PSB a montré comment il intègre l'IA dans la banque : chatbots, RAG et services métier

La PSB a révélé non pas un simple ensemble d'expériences en IA, mais un schéma assez rigide et pragmatique pour mettre en œuvre l'IA dans l'écosystème bancaire. La banque souligne qu'elle n'a pas cherché à être parmi les premières à tester chaque outil LLM, mais a plutôt construit systématiquement des solutions où l'impact commercial pouvait être vu rapidement : dans le service des petites et moyennes entreprises, l'automatisation des consultations et la réduction de la charge de travail des employés. En conséquence, la PSB opère déjà une combinaison de bots basés sur des scénarios, d'un assistant génératif, d'une recherche basée sur RAG dans sa base de connaissances et de pilotes pour les équipes internes.

Dans les services externes, l'accent principal est mis sur les entrepreneurs. La PSB utilise des modèles de recommandation dans son CRM pour analyser les transactions et suggérer des tarifs plus appropriés, des produits et des raisons de contacter les clients. La logique est simple : l'IA ne doit pas divertir, mais économiser de l'argent et du temps.

Par exemple, le système peut remarquer qu'un client paie régulièrement trop pour des opérations dépassant sa limite et bénéficierait de passer à un tarif différent. Ou suggérer la possibilité de transférer une contrepartie à la PSB si cela réduit les frais de paiement pour les deux parties. Selon la banque, environ 98 % des services pour entrepreneurs sont maintenant disponibles à distance, et 74 % subissent une automatisation de bout en bout sans intervention humaine aux étapes intermédiaires.

Le produit clé ici est l'assistant IA « Katyusha », disponible dans l'application de banque en ligne, l'application mobile, le site web et VK. Il est utilisé non seulement comme un chatbot pour répondre aux questions, mais aussi comme un outil appliqué pour les tâches commerciales de routine : préparation de textes de vente, création de descriptions de produits sur les places de marché, réponse aux avis, rédaction de publications sur les réseaux sociaux et même formulation de questions d'entrevue pour les candidats. La banque rapporte environ quatre mille demandes par trimestre et souligne que le service reste gratuit pour les clients du segment PME.

Sous le capot, fonctionne un LLM russe, que la PSB a commencé à tester dans un pilote précoce. L'idée ici est de rassembler les scénarios les plus fréquents dans une seule interface plutôt que d'envoyer les clients vers divers services externes. L'étape suivante consiste à mettre en œuvre RAG dans le flux de consultation de Katyusha.

Selon la PSB, cette couche a fourni le saut qualitatif le plus notable : dans le pilote, l'automatisation des demandes a augmenté de 7 %, le temps moyen de résolution des problèmes a été réduit de huit fois et la satisfaction des clients dans le chatbot a augmenté de 21 %. En même temps, la part des réponses incorrectes a été réduite de 3 % à 1 %. C'est un résultat important pour la banque, car à des niveaux élevés d'automatisation, chaque point de pourcentage supplémentaire devient beaucoup plus difficile à obtenir qu'au départ.

Un problème distinct s'est avéré être le filtre éthique du LLM : lors des tests, il a bloqué près de 30 % des demandes en raison de la formulation dans la base de connaissances. Après réécriture des textes, remplacement des mots sensibles et ajout du post-traitement, la part de tels blocages a été réduite à 1 %, ce qui a rendu le pilote viable. Une direction distincte est la banque dans les messagers et l'IA interne pour les employés.

Depuis 2023, Katyusha fonctionne dans VK non seulement en tant que conseiller, mais aussi comme interface pour les opérations RCC de base : émission de factures, effectuation de paiements, consultation de relevés et de soldes. En 2025, le nombre d'utilisateurs actifs de ce canal a augmenté de 35 %, et plus de 60 mille paiements ont été traités par celui-ci. Après cela, la PSB a également lancé des services de paiement dans MAX.

Au sein de la banque, le pilote pour les employés a démarré en octobre 2025 : initialement avec 25 personnes qui doivent répondre rapidement aux demandes des bureaux de vente et des responsables commerciaux. L'objectif était de libérer environ 10 % du temps de travail, mais lors du pilote, il est devenu clair que l'IA apporte le plus de valeur non sur les questions typiques, mais dans des scénarios plus étroits sans données personnelles, où les consultations précises et les conseils sur les produits sont importants. De tout cela émerge une stratégie assez claire.

La PSB ne tente pas de construire une banque IA universelle en une seule étape, mais distribue les tâches par niveaux de risque et d'avantage : modèles cloud pour les scénarios de contenu et non personnalisés, bots basés sur des scénarios pour les réponses rapides et simples, RAG pour les consultations évolutives, et LLM au sein du flux de travail pour les données sensibles et les services internes. En 2026, la banque prévoit de déployer LLM dans son périmètre et d'augmenter la part des réponses basées sur RAG dans le flux de consultation général de 4 % à 16 %. Pour le marché, c'est un cas exemplaire de la façon dont une grande banque met en œuvre l'IA générative non pas pour l'apparence, mais comme un outil de travail avec des métriques claires.