Finance, transport et autres secteurs

18.1Finance, banque et assurance

Repère

La finance agentique et le trading par agents autonomes

Le trading algorithmique existe depuis longtemps, mais 2026 a vu surgir une étape de plus : des agents autonomes (chapitre 6) que l'on connecte directement aux interfaces des plateformes pour qu'ils analysent les marchés, décident et exécutent les ordres seuls, sans clic humain. L'agent OpenClaw, déjà rencontré, en est l'exemple le plus médiatisé : à l'aide de compétences communautaires, on lui relie une bourse ou un courtier (actions, cryptomonnaies, marchés de prédiction), on lui donne une consigne en langage naturel, et il surveille les cours en continu pour agir au moment voulu. La promesse est séduisante, mais les risques sont à la hauteur, et le cours ne donne aucun conseil d'investissement. D'abord, aucune garantie de gain : confier de l'argent à un agent ne crée pas un avantage de marché, et sur certaines plateformes une large majorité des participants perdent. Ensuite, le risque opérationnel : un modèle qui hallucine ou mésinterprète une donnée en pleine volatilité peut passer un ordre non voulu et enchaîner des pertes en quelques secondes. Puis le risque de sécurité (chapitre 20) : un agent relié à des clés d'API et exposé à l'injection d'instructions devient une cible de choix, et plusieurs places de marché de compétences ont vu circuler des modules malveillants conçus pour voler ces clés et vider des comptes. Enfin le risque réglementaire : une exécution autonome à haute fréquence peut friser la manipulation de marché. C'est pourquoi la pratique raisonnable qui se dégage est celle d'une IA assistante plutôt qu'autonome : l'agent recherche, surveille et propose, mais l'humain valide et garde la main sur les actions à conséquence.

Repère

Le régulateur britannique face à la vague de vulnérabilités

Le 2 septembre 2026, la Financial Conduct Authority (FCA), régulateur financier britannique, a publié une revue menée auprès de plusieurs entreprises, « Frontier AI and Cyber Resilience ». Elle y constate que la découverte de failles par les modèles de frontière (chapitre 20) s'accélère plus vite que la capacité des entreprises à y répondre, ce qui crée des goulets d'étranglement dans la validation, les tests de correctifs et la remédiation. Le document résume des observations rapportées par les entreprises et n'introduit ni règle, ni orientation, ni attente réglementaire nouvelle ; il insiste sur la supervision humaine, la clarté des responsabilités et la solidité des dispositifs de résilience existants.

18.2Transport et mobilité autonome

Schéma18.1. Les niveaux d'autonomie (échelle SAE). En 2026, des taxis sans chauffeur (niveau 4) circulent commercialement dans plusieurs villes, sur des zones définies. Le niveau 5 (rouler partout, par tout temps) reste un horizon lointain : c'est la « longue traîne » des situations rares et imprévues qui résiste encore.

Repère

L'état de la conduite autonome en 2026

Derrière l'échelle SAE, le paysage réel s'est clarifié, autour de deux paris opposés. Waymo (filiale d'Alphabet) est nettement en tête : fin septembre 2026, ses taxis sans chauffeur (niveau 4) desservent 14 villes américaines en conduite entièrement autonome (Las Vegas depuis le 8 juillet 2026 ; Denver, San Diego et Tampa depuis le 1er septembre 2026) et assurent plus d'un demi-million de courses payantes par semaine (dernier chiffre officiel ; le million visé pour fin 2026 reste un objectif). À l'international, Waymo a annoncé en septembre 2026 un partenariat d'assurance avec Allianz pour ses premiers marchés européens, Londres et Munich, ainsi qu'un accord avec les autorités de Singapour (lancement commercial public visé en 2028). Selon le bilan publié par Waymo le 24 septembre 2026, qui porte sur 270 millions de miles autonomes, ses véhicules connaissent 82 % d'accidents avec blessés en moins que des conducteurs humains (chiffre de l'entreprise). Sa recette : une combinaison coûteuse de lidars, radars et caméras, des cartes haute définition de chaque rue, et une extension prudente, ville par ville. Tesla fait le pari inverse : des caméras seules et un apprentissage massif à partir des données de sa flotte, dans l'espoir d'une autonomie généralisable partout (et, à terme, de transformer les voitures des particuliers en taxis) ; son service de robotaxis, lancé à Austin en 2025, reste à ce jour bien plus modeste en taille et en zone couverte. Depuis l'été 2026, Tesla exploite des robotaxis sans superviseur à bord dans six villes du Texas et de Floride (Austin, Dallas, Houston, Miami, Orlando, Tampa), la baie de San Francisco conservant un conducteur de sécurité, et déclare 1 million de miles parcourus sans supervision (chiffre de l'entreprise). Le Cybercab, biplace sans volant ni pédales, a rejoint la flotte à Austin le 3 septembre 2026 ; le même jour, la NHTSA (l'autorité américaine de sécurité routière) a ouvert un audit sur la façon dont Tesla a auto-certifié ce véhicule sans commandes manuelles. D'autres entrent dans la course (Zoox, filiale d'Amazon ; Uber, qui intègre des véhicules autonomes ; des acteurs chinois comme Baidu, Pony.ai ou WeRide, ce dernier déclarant environ 3 400 véhicules autonomes de niveau 4 au 31 juillet 2026 et une présence dans 13 pays). Le verdict provisoire : la faisabilité du niveau 4 en zone urbaine délimitée est prouvée, mais le passage à l'échelle bute sur la longue traîne (les situations rares), sur la réglementation locale et sur la confiance du public, que le moindre accident remet en jeu.

Repère

La voiture et le « dilemme du tramway »

La conduite autonome a ravivé un vieux problème de philosophie morale, le dilemme du tramway : face à un accident inévitable, une voiture devrait-elle être programmée pour, par exemple, sacrifier son passager plutôt que plusieurs piétons ? Ces scénarios ont nourri d'innombrables débats (et une vaste enquête mondiale, la Moral Machine du MIT, révélant que les intuitions varient selon les cultures). Mais beaucoup d'ingénieurs jugent la question en partie mal posée : dans la réalité, un véhicule ne « choisit » presque jamais une victime, il cherche avant tout à freiner et à éviter ; et il n'a généralement pas l'information (qui se trouve où, combien de personnes) que supposent ces dilemmes théoriques. Le vrai débat éthique est plus prosaïque, mais plus pressant : quel niveau de risque global est acceptable pour autoriser ces véhicules, comment comparer leur sécurité à celle des conducteurs humains, et qui est responsable en cas d'accident (chapitre 21) ? Le dilemme du tramway est un excellent exercice de pensée, mais il ne doit pas masquer ces questions concrètes, qui décideront réellement du déploiement.

Repère

L'IA automobile au-delà de la conduite

La voiture autonome occupe le devant de la scène, mais l'IA transforme aussi le véhicule indépendamment de toute autonomie. À bord, des assistants vocaux (de plus en plus adossés à de grands modèles) et des systèmes de surveillance du conducteur (détection de la somnolence ou de l'inattention) s'installent dans l'habitacle. Surtout, l'automobile devient un véhicule défini par logiciel (software-defined vehicle) : une part croissante de ses fonctions est livrée et améliorée par des mises à jour à distance (over-the-air), à la manière d'un smartphone, ce qui prolonge sa valeur bien après l'achat. L'IA sert aussi à la maintenance prédictive (anticiper l'usure d'un composant à partir des données de capteurs, section 18.3) et, en amont, à la conception et aux essais virtuels via les jumeaux numériques. Ces usages, plus discrets que le robotaxi, se déploient déjà à grande échelle sur des véhicules ordinaires.

18.3Agriculture, industrie et commerce

Repère

Le commerce agentique

Une tendance émergente prolonge la logique des agents (chapitre 6) jusqu'à l'achat : l'agent ne se contente plus de recommander un produit, il construit le panier, paie et conclut la transaction pour vous. Depuis fin 2025, des interfaces comme l'« Instant Checkout » de ChatGPT (via le protocole ACP coconçu par OpenAI et Stripe) permettent d'acheter au sein d'une conversation ; Google (protocole UCP), Visa (« Intelligent Commerce ») et Mastercard (« Agent Pay ») bâtissent des rails concurrents. Le mécanisme repose sur la tokenisation : plutôt que de confier son numéro de carte à l'agent, on lui délègue un jeton à usage restreint, plafonné, limité à un marchand, avec des seuils exigeant une validation humaine (cohérent avec la règle des actions à conséquence, chapitre 6). Exemple à grande échelle : l'agent Muse de Meta, lancé en septembre 2026 aux États-Unis, paie par le portefeuille Link de Stripe, chaque achat étant validé par l'utilisateur (chapitre 6). Le paiement est direct chez les marchands qui acceptent Link ; ailleurs, l'agent passe par une carte virtuelle à usage unique plafonnée. Les promesses sont grandes (certaines prévisions évoquent des centaines de milliards de dollars d'achats « agentiques » d'ici 2030), mais trois obstacles demeurent. La fraude d'abord : une transaction menée par un agent est dépourvue des signaux comportementaux sur lesquels reposent les systèmes antifraude (chapitre 20). La désintermédiation ensuite : si l'on achète depuis son assistant, marchands et banques risquent de perdre la relation directe avec le client. La fiabilité enfin : les premiers tests grand public ont parfois déçu (un essai très médiatisé a converti bien moins bien qu'un parcours d'achat classique). Beaucoup de ces paiements pourront aussi s'appuyer sur des stablecoins, notamment pour les micro-transactions entre machines (chapitre 11).

Repère

Les jumeaux numériques

Une notion structure de plus en plus l'industrie : le jumeau numérique (digital twin), une réplique virtuelle d'un objet, d'une machine, d'une usine, voire d'un organe, alimentée en continu par les données de capteurs de son équivalent réel. L'IA y joue deux rôles : faire tourner le jumeau (le simuler fidèlement) et en exploiter les données pour prédire et optimiser. On peut ainsi tester une modification sur le jumeau avant de toucher au système réel, anticiper une panne (la maintenance prédictive déjà évoquée), ou optimiser une ligne de production sans l'arrêter. Les applications dépassent l'usine : jumeaux de réseaux électriques, de bâtiments, de villes entières, et même, en médecine, de jumeaux d'organes (un coeur virtuel pour tester un traitement). Le principe rejoint celui des modèles du monde (chapitre 5) et de la simulation en robotique (chapitre 13) : disposer d'un double virtuel fidèle où essayer, à moindre risque et à moindre coût, ce qu'on ne peut pas se permettre d'expérimenter directement sur le réel. La limite est la même partout : un jumeau ne vaut que par la fidélité de son modèle et la qualité des données qui l'irriguent.

18.4Un dénominateur commun : données et confiance

À retenir (chapitre 18)

La finance est un usage avancé de l'IA (trading, détection de fraude, crédit, assurance), mais avec des risques de discrimination, de volatilité et d'hallucination.
Le véhicule autonome progresse : des robotaxis (niveau 4) circulent commercialement en 2026, mais le niveau 5 (partout, tout le temps) reste lointain à cause de la « longue traîne » des situations rares.
L'IA se diffuse aussi dans l'agriculture de précision, l'industrie (maintenance prédictive, qualité) et le commerce (recommandation, tarification dynamique).
Dénominateur commun : partout, l'IA carbure aux données et promet d'optimiser, mais bute sur l'opacité, les biais, la fiabilité et l'écart entre démonstration et déploiement. L'enjeu est la confiance.

Après les secteurs économiques, le chapitre 19 descend au plus près de l'intime : la vie quotidienne, les relations et la psychologie.

18.1Finance, banque et assurance#

18.2Transport et mobilité autonome#

18.3Agriculture, industrie et commerce#

18.4Un dénominateur commun : données et confiance#

À retenir (chapitre 18)

18.1Finance, banque et assurance

18.2Transport et mobilité autonome

18.3Agriculture, industrie et commerce

18.4Un dénominateur commun : données et confiance