Inter fait évoluer ses opérations d’IA grâce à watsonx Orchestrate
Inter, qui était à l’origine une banque numérique, est devenue l’une des plus grandes plateformes financières du Brésil. Elle sert aujourd’hui plus de 45 millions de clients grâce à un écosystème en pleine expansion regroupant des services bancaires, de paiement, de crédit, d’investissement et liés au mode de vie. L’évolution de son portefeuille s’est accompagnée d’un élargissement de la portée de ses interactions numériques. L’assistant virtuel de la banque, Seven, traitait les demandes de ses clients et les requêtes en libre-service pour plus de 180 produits, dont environ 80 parcours transactionnels reliés à plus de 100 API.
Avec l’évolution constante des attentes des clients, il était nécessaire de remplacer l’environnement conversationnel par un modèle opérationnel d’IA capable de déployer l’innovation à l’échelle tout en préservant la gouvernance et la résilience opérationnelle. Parallèlement, les nouvelles avancées en matière d’IA générative offraient la possibilité de proposer des expériences plus contextuelles et adaptatives que ne le permettaient les interactions traditionnelles basées sur des menus.
Pour Inter, le défi ne consistait pas simplement à soutenir cette évolution. Après avoir exploité pendant des années un vaste environnement conversationnel, la banque avait besoin d’une stratégie permettant d’étendre ses capacités d’IA tout en préservant sa fiabilité, ses intégrations et les pratiques opérationnelles sous-jacentes aux parcours clients critiques.
S’appuyant sur huit années de collaboration stratégique avec IBM, Inter a mis en place une infrastructure d’orchestration de l’IA évolutive, alimentée par IBM watsonx Orchestrate sur IBM Cloud, faisant ainsi évoluer l’un des plus grands environnements watsonx Assistant au monde. La plateforme coordonne plusieurs agents d’IA et automatise les activités opérationnelles, du déploiement à la gouvernance, ce qui permet à la banque de déployer l’IA à l’échelle avec cohérence et maîtrise opérationnelle. Cette initiative visait à faire évoluer l’architecture conversationnelle de la banque tout en préservant l’échelle, les intégrations et la continuité opérationnelle qui sous-tendent des millions d’interactions avec les clients. L’assistant virtuel d’Inter, Seven, traitait les demandes des clients et les requêtes en libre-service pour plus de 180 produits, ce qui faisait de la continuité tout au long de la migration une exigence essentielle. Les 18 assistants ont tous été migrés avec succès, tout en préservant les intégrations, les contrôles de gouvernance et la continuité opérationnelle qui sous-tendent environ 80 parcours en libre-service.
Grâce à cette migration, Inter est passée d’assistants traditionnels basés sur le TALN à sa plateforme d’orchestration de l’IA, permettant ainsi des parcours clients plus adaptatifs et contextuels. L’environnement prend en charge des expériences alimentées par l’IA tout au long des parcours en libre-service des clients, tels que les mises à jour d’adresse, les demandes de renseignements sur les limites de crédit, les demandes de remplacement de carte et le suivi de l’état des prêts sur salaire, entre autres services bancaires.
Les équipes d’IBM et d’Inter ont travaillé en étroite collaboration pour valider les intégrations, harmoniser les contrôles d’accès et assurer la continuité des services informationnels et transactionnels critiques, aidant ainsi la banque à moderniser sa base d’IA sans perturber ses opérations existantes.
La transformation a dépassé le simple cadre technologique. Inter a mis en place un centre d’excellence afin de promouvoir les normes de développement de l’IA, les pratiques de gouvernance et le partage des connaissances entre ses équipes. La banque a également automatisé ses processus de déploiement grâce aux API watsonx Orchestrate, créant ainsi un modèle opérationnel plus rationalisé et une base évolutive pour ses futures initiatives en matière d’IA.
En automatisant ses processus de déploiement via les API watsonx Orchestrate, Inter a considérablement réduit la charge opérationnelle nécessaire à la gestion de son environnement conversationnel. Rien qu’en 2025, les équipes ont effectué plus de 350 déploiements JSON manuels, ce qui représentait environ 700 heures de travail consacrées aux activités opérationnelles. Grâce à l’automatisation des déploiements, des activités qui nécessitaient auparavant des heures de travail manuel peuvent désormais être réalisées en quelques minutes (soit une réduction estimée à 95 % du travail de déploiement). Cela contribue à rationaliser la gestion des services conversationnels à l’échelle et permet aux équipes de se concentrer sur des initiatives d’IA à plus forte valeur ajoutée.
La réduction des travaux manuels a permis aux équipes de consacrer moins de temps aux tâches administratives et davantage à des initiatives visant à améliorer les parcours clients et à étendre les capacités d’IA à l’ensemble de l’entreprise. Des cycles de déploiement plus rapides offrent également une plus grande agilité lors de la mise en place de mises à jour et de la réponse aux besoins opérationnels, soutenant ainsi un portefeuille croissant de services numériques.
Grâce à son centre d’excellence et à sa base d’orchestration de l’IA, Inter dispose désormais d’un modèle opérationnel plus évolutif pour gérer ses services conversationnels et faire progresser ses futures initiatives en matière d’IA.
Pionnier de la transformation numérique des services financiers, Inter opère en tant que super application financière mondiale au service de plus de 45 millions de clients. Grâce à un écosystème complet de services financiers et non financiers, l’entreprise allie technologie, envergure et solidité financière pour élargir l’accès à des solutions qui contribuent à créer de la valeur dans la vie quotidienne de ses clients.
Mentions légales
© Copyright IBM Corporation. Août 2026.
IBM, le logo IBM, Cloud et watsonx Orchestrate sont des marques de commerce d’IBM Corp., déposées dans de nombreuses juridictions à travers le monde.
Exemples donnés à titre indicatif uniquement. Les résultats dépendent des configurations et des conditions du client et ne peuvent donc être généralisés.