Par Abdelwahab Ben Moussa
La transformation numérique dépasse aujourd’hui la simple modernisation technique. L’État, dans le cadre du Plan de développement 2026-2030, vise à faire de la digitalisation et de l’intelligence artificielle des outils au service de la transparence, de la gestion des données et de la performance publique. Mais la question qui se pose aujourd’hui n’est pas seulement « comment innover ? » mais « comment donner un sens à cette innovation ? », notamment pour les banques publiques et leur rôle dans l’économie nationale.
La digitalisation n’est pas seulement une technologie
La transformation numérique redéfinit la manière dont l’État conçoit la gouvernance, améliore les services et renforce la relation avec le citoyen. Selon les orientations officielles, l’objectif est une administration plus efficace, transparente et accessible, qui réduit la bureaucratie et rapproche les services de toutes les régions.
Ainsi, la digitalisation n’est plus un luxe, mais devient un outil de confiance et de compétitivité.
Des réalisations concrètes… et un rythme accéléré en 2026
Ces dernières années, l’administration tunisienne a digitalisé de nombreux services, mis en place des plateformes de paiement électronique et renforcé les mécanismes d’échange de données. En 2026, cette dynamique s’accélère avec un portefeuille élargi de projets numériques suivis selon des indicateurs de performance clairs, notamment pour les services ayant un impact direct sur le citoyen et l’investisseur.
L’administration mise également sur les données ouvertes et l’intelligence artificielle, tout en renforçant la cybersécurité.
Qu’en est-il des banques publiques ?
Cette transformation impacte nécessairement le secteur financier, et en particulier les banques publiques, dont le rôle dépasse la simple intermédiation bancaire.
Ces banques ont entrepris des efforts notables : modernisation des canaux, numérisation des processus, intégration progressive de solutions algorithmiques. Dans le contexte d’une stratégie nationale qui associe digitalisation et objectifs économiques et sociaux, se pose la question : Comment s’assurer que la digitalisation dans les banques publiques suit les priorités nationales, telles que l’inclusion financière, le soutien à l’économie locale et la réduction des disparités régionales et locales ?
La performance ne suffit pas
La digitalisation et l’intelligence artificielle promettent d’améliorer l’efficacité, de réduire les coûts et de mieux gérer les risques. Mais ces outils ne sont jamais totalement neutres : le choix des données, modèles et critères influence les résultats. Sans réflexion stratégique claire, certaines logiques peuvent favoriser les secteurs déjà structurés au détriment des zones moins connectées.
Pour les banques publiques, il s’agit de vérifier que le digital accompagne réellement la justice régionale, locale et sectorielle.
Un alignement indispensable
Il est essentiel de trouver un alignement clair entre transformation numérique et politiques publiques, à travers :
- La prise en compte des impacts régionaux, locaux et sectoriels des stratégies digitales,
- Le renforcement de la gouvernance des outils algorithmiques,
- La lisibilité du lien entre innovation technologique et politiques publiques.
Cet alignement n’est pas une contrainte, mais une condition de cohérence et de durabilité.
Choisir la bonne direction
La digitalisation n’est pas seulement accélération ou numérisation des processus. Elle suppose de choisir une orientation et d’en assumer les implications. Dans le cadre du Plan 2026-2030, la digitalisation et l’intelligence artificielle sont appelées à devenir des instruments au service d’une croissance plus inclusive, d’une développement régional, local et sectoriel équilibré, et d’une économie plus juste.
Dans le cadre du Plan de développement 2026-2030, la véritable transformation n’est pas seulement technologique, mais stratégique : Faire de la digitalisation et de l’intelligence artificielle des leviers réels de cohésion économique, plutôt que des accélérateurs involontaires de fractures existantes.
BIO EXPRESS
Abdelwahab Ben Moussa – Ingénieur en informatique / Cadre dans une banque publique
Cet article est une tribune, rédigée par un auteur extérieur au journal et dont le point de vue n’engage pas la rédaction.
3 commentaires
jamel.tazarki
Introduction : si l’humain n’a pas la capacité d’analyser les résultats de l’IA, il devient l’esclave de l’algorithme, validant des erreurs par simple confiance aveugle en la technologie. J’ai moi-même écrit plusieurs programmes d’IA pour des banques en Allemagne, dans le domaine du service client en ligne. Je dialogue également de temps à autre avec des machines cognitives dans le domaine de l’IA. Et à chaque fois, je suis de plus en plus convaincu de l’importance du pilotage stratégique de l’IA.
A) Les risques de l’IA pour notre système bancaire et et nos institutions:
L’adoption rapide de l’intelligence artificielle (IA) dans le secteur bancaire tunisien et dans nos institutions, couplée à une pénurie de personnel qualifié pour la gérer, crée des risques opérationnels, juridiques et stratégiques majeurs. Le manque de compétences techniques (data science, IA générative) et de compréhension des risques liés à l’IA par les équipes métiers limite la capacité des banques à superviser efficacement ces technologies
–>
Le manque de personnel qualifié pour encadrer l’intelligence artificielle (IA) crée des
vulnérabilités critiques. Alors que les banques et nos institutions automatisent des fonctions clés, l’absence d’expertise interne transforme des outils d’efficacité en vecteurs de risques systémiques.
Je m’explique:
– Une équipe sans compétences spécifiques en IA ne peut pas identifier les entrées malveillantes (attaques adverses) conçues pour tromper les algorithmes.
– Sans experts capables d’interpréter les sorties de l’IA, la banque perd la transparence nécessaire pour expliquer ses décisions (ex: refus de crédit) aux régulateurs –> L’effet « Boîte Noire »
– Nos institutions peinent à aligner leurs outils d’IA avec des Réglementations, entre autres judiciaires, mouvantes, s’exposant ainsi à des sanctions lourdes et à des pertes de licence.
– Responsabilité juridique floue : En cas d’erreur coûteuse générée par une IA mal supervisée, l’absence de protocoles clairs rend l’attribution de la responsabilité complexe pour les directions juridiques.
– Risques de modélisation et décisions erronées (IA « Boîte Noire ») : Sans experts pour interpréter les résultats, les systèmes d’IA peuvent produire des décisions de crédit ou de conformité biaisées, discriminatoires ou erronées. Une confiance aveugle dans des résultats non validés peut entraîner de fausses alertes ou des refus de service injustifiés.
– Vulnérabilités en cybersécurité : Le manque de talents spécialisés en cybersécurité face à des menaces sophistiquées alimentées par l’IA rend les banques plus vulnérables aux attaques.
Non-conformité réglementaire : Les régulateurs exigent que l’IA soit explicable et auditable. Le manque de personnel compétent pour documenter et surveiller les algorithmes augmente le risque de lourdes sanctions juridiques et réglementaires.
– Risque de surexploitation ou de « lock-in » : Les banques peuvent devenir dépendantes de la technologie sans disposer d’employés qualifiés pour décider si les résultats de l’IA sont corrects ou non, entraînant une perte de contrôle humain.
– Erreurs opérationnelles (hallucinations) : L’usage d’IA générative sans supervision humaine compétente peut mener à la génération de documents financiers ou de conseils clients erronés, créant des risques réputationnels et juridiques.
2) des Propostions :
– Programmes d’Alphabétisation IA : Mise en place de formations de base pour tous les employés afin de comprendre le fonctionnement des modèles et d’éviter les erreurs de manipulation de données.
– Micro-apprentissage et « Sandboxes » : Utilisation de plateformes d’apprentissage modulaire et d’environnements de test (sandboxes) où les employés peuvent manipuler des contrôleurs intelligents en toute sécurité pour comprendre la supervision humaine.
– Immersion par Simulation (VR/IA) : Certaines banques, comme la Bank of America, forment jusqu’à 2000 employés par semaine via des simulations immersives pour gérer des interactions complexes ou des situations d’urgence assistées par IA.
– Partenariats Public-Privé : Co-financement d’académies sectorielles avec les ministères des finances pour créer des certifications validées (ex: certification AI Security Level 1).
C) Je commente l’article de Business News TN « l’IA prépare une vague de suppressions d’emplois en Tunisie » du 17.02,20026:
–>
L’IA ne remplace pas les métiers entiers mais automatise des tâches, libérant du temps pour de nouveaux rôles exigeant:
– Auditeur d’Algorithmes (ou Responsable Conformité IA) : Expert chargé de vérifier la transparence des modèles, d’éviter les biais discriminatoires…
– Ingénieur de Prompt (Prompt Engineer) : Spécialiste capable de dialoguer avec les machines pour optimiser les sorties algorithmiques et créer des programmes sur mesure.
– Gestionnaire de Risque IA : Nouveau profil au sein des directions des risques dédié à l’identification des attaques adverses et à la sécurisation des agents autonomes.
– Architecte de Données IA : Évolution du Data Scientist vers une fonction de concepteur de systèmes capables d’exécuter des projets complexes avec une supervision humaine minimale.
–>
La maîtrise de l’IA n’est plus une option mais une nécessité pour la survie professionnelle dans la finance. Les compétences les plus recherchées incluent :
– Pensée analytique : Capacité à résoudre des problèmes complexes là où l’IA atteint ses limites.
– Gouvernance et Éthique : Savoir quand un modèle « se trompe » et comment corriger ses trajectoires.
– Agilité Technologique : Capacité à collaborer avec des agents IA autonomes de plus en plus intégrés aux opérations quotidiennes.
D) La maîtrise du « Prompt Engineering »
Il faudrait savoir dialoguer avec les systèmes d’intelligence artificielle afin d’améliorer les résultats (output) en optimisant les entrées (inputs). L’utilisateur humain doit avoir une bonne capacité d’analyse pour que le dialogue soit avantageux. Je m’explique:
– On ne parle plus seulement de « saisie de données », mais de pilotage stratégique.
–> Le passage d’un utilisateur passif à un utilisateur actif capable d’optimiser le dialogue avec l’IA s’articule autour de trois piliers fondamentaux :
– L’utilisateur doit savoir nourrir l’IA avec des contraintes réglementaires précises (ex: « Analyse ce dossier de crédit en tenant compte de la directive Bâle III et du profil de risque spécifique à ce secteur »).
– Structuration de la pensée : Un bon dialogueur d’IA sait diviser un problème complexe en étapes logiques pour éviter que l’IA ne fasse des erreurs de raisonnement (méthode de la « chaîne de pensée »).
-Vérification de la cohérence : L’humain doit être capable de détecter une anomalie dans un résultat qui semble pourtant mathématiquement correct.
– Arbitrage éthique : L’IA peut proposer une solution optimale sur le plan financier, mais inacceptable sur le plan de la réputation ou de l’éthique institutionnelle ou bancaire. Seule une analyse humaine intelligente peut trancher.
– Affinement : Si l’IA produit un résultat moyen, l’utilisateur doit savoir analyser pourquoi (est-ce un manque de données ? une consigne floue ?) et corriger son entrée.
– Éducation du modèle : Dans les systèmes d’IA avancés, l’humain « note » et corrige les réponses, participant ainsi à l’apprentissage continu du système bancaire
Bonne journée
Dr. Jamel Tazarki, Mathématicien
HatemC
IA et digitalisation… pour qui ?
On nous parle d’intelligence artificielle dans les banques publiques.
Pendant ce temps :
– une part importante de la société tunisienne ignore ce que “IA” veut dire
– l’administration reste bloquée sur des formulaires papier
Essayons un test simple :
demandez à l’épicier du quartier, au barbier ou au boucher ce que signifie “IA”.
Pas par moquerie.
Mais pour mesurer l’écart entre le discours et le pays réel.
En Tunisie, une petite élite parle data, cloud et scoring algorithmique.
Pendant ce temps :
– une grande partie de la population n’a pas de carte bancaire
– le paiement reste majoritairement en cash
– l’accès aux services financiers est limité hors des grandes villes
On ne construit pas une économie numérique sur une société exclue financièrement.
Parler d’algorithmes et de digitalisation dans ce contexte, c’est numériser l’ignorance… et l’immobilisme.
le financier
N importe quoi . Toutes les analyses fmi , fed , … montre que c est avant tout la simplification administrative. A savoir demander une feuille administrative la ou il en fallait 3 , une de la mairie , une de la prefecture et une du tresors par exemple qui permet des gains de productivité …
Faire une photo ou un scan de ces 3 feuilles bouffe de l energie et de l espace de stockage donc des serveurs ….
Comme d hab l ingenieur informatique ne regarde pas le cout ….