À Paris, BNP Paribas Asset Management passe d’une logique d’expérimentation à une logique d’industrialisation de l’IA. Le sujet n’est plus de tester quelques outils dispersés, mais de transformer des usages déjà installés en standards de travail partagés. Le calendrier est explicite : les prochains mois et l’année 2027 doivent permettre d’étendre ces pratiques à la gestion, aux opérations et aux fonctions commerciales.

Le vrai chantier : faire passer l’IA du pilote métier au standard opérationnel

Lors de l’AM Tech Day organisé par L’Agefi le 3 novembre 2026 au Palais Brongniart à Paris, Patrick Simion, responsable de la transformation chez BNP Paribas Asset Management, a précisé la feuille de route. Le constat est assez classique dans les grandes organisations, mais il prend ici une dimension très concrète : plusieurs équipes ont déjà développé leurs propres usages, et l’enjeu consiste désormais à les généraliser sans perdre en pertinence métier.

Cette phase de passage à l’échelle ne se limite pas à un déploiement logiciel. Elle suppose de diffuser des outils communs, de définir des standards d’usage et d’adapter les agents aux besoins de fonctions très différentes. L’objectif affiché n’est donc pas seulement technologique. Il est aussi organisationnel.

Des copilotes IA sont déjà utilisés à grande échelle pour des tâches transversales, notamment le traitement des courriels et l’appui aux réunions. Ce premier niveau d’adoption a une vertu importante : il crée une base commune avant le déploiement d’outils plus spécialisés. En pratique, BNP Paribas Asset Management cherche à éviter un empilement d’initiatives isolées, souvent efficace localement mais difficile à gouverner à l’échelle mondiale.

Ce que BNP Paribas Asset Management veut standardiser

Le programme présenté couvre trois ensembles distincts :

  • La gestion, avec des outils d’analyse et de préparation des décisions.
  • Les opérations, où la standardisation documentaire et la productivité sont recherchées.
  • Les équipes commerciales, avec des agents capables de préparer les rendez-vous et d’aider aux réponses aux appels d’offres.

Gestion alternative : 80 agents IA déjà mobilisés pour les comités d’investissement

La brique la plus avancée concerne la gestion alternative. Patrick Simion a indiqué que 80 agents IA ont été développés pour cette activité afin de préparer les comités d’investissement. Le choix n’a rien d’anodin. Dans cet univers, les équipes manipulent une masse importante de données non structurées, terrain sur lequel les agents d’IA trouvent une utilité immédiate.

Le fonctionnement décrit repose sur une spécialisation des tâches. Plusieurs agents analysent des catégories distinctes d’informations. Un agent orchestrateur agrège ensuite leurs résultats dans une note standardisée destinée au comité. L’intérêt est double : accélérer le travail préparatoire et homogénéiser la restitution des analyses.

Autre usage cité, l’IA contribue à la préparation et à la standardisation des travaux de due diligence avant investissement. Sur ce point, la nuance apportée par Patrick Simion est importante pour un secteur hautement régulé : l’outil assiste la préparation du dossier, mais la décision de gestion demeure humaine. Cette frontière est un marqueur essentiel pour les sociétés de gestion, à la fois au plan de la gouvernance et au plan de la responsabilité.

Pourquoi la gestion alternative est un terrain favorable

Les stratégies alternatives reposent souvent sur des documents variés, des analyses qualitatives, des pièces hétérogènes et des historiques difficiles à comparer manuellement. Dans ce contexte, la valeur de l’IA n’est pas de remplacer l’analyste, mais d’absorber une part de la charge documentaire. C’est là que se joue le rendement économique du projet : moins de temps passé à rassembler l’information, davantage de temps consacré à son interprétation.

Dans le cadre présenté par BNP Paribas Asset Management, l’IA sert à préparer, comparer, résumer et standardiser des informations préalables à un investissement. En revanche, Patrick Simion a précisé que la gestion n’est pas déléguée à la machine. Cette distinction est déterminante dans un métier où la traçabilité de l’analyse, le contrôle interne et la responsabilité des décisions restent centraux.

Actifs liquides : l’IA exploitée pour faire remonter des signaux faibles

Sur les actifs liquides, l’approche diffère. Ici, BNP Paribas Asset Management ne met pas en avant un automatisme de décision, mais une capacité à traiter de très grands volumes d’informations. Là encore, Patrick Simion a insisté sur un point de doctrine : l’IA ne prend aucune décision de gestion.

Sa fonction consiste à collecter et analyser des masses de données afin d’en extraire des signaux utiles pour les gérants. Cette logique correspond à une évolution nette du métier. Dans la gestion d’actifs, l’avantage compétitif ne repose plus seulement sur l’accès à l’information, mais sur la vitesse et la finesse avec lesquelles elle peut être triée, hiérarchisée et reformulée.

Brevets d’entreprise : un flux massif de données à interpréter

Premier cas d’usage concret : l’analyse des brevets publiés par les entreprises pour anticiper leurs orientations stratégiques et leurs développements. Plus de 1,3 million de brevets ont été publiés dans le monde au cours des trois dernières années, selon les éléments présentés lors de l’événement. Pour un gérant, ce type de corpus est trop vaste pour être exploité de manière artisanale.

L’intérêt financier est clair. Les brevets peuvent éclairer la trajectoire technologique d’une entreprise avant que ses arbitrages n’apparaissent pleinement dans les chiffres ou dans la communication financière. Encore faut-il être capable d’identifier les éléments pertinents parmi une masse documentaire mondiale.

Présentations de résultats : capter l’inflexion avant qu’elle ne devienne visible

Deuxième exemple : l’analyse systématique des présentations de résultats des entreprises. L’objectif est de détecter des signaux faibles venant compléter l’analyse financière classique. Il ne s’agit pas de substituer un commentaire automatique à l’étude des comptes ou des perspectives annoncées, mais d’ajouter une couche de lecture sur le langage employé, les thèmes récurrents ou les changements d’accent d’une publication à l’autre.

Pour les équipes de gestion, cette méthode peut servir de système d’alerte avancé. Sur des marchés où la réactivité compte, repérer plus tôt une inflexion stratégique, un glissement sectoriel ou une nouvelle priorité d’investissement peut enrichir le débat d’investissement. Là encore, le point saillant tient moins à l’automatisation qu’à la capacité de filtrage et de synthèse.

Métriques Valeur Évolution
Agents IA dédiés à la gestion alternative 80 Déploiement déjà réalisé
Commerciaux concernés par l’homogénéisation des usages 500 Cible mondiale
Brevets publiés dans le monde sur trois ans Plus de 1,3 million Flux analysable par l’IA
Cas d’usage IA mis en production dans le groupe BNP Paribas Plus de 800 Objectif de 750 M€ d’ici fin 2026

500 commerciaux et dix ans d’historique : l’IA se diffuse aussi dans la distribution

L’usage de l’IA ne se limite pas aux métiers d’investissement. Certaines équipes commerciales de BNP Paribas Asset Management s’en servent déjà pour produire des comptes rendus et préparer leurs rendez-vous. La prochaine étape consiste à homogénéiser ces pratiques à l’échelle des 500 commerciaux du monde entier.

L’idée est d’entraîner des agents capables de préparer chaque rencontre client. Pour une société de gestion, ce point est loin d’être accessoire.

La qualité d’un rendez-vous dépend souvent de la bonne compréhension préalable du profil du client, de ses enjeux d’allocation, de son historique de relation et de ses contraintes institutionnelles. Un agent bien calibré peut donc améliorer la préparation, sans transformer la relation commerciale en réponse standardisée.

Appels d’offres institutionnels : un gisement de productivité documenté

Patrick Simion a aussi évoqué un chantier très concret : la préparation des réponses aux appels d’offres institutionnels. La société dispose d’une base de données regroupant toutes ses réponses aux appels d’offres depuis dix ans. Connecter une IA à cet historique permet de produire une première version de réponse et de faire gagner un temps significatif aux équipes.

Pour les directions commerciales et les équipes de support, le potentiel est évident. Les appels d’offres mobilisent des contenus répétitifs, techniques et souvent dispersés entre plusieurs référentiels. Réutiliser intelligemment un patrimoine documentaire sur dix ans permet d’accélérer la rédaction initiale, tout en laissant aux équipes le soin de valider, d’actualiser et d’ajuster les éléments sensibles.

Ce que change l’IA dans un appel d’offres institutionnel

  1. Elle peut retrouver plus vite des réponses déjà produites sur des sujets proches.
  2. Elle peut générer une première trame cohérente à partir d’un historique documentaire long.
  3. Elle réduit le temps passé à chercher l’information, mais ne dispense pas de la validation humaine finale.

Google Cloud, Gemini et LLM@CIB : le cadre groupe se précise

Les initiatives de BNP Paribas Asset Management s’inscrivent dans un mouvement plus large à l’échelle du groupe BNP Paribas. Celui-ci a mis en production plus de 800 cas d’usage d’IA et vise 750 millions d’euros de création de valeur d’ici fin 2026 (source groupe BNP Paribas).

Un jalon structurant a été annoncé le 24 septembre 2026 : BNP Paribas a noué un partenariat de cinq ans avec Google Cloud autour de l’infrastructure cloud et des technologies d’IA agentique, notamment les modèles Gemini et la plateforme Gemini Enterprise. Les premiers cas d’usage concernent principalement Corporate & Institutional Banking.

Dans ce périmètre, les modèles Gemini sont intégrés dans l’assistant interne LLM@CIB, accessible à plus de 65 000 collaborateurs. Ce chiffre donne une idée de l’échelle à laquelle le groupe entend désormais déployer ses briques d’IA générative. Pour la gestion d’actifs, cette infrastructure et ces choix technologiques créent un environnement favorable à la mutualisation des outils, même si les cas d’usage restent adaptés aux métiers.

Le point notable, pour les entreprises françaises du secteur financier, est la translation progressive d’une promesse technologique vers une logique de production. Le marché ne juge plus seulement la qualité d’un prototype. Il observe désormais la capacité à faire fonctionner l’outil dans la durée, sous contraintes réglementaires, documentaires et opérationnelles.

Le partenariat annoncé par BNP Paribas avec Google Cloud porte à la fois sur le cloud et sur l’IA agentique. Pour une activité comme l’asset management, cela ne signifie pas qu’un même usage sera dupliqué partout, mais qu’un socle technologique commun peut accélérer le passage à l’échelle, réduire la fragmentation des outils et faciliter l’industrialisation des agents métiers.

Patrick Simion et l’AM Tech Day 2026 : une séquence de transformation sous surveillance opérationnelle

La prise de parole du 3 novembre 2026 intervient dans une période de recomposition interne des responsabilités. Selon un profil publié par L’Agefi le 22 octobre 2026, Patrick Simion a rejoint récemment de nouvelles fonctions au sein de BNP Paribas Asset Management après avoir piloté l’intégration d’Axa IM. Cet élément éclaire le discours tenu lors de l’AM Tech Day : la question n’est pas simplement d’ajouter de nouveaux outils, mais d’orchestrer une transformation à l’échelle d’une organisation complexe.

L’AM Tech Day 2026, présenté comme un événement européen de place consacré aux effets des innovations technologiques sur la gestion d’actifs, offrait un cadre cohérent pour cette mise au point. Le vocabulaire utilisé par Patrick Simion signale une ligne de conduite prudente : assistance à la décision, standardisation des préparations, exploitation des données non structurées, mais pas de délégation des arbitrages de gestion.

Cette précision est décisive dans l’environnement français et européen. Pour les acteurs de la gestion, l’acceptabilité de l’IA repose autant sur la performance opérationnelle que sur la lisibilité des responsabilités. La création de valeur promise par ces outils dépendra donc de leur adoption réelle par les équipes, mais aussi de la clarté du cadre de contrôle qui les entoure.

Le point de vigilance pour 2027

Le défi identifié par BNP Paribas Asset Management n’est pas la rareté des cas d’usage, mais leur mise à l’échelle. Autrement dit, la performance de quelques équipes pionnières devra devenir un standard reproductible, gouvernable et accepté par les métiers. C’est souvent à ce stade que se joue la réussite économique réelle d’un programme IA.

Ce que l’industrialisation de l’IA dit du métier de gérant

La séquence ouverte chez BNP Paribas Asset Management montre un déplacement net de la chaîne de valeur. L’IA n’est pas présentée comme un substitut au gérant, mais comme un outil de préparation, de tri, de synthèse et de standardisation. Ce positionnement est cohérent avec les usages décrits le 3 novembre 2026, qu’il s’agisse des 80 agents en gestion alternative, de l’analyse des brevets, des présentations de résultats ou de l’appui aux équipes commerciales.

Reste un test grandeur nature : transformer des gains ponctuels en pratiques robustes sur la durée. Dans la gestion d’actifs, la vraie rupture ne viendra peut-être pas de l’algorithme le plus spectaculaire, mais de l’outil qui s’intègre sans friction dans les processus quotidiens.