de l’IA transforment déjà des métiers, comme celui du développement informatique, où les assistants de codage ont accéléré significativement les cycles de livraison logicielle. Back et middle office connaîtront aussi des transformations.
Sur le point de l'articulation entre les différents partenariats du groupe, dont celui avec Mistral, les cadres IT de la banque font savoir qu’elle priorise les modèles en fonction des cas d'usage pour éviter la compétition interne.
Pas de rivalité frontale entre Mistral et Google
Mistral et Gemini coexistent dans un portefeuille où chaque modèle est affecté à une tâche spécifique selon son efficience et son coût d'inférence. Sur le pilotage financier, BNP Paribas dispose d’une supervision en temps réel des coûts d'inférence.
Le groupe cherche ainsi à garantir que l'accélération technologique reste alignée avec ses objectifs de rentabilité. La métrique centrale de ce pilotage est le « value per token », mentionne Charles Holive.
En clair, chaque unité de consommation d'IA doit être corrélée à une valeur métier mesurable : l'optimisation du pricing (revenus), l'automatisation des tâches chronophages (coûts) et l'amélioration de la détection de fraude (évitement de risques).