Blog
•
15 min de lecture
SR 26-2, les lignes directrices interagences révisées sur la gestion du risque de modèle publiées le 17 avril 2026, précise que les modèles d’IA générative et d’IA agentique « ne relèvent pas du champ d’application des présentes lignes directrices ». Les banques déploient désormais leurs systèmes d’IA en plus forte croissance hors du cadre qui régissait les modèles depuis quinze ans, et la demande d’informations (request for information, RFI) annoncée n’a toujours pas été publiée.
Qu’est-ce que SR 26-2 a changé le 17 avril 2026 ?
La Réserve fédérale, l’OCC et la FDIC ont publié conjointement SR 26-2, « Revised Guidance on Model Risk Management » le 17 avril 2026. Ce texte remplace SR 11-7 (4 avril 2011) et SR 21-8. L’OCC a publié le même texte sous la référence Bulletin 2026-13, abrogeant les Bulletins 2011-12, 1997-24 et 2021-19 ainsi que le fascicule du Comptroller's Handbook consacré au risque de modèle. La FDIC l’a publié sous la référence FIL-15-2026.
Trois changements comptent pour les équipes de gouvernance de l’IA. La définition d’un modèle a été restreinte à « une méthode, un système ou une approche quantitative complexe qui applique des théories statistiques, économiques ou financières pour transformer des données d’entrée en estimations quantitatives », ce qui exclut l’arithmétique simple et les règles déterministes. La surveillance des modèles est désormais proportionnée à leur matérialité. Enfin, l’IA générative et l’IA agentique ont été entièrement retirées du champ d’application.
Ces lignes directrices sont « censées concerner surtout les organisations bancaires dont le total des actifs dépasse 30 milliards de dollars », et elles ne constituent pas une règle contraignante. La lettre d’accompagnement de la FDIC indique que « le seul non-respect de ces lignes directrices n’entraînera pas de critique prudentielle ». Des mesures prudentielles restent possibles en cas de violation de la loi ou de pratiques dangereuses et imprudentes.
Que dit réellement l’exclusion de l’IA générative et agentique ?
Le passage clé tient en deux phrases : « Les modèles d’IA générative et d’IA agentique sont nouveaux et évoluent rapidement. À ce titre, ils ne relèvent pas du champ d’application des présentes lignes directrices. »
Les lignes directrices tracent ensuite la limite de l’autre côté. Leurs principes « s’appliquent aux modèles statistiques et quantitatifs traditionnels ainsi qu’aux modèles d’IA non génératifs et non agentiques ». Un modèle de décision de crédit fondé sur le gradient boosting ou un modèle de détection de la fraude par apprentissage automatique reste un modèle au sens de SR 26-2 et fait l’objet, comme d’habitude, d’une identification, d’une validation et d’une surveillance continue.
Les lignes directrices ne définissent aucun des deux termes. Elles ne disent pas que les systèmes génératifs ne sont pas des modèles, ni qu’ils devraient être moins encadrés. Elles disent seulement que ce document ne les couvre pas et que les banques doivent appliquer leurs pratiques plus générales de gestion des risques et de gouvernance aux outils qu’il ne traite pas.
Selon le communiqué de l’OCC, les autorités « prévoient de publier prochainement une demande d’informations portant sur la gestion du risque de modèle en général et examinant en particulier l’utilisation de l’IA par les banques, y compris l’IA générative, l’IA agentique et les modèles fondés sur l’IA ». Au 14 septembre 2026, aucune RFI n’a été publiée.
« Hors champ » signifie-t-il que l’IA générative n’est pas réglementée dans une banque ?
Non. Être hors du champ d’un texte de supervision n’équivaut pas à échapper à la supervision. Toute loi applicable à une décision, à une communication ou à une interaction avec un client s’applique, quelle que soit la technologie qui l’a produite.
Un système génératif qui rédige les motifs d’un refus de crédit relève de l’Equal Credit Opportunity Act et de la Regulation B. Un agent en contact avec la clientèle qui décrit des produits est soumis aux interdictions UDAAP des sections 1031 et 1036 du Dodd-Frank Act. Un modèle de langage de grande taille hébergé par un prestataire constitue une relation avec un tiers au sens de l’Interagency Guidance on Third-Party Relationships: Risk Management de 2023 (SR 23-4). Les obligations en matière de résilience opérationnelle, de lutte contre le blanchiment (BSA/AML), de protection des données et de conservation des documents s’appliquent comme toujours.
Michelle Bowman, vice-présidente chargée de la supervision, a abordé ce point dans un discours du 1er mai 2026 : « Aujourd’hui, les banques s’appuient sur les cadres de gestion des risques existants pour encadrer leur utilisation de l’IA. » Elle a aussi donné une partie des raisons de l’exclusion : « au fil du temps, les superviseurs ont étendu le champ des lignes directrices précédentes au-delà de leur objet initial, jusqu’à les appliquer de manière non prévue. »
Le vide est précis : les obligations juridiques existent et les questions des inspecteurs viendront, mais le seul document qui indiquait à une fonction de risque de modèle comment démontrer qu’elle exerce un contrôle ne s’applique pas aux systèmes qui soulèvent les questions les plus délicates.
Quels systèmes d’IA relèvent encore de SR 26-2 ?
Type de système | Exemple | Statut au regard de SR 26-2 |
|---|---|---|
Modèle quantitatif traditionnel | Probabilité de défaut, tests de résistance, tarification | Dans le champ |
Modèle d’IA non génératif et non agentique | Score de fraude par gradient boosting, surveillance des transactions par ML | Dans le champ |
IA générative | LLM qui résume des transcriptions d’appels, rédige des notes de crédit ou répond aux demandes des clients | Hors champ, RFI en attente |
IA agentique | Agent multi-étapes qui interroge des systèmes et exécute des actions grâce à un accès aux outils | Hors champ, RFI en attente |
Règles déterministes ou arithmétique | Calcul de frais, moteur de règles sans fondement statistique | Pas un modèle selon la définition de 2026 |
Deux cas limites exigent une position documentée. Un système qui associe un classificateur traditionnel à un module de synthèse génératif contient un modèle dans le champ qui alimente un modèle hors champ. Un agent qui appelle comme outil un modèle de crédit dans le champ ne retire pas ce modèle du périmètre de SR 26-2 ; il ajoute par-dessus une couche sans gouvernance. Consignez dans l’inventaire IA la catégorie de chaque système et sa justification, car la réponse détermine le jeu de contrôles applicable.
Que doit faire une banque de l’IA générative et agentique dans l’intervalle ?
Une banque dispose de trois grandes options pour traiter l’IA générative et agentique en attendant.
La première consiste à faire entrer de force les systèmes génératifs et agentiques dans le programme existant de gestion du risque de modèle. Les techniques de validation conçues pour un modèle de probabilité de défaut ne se transposent pas à un système dont les sorties ne sont pas déterministes, dont le comportement change lorsque le fournisseur met à jour le modèle de base, et dont le risque réside dans les actions menées à travers différents outils. La remarque de Bowman sur des lignes directrices appliquées « de manière non prévue » se lit précisément comme une mise en garde contre cette approche.
La deuxième consiste à les laisser sans gouvernance jusqu’à ce que la RFI débouche sur des lignes directrices. La banque reste alors exposée au titre de chacune des obligations juridiques ci-dessus, sans aucune preuve à présenter lorsqu’un inspecteur demande comment un agent en contact avec la clientèle a été approuvé.
La troisième voie, celle que suivent aujourd’hui la plupart des banques, est un cadre parallèle pour les systèmes génératifs et agentiques. Il reprend du dispositif MRM ce qui reste applicable, ajoute les contrôles dont ces systèmes ont besoin et est conçu pour pouvoir être rapproché de ce que les autorités publieront à terme. Il lui faut au minimum :
Une définition de l’IA générative et agentique enregistrée comme attribut de l’inventaire, afin que chaque système soit classé par rapport à la limite fixée par SR 26-2.
Une segmentation des risques selon l’autonomie et les conséquences : ce que le système peut faire sans intervention humaine, et ce qui se passe lorsqu’il se trompe.
Une approbation du cas d’usage avant le déploiement, l’approbateur étant distinct du concepteur.
Des preuves d’évaluation conservées avec la version du modèle de base et la configuration de prompt sur lesquelles elles ont été obtenues.
Une évaluation des fournisseurs couvrant la notification des changements, le traitement des données et les sous-traitants.
Une supervision humaine et un mécanisme d’arrêt défini pour tout agent disposant d’un accès en écriture à un système d’enregistrement.
Une surveillance des sorties et des actions, avec remontée d’informations au comité des risques existant.
Les référentiels de contrôles existent déjà. Le NIST Generative AI Profile (NIST AI 600-1, juillet 2024) associe douze catégories de risques liés à l’IA générative aux fonctions GOVERN, MAP, MEASURE et MANAGE. Le Financial Services AI Risk Management Framework (FS AI RMF), publié par le Cyber Risk Institute en février 2026, comprend 230 objectifs de contrôle alignés sur le NIST AI RMF. Tous deux sont facultatifs, et tous deux offrent à une banque une base citable pour ses contrôles transitoires. Le guide d’Enzai sur la gouvernance de l’IA agentique détaille les contrôles propres aux agents.
La portabilité est essentielle. Une banque qui a consigné quels systèmes sont génératifs ou agentiques, qui les a approuvés, sur quoi ils ont été testés et quels contrôles s’appliquent peut rattacher ces preuves à tout ce que les autorités publieront après la RFI. Une banque dont les approbations se trouvent dans des fils d’e-mails devra repartir de zéro. Le module Cadres de conformité d’Enzai est conçu pour ce schéma : les preuves sont collectées une seule fois pour un système et réutilisées dans chaque cadre applicable, y compris le FS AI RMF et le NIST AI RMF. Une future lettre SR devient ainsi une mise en correspondance supplémentaire, et non un nouveau programme.
Comment l’exclusion s’articule-t-elle avec PRA SS1/23, la MAS, le FS AI RMF et l’EU AI Act ?
Les grandes banques sont supervisées dans plusieurs juridictions à la fois, et l’exclusion américaine fait figure d’exception. Aucun autre régime auquel une banque internationale est susceptible d’être confrontée n’exclut les systèmes génératifs ou agentiques.
Régime | Émetteur et statut | Traitement de l’IA générative et agentique |
|---|---|---|
SR 26-2 / OCC 2026-13 / FIL-15-2026 | Fed, OCC, FDIC. Lignes directrices prudentielles, 17 avril 2026 | Expressément hors champ. RFI en attente |
PRA SS1/23 | PRA (Royaume-Uni). Supervisory statement, en vigueur depuis le 17 mai 2024 | Aucune exclusion. Définition du modèle neutre sur le plan technologique |
Principes MAS FEAT | MAS. Principes non contraignants, 12 novembre 2018 | S’applique à l’IA et à l’analyse de données en général |
Projet de Guidelines on AI Risk Management de la MAS | MAS. Consultation de novembre 2025 au 31 janvier 2026, version définitive à venir | Le projet couvre expressément l’IA générative et les agents d’IA |
FS AI RMF | Cyber Risk Institute avec le FSSCC, février 2026. Facultatif | Couvre l’usage de l’IA en général, sans exclusion de champ |
EU AI Act (règlement (UE) 2024/1689, tel que modifié) | UE. Règlement contraignant | Neutre sur le plan technologique. Modèles d’IA à usage général régis par le chapitre V |
PRA SS1/23 s’applique aux banques constituées au Royaume-Uni, aux building societies et aux entreprises d’investissement désignées par la PRA qui disposent d’une autorisation de modèles internes (IRB, IMA ou IMM). Le supervisory statement précise expressément que les assureurs et réassureurs ne sont pas concernés. Il définit un modèle comme « une méthode, un système ou une approche quantitative qui applique des théories, techniques et hypothèses statistiques, économiques, financières ou mathématiques pour transformer des données d’entrée en résultats », sans exclusion pour les systèmes génératifs ou agentiques. Une filiale britannique d’une banque américaine disposant d’une autorisation IRB se voit donc appliquer à Londres une définition du modèle plus large que celle à laquelle sa maison mère est soumise à New York, et les cinq principes de SS1/23 s’appliquent à tout système génératif qui y répond.
La MAS a pris le chemin inverse. Les principes FEAT du 12 novembre 2018 ne sont pas contraignants. En novembre 2025, la MAS a lancé une consultation sur ses Guidelines on AI Risk Management destinées aux institutions financières, close le 31 janvier 2026. Le projet traite de l’IA complexe, « y compris l’IA générative et les agents d’IA », et prévoit une période de transition de douze mois après la publication définitive. Une banque disposant d’une entité à Singapour doit s’attendre à ce que ses systèmes agentiques relèvent des lignes directrices de la MAS avant même que les autorités américaines aient terminé leur consultation.
Le FS AI RMF a été élaboré par le Cyber Risk Institute en coordination avec le Financial Services Sector Coordinating Council, dans le cadre d’un processus public-privé réuni à l’initiative du Trésor américain. Porté par le secteur et facultatif, il n’émane pas d’un régulateur et ne remplace pas SR 26-2. Sa valeur tient à la bibliothèque de contrôles prête à l’emploi qu’il fournit pour le cadre transitoire.
L’EU AI Act est neutre sur le plan technologique. L’évaluation de la solvabilité et la notation de crédit des personnes physiques figurent à l’annexe III, point 5, b), et l’évaluation des risques et la tarification en assurance vie et santé au point 5, c). Un système génératif utilisé à l’une de ces fins est un système d’IA à haut risque, quelle que soit son architecture. L’article 17, paragraphe 4, permet aux établissements financiers de satisfaire à l’essentiel de l’exigence relative au système de gestion de la qualité au moyen de la gouvernance interne que le droit européen des services financiers impose déjà. C’est précisément là que le dispositif MRM et la gouvernance de l’IA doivent de toute façon être conciliés. Le Digital Omnibus on AI (règlement (UE) 2026/1744) est entré en vigueur le 27 juillet 2026 et a reporté au 2 décembre 2027 les obligations applicables aux systèmes à haut risque de l’annexe III, et au 2 août 2028 celles des systèmes relevant de l’annexe I. Le guide d’Enzai sur la conformité à l’EU AI Act présente le tableau complet des échéances.
Quel est le calendrier des évolutions prudentielles ?
Date | Événement |
|---|---|
4 avril 2011 | Publication de SR 11-7 |
17 mai 2023 | La PRA publie SS1/23 |
17 mai 2024 | Entrée en vigueur de SS1/23 |
Juillet 2024 | Le NIST publie le Generative AI Profile (AI 600-1) |
1er août 2024 | Entrée en vigueur de l’EU AI Act |
2 août 2025 | Application des obligations de l’EU AI Act relatives aux modèles d’IA à usage général |
Novembre 2025 | La MAS consulte sur ses Guidelines on AI Risk Management |
Février 2026 | Publication du FS AI RMF |
17 avril 2026 | Publication de SR 26-2, OCC 2026-13 et FIL-15-2026 ; SR 11-7 remplacé ; IA générative et agentique placées hors champ |
Avril 2026 | Modifications de clarification de SS1/23 par la PRA |
1er mai 2026 | Discours de Bowman sur l’IA dans le système financier |
27 juillet 2026 | Entrée en vigueur du Digital Omnibus on AI |
En attente | RFI interagences sur la gestion du risque de modèle et l’IA |
En attente | Version définitive des Guidelines on AI Risk Management de la MAS |
2 décembre 2027 | Application des obligations de l’EU AI Act pour les systèmes à haut risque de l’annexe III |
2 août 2028 | Application des obligations de l’EU AI Act pour les systèmes à haut risque de l’annexe I |
Qu’est-ce qui reste incertain ?
La RFI n’a pas de date. « Prochainement » a été écrit en avril 2026, et une RFI est une demande d’informations, non une proposition : toute nouvelle orientation passera donc par un nouveau cycle de commentaires.
Le périmètre final n’est pas arrêté. Les autorités pourraient étendre la définition du modèle aux systèmes génératifs, publier des lignes directrices dédiées à l’IA ou intégrer leurs attentes dans les lignes directrices existantes sur le risque lié aux tiers et la résilience opérationnelle. La formulation de la RFI, « la gestion du risque de modèle en général », laisse toutes les voies ouvertes.
La pratique des inspecteurs dans l’intervalle n’est pas documentée. Le discours de Bowman décrit des banques qui s’appuient sur des cadres existants, pas la manière dont les inspecteurs traiteront une banque dont les systèmes génératifs n’en ont aucun.
Les définitions restent à préciser. SR 26-2 ne définit ni l’IA générative ni l’IA agentique. Tant que les autorités ne l’auront pas fait, c’est la définition propre à chaque banque qui servira de référence lors de son examen, et elle doit être formalisée par écrit.
Ce que cela implique sur le plan opérationnel
Pour l’équipe de gouvernance d’une banque qui déploie des systèmes génératifs ou agentiques, le travail est concret.
Classez chaque système d’IA de l’inventaire par rapport à la limite de SR 26-2 : modèle traditionnel, modèle d’IA non génératif, génératif, agentique ou pas un modèle. Consignez la justification. Les systèmes mixtes reçoivent une réponse au niveau de chaque composant.
Mettez en place un cadre transitoire documenté pour les systèmes génératifs et agentiques, en vous appuyant sur le NIST Generative AI Profile et le FS AI RMF comme sources de contrôles. Faites-le passer par le comité en charge du risque de modèle, afin que la gouvernance des deux ensembles de systèmes reste coordonnée.
Rattachez les preuves aux systèmes, pas aux cadres. Approbations, évaluations des modèles, évaluations des fournisseurs et résultats de surveillance doivent être liés à un système et à une version précis, afin de pouvoir être mis en correspondance avec plusieurs cadres dès aujourd’hui, puis à nouveau lorsque la RFI débouchera sur des lignes directrices.
Assurez la cohérence avec les autres régimes auxquels le groupe est soumis. Une filiale britannique disposant d’une autorisation IRB peut constater que ses systèmes génératifs répondent à la définition du modèle de SS1/23. Une présence dans l’UE touchant aux décisions de crédit ou d’assurance fait du 2 décembre 2027 l’horizon de planification.
Préparez dès maintenant la réponse à la RFI. Une banque dotée d’un inventaire et d’un cadre transitoire peut formuler ses commentaires à partir de preuves. C’est aussi le moment d’aligner les responsables du risque de modèle et de la gouvernance de l’IA, car c’est dans la RFI que les autorités décideront s’il s’agit d’une seule discipline ou de deux.
Enzai est conçu en particulier pour la troisième étape : un dossier unique par système, une piste de preuves unique, rattachés à chaque cadre applicable. C’est le schéma qui sous-tend la gouvernance automatisée de l’IA pour une fonction GRC. Pour voir comment cela fonctionne dans un établissement financier, échangez avec l’équipe Enzai.
Certifié ISO 27001 depuis 2023, audité chaque année par NQA
Traitement des données aligné sur le RGPD
Données clients hébergées sur AWS dans plusieurs régions
Utilisez votre propre modèle d’IA via une connexion privée
Identifiez l’IA utilisée par vos équipes, examinez-la avant sa mise en service, évaluez-la au regard des règles applicables et contrôlez ce que les agents peuvent faire. Conçu pour les organisations réglementées.