IA dans les banques tunisiennes : usages, règles et limites

L'intelligence artificielle dans les banques tunisiennes est une réalité, mais encore embryonnaire. Les usages les plus visibles sont les chatbots, la vérification d'identité à distance et les outils de scoring, souvent développés avec des entreprises tech locales, alors qu'aucune règle spécifique à l'IA n'encadre encore le secteur. Pour les fondateurs de fintech, ce vide est à la fois une opportunité et un risque.

Où l'IA est déjà utilisée dans la banque tunisienne

Les informations publiques sur les projets d'IA des banques restent rares, mais plusieurs cas concrets sont documentés.

Les chatbots de service client

En septembre 2020, Amen Bank a lancé AmenBot, présenté comme le premier chatbot bancaire intelligent en Tunisie. Conçu par les équipes de la banque avec la startup tunisienne Deepera.AI, il s'appuyait sur le traitement automatique du langage pour renseigner sur les produits, recueillir les réclamations et accompagner l'ouverture de compte en ligne avec Amen First Bank, avec un relais vers des conseillers si nécessaire. Il a été lancé sur Facebook Messenger, disponible 24 heures sur 24.

La vérification d'identité à distance

C'est le domaine où l'IA passe de l'expérimentation à la réglementation. Une circulaire de la BCT du 28 février 2025 autorise l'enrôlement électronique des clients des banques, à condition que la vérification soit au moins aussi fiable qu'en présentiel. Pour les établissements de paiement, la circulaire 2026-10, publiée le 25 septembre 2026, exige au moins deux facteurs d'authentification et une vérification de présence par reconnaissance faciale ou procédé équivalent, technologie à auditer au moins tous les deux ans, selon Challenges et Webdo. La détection du vivant et la vérification documentaire reposent généralement sur la vision par ordinateur. Notre dossier sur l'e-KYC et la lutte anti-blanchiment détaille ces règles.

Crédit et gestion des risques

Le crédit est le prochain chantier. L'institution de microfinance islamique Zitouna Tamkeen a mis en production en juin 2025 une plateforme de gestion du crédit de l'éditeur tunisien Talys Solutions, intégrant scoring, filtrage et contrôles anti-blanchiment. La startup EasyBank, qui a levé 1,2 million de dinars en janvier 2025 selon Wamda, dit utiliser l'IA pour personnaliser le conseil et fluidifier l'examen d'éligibilité aux prêts. Dès 2021, la première cohorte de la sandbox de la BCT comptait des projets recourant à l'IA pour l'identification à distance.

Plusieurs banques affichent aussi leur intérêt. L'UBCI, par exemple, était partenaire du Global AI Congress Africa organisé à Sousse en novembre 2025 et a déclaré miser sur l'IA pour renforcer son agilité et son innovation.

Le cadre public

La Tunisie ne dispose encore ni d'une loi sur l'IA ni de règles sectorielles publiées pour l'IA en finance.

• Stratégie nationale. En février 2025, le ministère des Technologies de la communication indiquait que la stratégie nationale d'IA était en phase finale d'élaboration, un plan opérationnel devant suivre. Nous n'avons pas pu confirmer son adoption formelle en octobre 2026.
• Plan de développement. Le plan 2026-2030 place la transformation numérique parmi ses priorités, avec l'inclusion financière et l'équilibre régional.
• Protection des données. La principale contrainte reste la loi organique 2004-63 sur les données personnelles, sous la supervision de l'INPDP. Antérieure à l'apprentissage automatique moderne, elle est présentée comme en cours de refonte. Voir notre article sur la protection des données pour les fintechs.

Dans des tribunes publiées en 2026 par L'Economiste Maghrébin et Business News, Abdelwaheb Ben Moussa, cadre informatique dans une banque publique, estime que la BCT et le Conseil bancaire et financier pourraient édicter des lignes directrices propres à l'IA : validation des modèles, tests de résistance, reporting. Il propose une trajectoire graduelle : automatisation documentaire et chatbots d'abord, puis détection de fraude et scoring alternatif des PME, et seulement ensuite allocation dynamique du crédit.

Une modernisation à deux vitesses

Le même auteur décrit une modernisation « à deux vitesses ». Les banques privées ont davantage de marges pour investir dans le scoring, la lutte contre la fraude et l'analyse prédictive. Les banques publiques composent avec des systèmes d'information vieillissants, la qualité de leurs actifs et des budgets contraints, et l'IA ne règle ni les créances douteuses ni les faiblesses de gouvernance.

D'autres risques concernent toutes les banques :

• La dépendance aux outils étrangers. La plupart des solutions sont développées à l'étranger, ce qui limite la capacité d'auditer les algorithmes ou de détecter les biais.
• L'explicabilité. Une décision de crédit automatisée est plus difficile à comprendre pour le client, l'auditeur et le superviseur.
• La qualité des données. Un modèle ne vaut que par les données du core banking, que beaucoup de banques sont encore en train de migrer.
• La cybersécurité. Plus d'automatisation, c'est plus de surface d'attaque. Voir notre article sur la cybersécurité du secteur financier.

Les opportunités pour les startups tunisiennes

La Tunisie dispose d'un vivier de talents en IA, comme l'illustre le parcours d'InstaDeep, rachetée par BioNTech (voir les leçons d'InstaDeep). Côté banque, les débouchés sont concrets :

1. Des modèles de langage en arabe, en dialecte tunisien et en français pour le service client, où les outils étrangers sont souvent faibles.
2. L'e-KYC et la détection du vivant, adaptés aux pièces d'identité tunisiennes et aux nouvelles exigences d'audit de la BCT.
3. Le scoring alternatif des petites entreprises, des agriculteurs et des emprunteurs sans historique, à partir des données de transactions et de wallets, dans le respect de la protection des données.
4. La détection de fraude sur le paiement mobile, dont le nombre d'opérations a progressé de 80,5 % en 2025 selon la BCT.
5. Les outils de conformité pour le filtrage anti-blanchiment et le reporting réglementaire.

Pour vendre aux banques, il faut s'attendre à des cycles d'achat longs, à des exigences strictes d'hébergement des données et à des questions sur l'explicabilité des modèles. Concevoir des solutions auditables deviendra sans doute un argument commercial dès que le superviseur publiera des orientations sur l'IA.