Deploying AI Inside a Bank Is Not an Engineering Problem — Paden Gayle, Applied AI Engineers

Pourquoi une démo d'IA convaincante ne suffit pas à passer en production dans une banque : Paden Gayle explique comment identifier dès la première semaine ceux qui détiennent les décisions d'approbation.

Dans cette conférence AI Engineer, Paden Gayle part d'un cas fictif : un assistant bancaire de traitement des exceptions documentaires qui fonctionne très bien en démonstration, mais que les équipes sécurité, les propriétaires des données et les responsables des risques ne peuvent pas valider. Son point : un modèle qui marche ne dit rien du chemin vers la production, qui dépend de décisions sur l'hébergement, l'autorisation des documents, la revue des erreurs et les contrôles existants.

Commencer petit, documenter tout

Il propose d'observer le travail réel, de rédiger un flux concret puis de le réduire avec les responsables des contrôles, et de n'accorder à l'IA que l'autorité minimale nécessaire : un assistant de rédaction peut accumuler des preuves sur ses erreurs et corrections avant d'obtenir davantage de droits. Il détaille aussi un dossier de preuves (usage prévu, lignage des données, modes de défaillance, résultats par segment, contrôles) et une liste de vérification pour la première semaine de déploiement.