UBA Magazine No13 2026 Revue

24 Etudes et paroles d’experts No.13 September 2026 la lutte contre le blanchiment de capitaux, avec une exhaustivité qu'un contrôle humain seul ne pourrait atteindre. De même, les modèles de notation du risque de crédit intègrent un ensemble plus large de variables comportementales que les approches traditionnelles, ce qui contribue, sous réserve d'une supervision rigoureuse des biais, à réduire les délais de traitement et à élargir l'accès au financement des particuliers et des PME. Enfin, les fonctions de back-office bénéficient de l'automatisation rendue possible par la reconnaissance documentaire et le traitement des données non structurées. Si Emirates NBD occupe une position particulièrement documentée, elle ne constitue pas un cas isolé: le classement 2026 de l'Evident AI Index recense également plusieurs banques saoudiennes et qatariennes, dont Al Rajhi Bank, Qatar National Bank, la Saudi National Bank et Saudi Awwal Bank, aux côtés d'établissements sud-africains comme Standard Bank Group et Nedbank (Evident Insights, 2026). Cette pluralité suggère une dynamique sectorielle plus large, alimentée par l'émulation entre grandes banques et la pression des nouveaux entrants technologiques. Elle invite néanmoins à la prudence quant à la généralisation de ces résultats à l'ensemble du secteur, notamment les banques de plus petite taille ou les établissements islamiques, dont les contraintes de conformité à la charia peuvent complexifier l'intégration de certains modèles algorithmiques. L'allocation du capital par les banques du Golfe vers ces usages contribue à la diffusion des technologies dans l'ensemble de l'économie, tandis que la richesse de leurs données transactionnelles constitue un cadre propice à l'entraînement continu des modèles d'IA. Sur le plan de la sécurité, les modèles de langage de nouvelle génération permettent une détection plus précoce des intrusions, tout en constituant une nouvelle surface de vulnérabilité, ces mêmes technologies pouvant être détournées à des fins malveillantes, une ambivalence qui renforce l'importance stratégique de l'IA pour le secteur bancaire, à la fois outil de défense et source de risque. Cette intégration croissante de l'IA dans les processus décisionnels des banques soulève des enjeux de gouvernance qui ne doivent pas être sous-estimés: l'automatisation de la notation de crédit ou de la détection des transactions suspectes déplace une partie de la responsabilité décisionnelle vers des systèmes dont l'interprétabilité demeure limitée. La littérature prudentielle recommande le maintien d'une supervision humaine sur les décisions à fort impact pour le client, ainsi qu'un contrôle des biais susceptibles d'affecter les populations les moins bancarisées, un enjeu d'autant plus sensible dans une région où la diversité des profils de clientèle, entre résidents nationaux et population expatriée majoritaire, complique l'homogénéité des données d'entraînement. Cette exigence rejoint les principes promus à l'échelle internationale (OECD.AI, s. d.: NIST, 2026), et trouve un prolongement réglementaire spécifique dans le cas émirati, examiné plus loin. Cette dynamique n'est pas nécessairement circonscrite aux frontières du CCG. Les investissements dans les infrastructures numériques et le développement de grands modèles de langage arabes confèrent aux établissements du Golfe un savoir-faire potentiellement transférable à d'autres banques de la région arabe, notamment en Égypte, en Jordanie, au Liban et en Tunisie. Une telle diffusion permettrait à des établissements ne disposant pas des capacités financières nécessaires au développement de plateformes propriétaires d'accéder à des solutions mutualisées, conformes aux exigences du Groupe d'action financière (GAFI), sans supporter l'intégralité des coûts de conception. Cette hypothèse reste toutefois largement prospective, dans l'attente de conditions de gouvernance des données et de confiance mutuelle entre juridictions qui ne sont pas encore réunies. 3. Gouvernance, compétitivité et perspectives de leadership régional Le déploiement de l'intelligence artificielle générative dans le secteur bancaire soulève des enjeux de confiance et de protection des données qui appellent un encadrement réglementaire spécifique: pour un nombre croissant d'établissements, le défi ne réside plus dans l'accès à la technologie, mais dans la capacité à la gouverner de manière responsable. L'un des facteurs