Les paiements instantanés laissent aux banques moins de temps pour détecter, enquêter et corriger les problèmes de paiement. Les clients corporatifs s’attendent à des réponses rapides concernant les paiements manquants, les retours et les rappels. Les clients de détail s’attendent au même service lorsqu’ils signalent une fraude, contestent une transaction par carte ou remettent en question un paiement de compte à compte. Les vérificateurs et les organismes de réglementation s’attendent à des preuves que chaque décision respecte la politique et que les actions à risque élevé font l’objet d’un contrôle approprié.

Pour les équipes de direction, la question centrale est passée de savoir s’il faut automatiser à comment augmenter l’autonomie sans introduire de nouveaux risques opérationnels, de conduite ou de conformité.

La recherche Future of Payments de HCLTech illustre cette tension. Bien que 99 % des organisations sondées utilisent l’AI dans les opérations de paiement, 91 % des dirigeants demeurent préoccupés par ses risques. Par ailleurs, 52 % des organisations s’attendent à devenir autonomes dans les 18 à 24 prochains mois, mais seulement 17 % fonctionnent déjà entièrement de cette façon.

La solution réside dans la confiance par la conception, qui exige des politiques claires, des droits de décision contrôlés, une revue humaine là où le jugement importe et un dossier détaillé montrant ce qui s’est passé, pourquoi et qui l’a approuvé.

Une vision des paiements, deux réalités opérationnelles

Les exceptions de paiements corporatifs et les litiges de détail s’inscrivent dans une même trame stratégique, mais leur parcours diffère.

Les équipes corporatives enquêtent sur les paiements manquants ou retardés, les informations de remise incomplètes, les demandes de statut, les modifications, les retours et les rappels. Leur travail couvre souvent les messages de paiement, les institutions correspondantes et les équipes de service à la clientèle. Les opérations de détail traitent les réclamations pour fraude et les litiges non liés à la fraude touchant les cartes, les virements de compte à compte, les paiements en temps réel et les canaux numériques, avec des règles de réseau et des obligations de protection des consommateurs encadrant le processus.

Pega répond à ces environnements par des capacités connexes. L’automatisation agentique intelligente Investigate soutient les enquêtes commerciales et transfrontalières, tandis que l’automatisation agentique intelligente Dispute soutient les litiges de consommation et les réclamations pour fraude. Les deux offrent des fonctionnalités de gestion de cas et de flux de travail permettant d’appliquer des règles, de la prise de décision, de l’AI et une revue humaine à chaque parcours.

Une meilleure automatisation commence par une meilleure prise en charge

Un dossier ne peut pas passer directement à travers le processus s’il commence par des renseignements incomplets ou ambigus. Une mauvaise prise en charge reporte le travail : rappels, recherches manuelles, mauvaise orientation, niveaux de service non atteints et preuves d’audit faibles.

Dans les litiges de détail, doter un formulaire statique d’une interface numérique ne règle pas le problème. La prise en charge devrait reconnaître le type de paiement et la raison du litige, récupérer les informations déjà détenues par la banque, poser les questions pertinentes et recueillir les preuves exigées par le flux de travail. L’analyse de la prise en charge des litiges par Pega le montre clairement : une prise en charge propre et adaptative est la base d’un traitement direct accru.

Considérez le cas d’un client de détail contestant une transaction par carte, car l’achat a été réglé autrement. Un parcours guidé peut identifier la transaction, recueillir les preuves à l’appui, vérifier les remboursements ou une activité en double et orienter la réclamation dans le bon flux de travail de réseau de cartes. La validation manuelle est réservée aux faits contradictoires, aux preuves manquantes ou aux dossiers dépassant un seuil de risque défini. Pega Smart Dispute prend en charge les règles des réseaux de paiement, les exigences réglementaires et la collecte guidée des informations essentielles dès le début d’une réclamation.

L’équivalent corporatif peut débuter lorsqu’un client signale un paiement transfrontalier manquant avec des détails partiels. La plateforme peut récupérer les données de transaction et de message, demander ce qui manque, appliquer les vérifications de politiques nécessaires et déterminer s’il faut lancer une demande de statut, une modification, une annulation ou un rappel. Elle peut ensuite coordonner la prochaine étape avec une institution correspondante ou une contrepartie.

Les parcours corporatifs impliquent les clients, les messages de paiement et les contreparties. Les parcours de détail impliquent les clients, les réclamations, les commerçants et les réseaux de paiement. Le modèle d’orchestration peut être partagé, mais le langage, les contrôles et les interactions externes doivent convenir au parcours.

Le traitement direct avant l’AI générative

Le premier objectif opérationnel devrait être un niveau plus élevé de traitement direct (STP). Les cas de routine devraient avancer grâce à des règles déterministes, une logique de politique et un flux de travail prescrit, là où l’action requise est claire.

L’AI générative ne doit pas être le point de départ. Intégrer un modèle linguistique de grande taille dans un processus fragmenté peut rendre le résultat plus imprévisible et difficile à expliquer. Corrigez d’abord la prise en charge et l’orchestration, puis ajoutez de l’intelligence là où cela réduit un effort mesurable ou améliore une décision encadrée.

Les règles et le flux de travail gèrent l’admissibilité, les échéances, les approbations, les actions comptables et les exigences propres aux réseaux de paiement. L’AI prédictive peut prioriser les dossiers et estimer les résultats probables. L’AI générative peut interpréter la correspondance, résumer les historiques de cas, extraire des directives et rédiger des communications. Les agents peuvent exécuter des scénarios approuvés comme la demande d’information, la mise à jour des systèmes ou la préparation d’une soumission au réseau.

Dans chaque cas, le flux de travail doit définir ce que l’automatisation peut faire, quelles preuves elle doit conserver et quand une intervention humaine est requise.

La confiance par la conception est une discipline opérationnelle

Le test le plus difficile de l’autonomie survient après la décision. La banque peut-elle l’expliquer à un client, un auditeur ou un régulateur sans devoir reconstituer le dossier à partir de courriels et de journaux système?

Ce défi déborde le cadre des paiements. La récente étude Blueprint for AI Leadership de HCLTech a trouvé que seulement 17 % des organisations affirment une grande confiance envers les actions initiées par des agents. Dans le contexte des paiements, où une action autonome peut affecter les fonds, les résultats clients ou les obligations réglementaires, cette confiance dépend de la compréhension de ce qu’un agent peut faire, dans quelles conditions et avec quel niveau de supervision.

Un modèle encadré devrait rendre le parcours visible : les données accessibles, la règle ou le modèle appliqué, l’action entreprise, le seuil ayant déclenché la revue et toute approbation ou dérogation humaine. Un seul dossier donne aux équipes d’opérations, de gestion des risques, de conformité et d’audit une source commune de preuves.

C’est là que les responsabilités des dirigeants et des praticiens se rejoignent. Les dirigeants déterminent l’appétit pour le risque, les droits de décision, les attentes en matière de service et les seuils d’escalade. Les praticiens vérifient si ces contrôles fonctionnent réellement. Leur rétroaction met en lumière les données manquantes, les étapes inutiles et les seuils qui entraînent un travail manuel excessif.

Comme le dit Steve Morgan, Chef mondial du secteur bancaire chez Pegasystems : « La clé est de concilier cette autonomie avec la transparence et le contrôle qui bâtissent une confiance durable des clients. »

La confiance n’est pas une couche de communication ajoutée après le déploiement. Elle est intégrée à la prise en charge, au design du flux de travail, aux contrôles d’accès, à la logique décisionnelle, aux étapes de revue humaine et à la possibilité d’audit.

Passer en production par étapes limitées

Les banques devraient commencer par un parcours à fort volume, un réseau de paiement et un canal. Un point de départ corporatif pourrait être une enquête sur une remise manquante ou un rappel, tandis qu’un point de départ de détail pourrait être un litige non frauduleux précis ou une réclamation pour fraude de faible valeur.

La première phase devrait être un déploiement en production limité, et non un projet pilote jetable. La portée doit être assez restreinte pour passer rapidement en production, tout en laissant assez de temps pour valider les données, les intégrations, les contrôles de politique et les étapes d’examen humain.

Avant le lancement, l’équipe devrait s’entendre sur les données requises, l’admissibilité STP, les seuils de politique, les points de revue humaine, les preuves d’audit et l’imputabilité du résultat. La performance devrait être mesurée selon la complétude de la prise en charge, le délai de traitement, le STP, la reprise, les transferts, la qualité des communications, le respect des échéanciers et l’exhaustivité de la piste d’audit.

L’expansion pourra ensuite s’effectuer à d’autres canaux, réseaux de paiement, types de litiges ou d’exceptions, niveaux de risque et zones géographiques. La portée ne devrait s’accroître que si les résultats opérationnels et la performance des contrôles demeurent solides.

Changement de modèle opérationnel

Les paiements autonomes ne sont pas qu’une simple mise à niveau technologique. Ils modifient la répartition des responsabilités entre personnes, politiques, systèmes et AI.

À mesure que l’autonomie augmente, les équipes des opérations de paiement peuvent passer moins de temps sur les dossiers routiniers et davantage à gérer les exceptions, à examiner les décisions à risque élevé et à améliorer les règles encadrant le travail automatisé. Les praticiens deviennent de plus en plus des superviseurs et des concepteurs des modes de travail, tout en gardant la responsabilité là où le jugement et le risque important exigent une intervention humaine.

Pour HCLTech et Pega, l’enjeu est de relier la capacité de la plateforme à ce modèle opérationnel : prise en charge complète, STP accru, AI sélective, exécution encadrée et preuves qui résistent à l’examen.

La rapidité est désormais attendue. La confiance détermine si cette rapidité peut être multipliée. Dans le secteur des paiements, agir plus vite ne crée de valeur que lorsque l’institution peut prouver pourquoi elle a agi.