BNP Paribas vient de conclure un accord de cinq ans avec Google Cloud qui donnera notamment à la banque accès aux modèles Gemini, à Gemini Enterprise et aux infrastructures cloud du groupe américain. Mais derrière cette accélération dans l’intelligence artificielle, BNP Paribas pose une limite claire : certaines données clients sensibles et opérations critiques resteront hors du cloud public.
Cette décision résume probablement l'une des évolutions les plus importantes de l'intelligence artificielle en entreprise : les grands groupes ne semblent plus chercher un modèle unique capable de tout faire.
Ils construisent au contraire des architectures hybrides combinant IA américaines, modèles européens, solutions open source, cloud public et infrastructures internes.
BNP Paribas signe un accord de cinq ans avec Google Cloud
BNP Paribas et Google Cloud ont officialisé le 24 septembre 2026 un nouveau partenariat d'une durée de cinq ans.L'accord doit permettre au groupe bancaire français d'accéder à plusieurs technologies de Google Cloud, notamment :
- Gemini Enterprise ;
- les modèles d'intelligence artificielle Gemini ;
- les infrastructures de calcul optimisées pour l'IA ;
- les outils permettant de concevoir et déployer des agents IA ;
- les technologies cloud de Google.
L'objectif n'est donc pas simplement de mettre un chatbot supplémentaire à disposition des salariés.
BNP Paribas veut intégrer progressivement l'IA agentique dans certains processus métiers, notamment au sein de sa division Corporate & Institutional Banking, qui accompagne les grandes entreprises et les investisseurs institutionnels.
Les modèles Gemini doivent notamment être intégrés à LLM@CIB, l'assistant interne d'IA générative de la banque déjà accessible à plus de 65 000 personnes.
Des agents IA pour le crédit, le trading et la recherche financière
Les premiers cas d'usage annoncés montrent jusqu'où l'intelligence artificielle commence à pénétrer les métiers bancaires.
BNP Paribas prévoit notamment d'utiliser des agents IA pour accompagner la préparation de dossiers d'analyse crédit destinés aux entreprises.
D'autres applications sont étudiées dans :
- la vente ;
- le trading ;
- la recherche financière ;
- la structuration ;
- l'analyse documentaire ;
- certains processus internes de Corporate & Institutional Banking.
Selon Reuters, le partenariat doit ainsi permettre à BNP Paribas d'exploiter les infrastructures de Google et les modèles Gemini tout en développant des agents spécialisés adaptés aux différents métiers de la banque.
Cette évolution confirme un mouvement déjà visible dans l'ensemble du secteur bancaire.
Entreprisma analysait récemment le cas de Société Générale, qui s'est alliée à Anthropic et estime que l'IA pourrait lui permettre d'économiser jusqu'à 600 millions d'euros.
L'intelligence artificielle commence donc à quitter les simples phases d'expérimentation pour entrer directement dans les architectures opérationnelles des grands groupes financiers.
BNP Paribas refuse néanmoins de tout placer dans le cloud de Google
C'est pourtant la limite imposée par BNP Paribas qui rend cet accord particulièrement intéressant.
Malgré son rapprochement avec Google Cloud, la banque continuera à conserver certaines données particulièrement sensibles et certaines opérations critiques en dehors du cloud public.
L'enjeu est considérable.
Une banque mondiale traite quotidiennement des données liées :
- aux comptes et transactions de ses clients ;
- aux entreprises financées ;
- aux marchés financiers ;
- aux assurances ;
- aux risques ;
- à la conformité ;
- aux informations personnelles et financières.
Certaines catégories de données ne peuvent donc pas être déplacées librement vers des infrastructures externes sans tenir compte des exigences de confidentialité, sécurité, localisation et réglementation.
BNP Paribas adopte ainsi une logique dans laquelle le choix d'une intelligence artificielle dépend non seulement de ses performances, mais également de la nature des informations qu'elle doit manipuler.
Le cloud public pour certains usages, l'infrastructure interne pour les plus sensibles
Cette architecture permet de distinguer plusieurs niveaux d'utilisation.
Des applications nécessitant une forte capacité de calcul mais manipulant des données compatibles avec le cloud peuvent bénéficier des infrastructures de Google.
À l'inverse, certaines opérations particulièrement sensibles peuvent rester dans des environnements davantage contrôlés par BNP Paribas.
C'est l'une des transformations majeures actuellement observées dans l'adoption de l'IA par les entreprises.
Pendant plusieurs années, la question principale consistait à identifier le modèle d'intelligence artificielle le plus performant.
Pour les grandes organisations, la question devient désormais beaucoup plus complexe :
quel modèle peut accéder à quelle donnée, depuis quelle infrastructure et avec quel niveau de contrôle ?BNP Paribas ne choisit pas entre Gemini et Mistral AI
L'accord avec Google ne signifie d'ailleurs pas que BNP Paribas abandonne les autres fournisseurs d'intelligence artificielle.
Le groupe travaille également avec Mistral AI, acteur français devenu l'un des principaux concurrents européens des laboratoires américains.
BNP Paribas a renouvelé en 2026 son partenariat avec Mistral AI pour trois années supplémentaires.
Les deux entreprises travaillent ensemble depuis 2023, avant une généralisation progressive de cette collaboration à l'échelle du groupe.
Les modèles de Mistral peuvent notamment être intégrés directement dans certaines infrastructures internes de BNP Paribas.
Cette stratégie rejoint une tendance plus large observée autour de la souveraineté numérique et de l'infrastructure de Mistral AI en France.
BNP Paribas ne semble donc pas vouloir remplacer Mistral AI par Gemini.
La banque construit plutôt une architecture dans laquelle plusieurs modèles peuvent coexister.
Une stratégie volontairement multi-modèles et multi-cloud
BNP Paribas présente explicitement son organisation comme une approche multi-cloud et multi-modèles.
Cette logique permet au groupe de sélectionner une technologie différente selon plusieurs paramètres :
- la qualité du modèle ;
- le niveau de confidentialité nécessaire ;
- le coût ;
- les performances attendues ;
- la localisation des données ;
- les contraintes réglementaires ;
- les infrastructures nécessaires ;
- le niveau de contrôle recherché.
La banque peut donc utiliser Gemini pour certains processus, Mistral AI pour d'autres, tout en continuant à exploiter des modèles open source ou des solutions internes.
Cette architecture réduit également la dépendance à un fournisseur unique.
Pour une grande entreprise, placer toutes ses données, ses modèles et ses processus critiques chez un seul acteur créerait potentiellement une dépendance technologique considérable.
Le multi-cloud et le multi-modèles deviennent ainsi autant une stratégie technologique qu'une stratégie de maîtrise du risque.
Pourquoi l'IA bancaire devient un marché stratégique
Les banques constituent un terrain particulièrement attractif pour les fournisseurs d'intelligence artificielle.
Elles concentrent d'immenses volumes de documents, de données et de processus répétitifs pouvant être automatisés ou accélérés par l'IA.
Un agent capable de réduire de quelques minutes le traitement de milliers de dossiers peut produire des gains significatifs lorsqu'il est déployé dans un groupe employant plusieurs dizaines de milliers de collaborateurs.
Mais les contraintes y sont également beaucoup plus fortes que dans de nombreux autres secteurs.
Une banque doit pouvoir contrôler :
- les accès aux données ;
- la confidentialité ;
- la traçabilité ;
- les décisions automatisées ;
- la qualité des réponses produites ;
- la conformité réglementaire ;
- la cybersécurité.
C'est précisément ce qui explique pourquoi les accords entre banques et fournisseurs d'IA deviennent particulièrement structurants.
Entreprisma observait déjà cette évolution avec le partenariat entre Société Générale et Anthropic autour de Claude.
BNP Paribas choisit aujourd'hui une autre combinaison technologique : Google Gemini, Mistral AI, cloud public et infrastructures internes.
Le véritable enjeu n'est plus de choisir "la meilleure IA"
L'accord entre BNP Paribas et Google illustre surtout la prochaine étape de l'industrialisation de l'intelligence artificielle.
Pendant la première phase de l'IA générative, de nombreuses entreprises ont testé ChatGPT, Claude, Gemini ou différents modèles open source.
La prochaine étape consiste à transformer ces expérimentations en véritables infrastructures d'entreprise.
La logique change alors complètement.
Une entreprise ne cherche plus nécessairement un modèle capable de répondre à tous ses besoins.
Elle peut attribuer chaque processus au système le plus adapté.
Gemini peut intervenir dans certaines tâches nécessitant les infrastructures de Google.
Mistral AI peut répondre à certains besoins de souveraineté ou d'intégration interne.
Des modèles open source peuvent être privilégiés lorsque le contrôle technique est prioritaire.
Et certaines données peuvent tout simplement rester entièrement hébergées dans l'entreprise.
Google, Mistral et les modèles open source peuvent donc coexister
Cette coexistence pourrait devenir la norme dans les grands groupes européens.
Le marché de l'intelligence artificielle en entreprise ne fonctionnerait alors pas nécessairement selon une logique de vainqueur unique.
Une même organisation pourrait utiliser simultanément plusieurs familles de technologies.
BNP Paribas en constitue déjà un exemple particulièrement révélateur.
Le groupe possède des partenariats avec plusieurs fournisseurs, dispose de spécialistes internes et développe ses propres infrastructures permettant d'orchestrer différents modèles.
Cette évolution est importante pour l'ensemble du marché.
Les fournisseurs d'intelligence artificielle devront probablement convaincre les entreprises non plus uniquement de remplacer leurs concurrents, mais de trouver leur place dans des architectures technologiques devenues de plus en plus fragmentées.
Les grandes entreprises entrent dans l'ère de l'IA hybride
BNP Paribas dispose déjà de centaines de spécialistes travaillant sur l'intelligence artificielle et multiplie les cas d'usage dans ses différentes activités.
Cette montée en puissance reflète une fracture également observable dans l'économie française.
Les grandes organisations disposent davantage de moyens humains, financiers et techniques pour construire leurs propres architectures IA, alors que les PME françaises risquent de prendre du retard dans l'adoption de l'intelligence artificielle.
Pour une grande banque, l'intelligence artificielle n'est désormais plus seulement un logiciel utilisé ponctuellement par certains salariés.
Elle devient une nouvelle couche de son infrastructure numérique.
Et c'est probablement le principal enseignement du partenariat entre BNP Paribas et Google.
La banque adopte Gemini, mais elle ne remet pas les clés de son système d'information à Google.
Elle combine au contraire cloud américain, IA française, modèles open source et infrastructures internes.
À mesure que les agents IA accèdent à davantage de processus critiques, cette capacité à décider où l'intelligence artificielle fonctionne, quelles données elle peut consulter et quel fournisseur peut les traiter pourrait devenir l'un des principaux enjeux stratégiques des grandes entreprises.
