L'IA générative pour les appels enregistrés d'un courtier : transcrire et rechercher sur vos propres serveurs ou acheter un produit de conformité

En vertu de MiFID II, une entreprise d'investissement de l'UE doit enregistrer les appels portant sur les ordres de ses clients et sur ses propres transactions, conserver les enregistrements pendant cinq ans et les contrôler périodiquement. L'IA générative peut transformer ces enregistrements en texte, en résumés et en index de recherche, si bien qu'un contrôleur peut aller directement au moment pertinent d'un appel sans écouter des heures d'audio. Vous pouvez acheter cette fonction dans le cadre d'un produit d'enregistrement pour la conformité, ou faire tourner des modèles ouverts sur vos propres serveurs pour que les enregistrements ne quittent jamais vos systèmes. Dans les deux cas, l'enregistrement audio reste l'enregistrement qui fait foi, et une personne devrait l'écouter avant d'agir sur la base d'une transcription, car les modèles vocaux écrivent parfois des mots que personne n'a prononcés.

Que demandent les règles de l'UE à un courtier pour ses appels enregistrés ?

L'article 16, paragraphe 7, de MiFID II, la directive européenne sur les services d'investissement, prévoit que les enregistrements d'une entreprise d'investissement doivent inclure les conversations téléphoniques et les communications électroniques portant au moins sur deux choses : les transactions que l'entreprise conclut pour compte propre, et la réception, la transmission et l'exécution des ordres des clients. Cela inclut les appels destinés à aboutir à une transaction, même si aucune transaction ne s'ensuit. Les entreprises doivent informer leurs clients à l'avance que ces appels sont enregistrés.

La version en ligne de l'article publiée par l'ESMA, l'autorité européenne des marchés financiers, indique que ces enregistrements « sont conservés pendant une période de cinq ans », et jusqu'à sept ans si l'autorité de surveillance de l'entreprise le demande. Ils doivent aussi être fournis sur demande au client concerné. Toutes les sources de cet article ont été consultées le 2 novembre 2026.

L'article 76 du règlement délégué (UE) 2017/565 de la Commission en précise les modalités. Les dispositions suivantes comptent pour un projet d'IA :

• Pour vérifier que les règles d'enregistrement et de tenue des registres sont respectées, les entreprises « contrôlent périodiquement les enregistrements des transactions et des ordres soumis à ces exigences, y compris les conversations pertinentes », et ce contrôle « est fondé sur les risques et proportionné »
• Les enregistrements doivent être conservés sous une forme « qui ne permet pas de modifier ou de supprimer l'enregistrement original », et ils doivent être « facilement accessibles »
• Les entreprises « garantissent la qualité, l'exactitude et l'exhaustivité des enregistrements de toutes les conversations téléphoniques enregistrées »

Une transcription produite par un modèle est donc un moyen de retrouver des éléments dans l'enregistrement, et elle ne devrait jamais remplacer ni modifier l'audio.

Que peut faire l'IA générative avec les enregistrements ?

Deux grands types de modèles font le travail. Un modèle de reconnaissance vocale transforme l'audio en texte, et un modèle de langage, du type de ceux qui font tourner les assistants conversationnels, travaille sur ce texte. Avec quelques outils plus petits, ils peuvent :

• Rédiger une transcription avec un horodatage sur chaque ligne, pour qu'un contrôleur puisse sauter à ce moment de l'audio
• Indiquer qui parle. C'est ce qu'on appelle la diarisation, et elle demande généralement un modèle distinct
• Résumer un appel en quelques lignes qui indiquent, par exemple, l'instrument, le montant et ce que le client a demandé
• Permettre aux équipes de conformité de rechercher dans tous les appels par mots exacts ou par le sens, par exemple pour trouver tous les appels où l'on a promis à un client un rendement sur un investissement, quels que soient les mots employés
• Sélectionner des appels à faire contrôler par une personne, selon des règles écrites par l'équipe conformité

Aucun des deux modèles ne devrait décider si un appel a enfreint une règle. OpenAI publie une fiche de modèle pour Whisper, son modèle ouvert de reconnaissance vocale : un document qui décrit à quoi sert le modèle et où il montre ses limites. La fiche déconseille son utilisation « dans des domaines à haut risque, comme les contextes de prise de décision, où des défauts de précision peuvent entraîner des défauts marqués dans les résultats. » Une conclusion concernant un client ou un salarié devrait venir d'une personne qui a écouté l'appel.

La même fiche de modèle met en garde contre la transcription d'enregistrements de personnes « réalisés sans leur consentement ». MiFID II oblige les entreprises à informer leurs clients que les appels sont enregistrés. La question de savoir si cette information couvre aussi la transcription par un modèle relève de votre délégué à la protection des données.

Si le système signale des appels de salariés, demandez à votre avocat comment s'applique le règlement européen sur l'IA (AI Act). Son annexe III classe comme à haut risque les systèmes d'IA utilisés « pour suivre et évaluer les performances et le comportement de personnes » dans le cadre de relations de travail. Son article 5 interdit l'IA qui déduit les émotions des personnes sur le lieu de travail, sauf pour des raisons médicales ou de sécurité.

Quelle est la précision des transcriptions ?

La précision dépend de la langue, de la qualité de la ligne téléphonique et du vocabulaire, comme les noms d'instruments. La page du projet Whisper indique que sa performance « varie fortement selon la langue ». La fiche de modèle ajoute que la précision est inégale selon les accents et les dialectes, et que la sortie « peut contenir des textes qui ne sont pas réellement prononcés dans l'entrée audio (c'est-à-dire des hallucinations) ».

Ce type de texte inventé est peu courant. Une étude de 2024 menée par Allison Koenecke et ses collègues a envoyé en 2023 de courts extraits, d'environ une phrase chacun, au service Whisper d'OpenAI. Elle a constaté qu'« environ 1 % des transcriptions audio contenaient des expressions ou des phrases entières hallucinées ». Ces passages inventés apparaissaient plus souvent chez les locuteurs qui marquent de longues pauses en parlant. Quand les chercheurs ont de nouveau soumis les extraits problématiques en décembre 2023, beaucoup d'erreurs avaient disparu et certaines subsistaient. Un appel contient de nombreuses phrases : le risque d'une erreur quelque part dans un appel est donc plus élevé que pour un seul extrait.

Dans un appel qui concerne une transaction, les erreurs coûteuses touchent les chiffres, les noms d'instruments et le fait que le client ait dit d'acheter ou de vendre. Testez tout système sur vos propres appels avant de vous y fier :

• Prenez un échantillon d'appels récents provenant de différents desks, langues et lignes téléphoniques, et faites rédiger par des personnes des transcriptions exactes de ces appels
• Comparez le texte du modèle à ces transcriptions, et comptez les erreurs sur les montants, les prix, les noms d'instruments et les instructions d'achat ou de vente séparément de toutes les autres erreurs
• Quand un appel a abouti à un ordre, vérifiez le montant de la transcription par rapport à l'ordre dans votre système de trading
• Refaites le test chaque fois que le modèle ou ses réglages changent

Faut-il acheter un produit ou faire tourner les modèles sur nos propres serveurs ?

Les produits d'enregistrement et d'archivage destinés à la conformité proposent déjà la transcription et la recherche. Smarsh en fait partie : sa page sur les enregistrements vocaux indique que le produit peut « convertir automatiquement les appels en texte interrogeable » et cite « des résumés générés par l'IA, l'analyse des sentiments, le caviardage et l'enrichissement des métadonnées ». Smarsh qualifie sa technologie de « cloud-native », c'est-à-dire conçue pour fonctionner dans le cloud.

C'est l'option la plus rapide si vous archivez déjà vos appels chez un tel fournisseur et que vous avez le droit de faire traiter l'audio dans son cloud. Avant de signer, demandez dans quels pays l'audio et les transcriptions sont traités et stockés, s'ils servent à entraîner les modèles du fournisseur, et comment vous pouvez les exporter en totalité si vous changez de fournisseur.

Faire tourner les modèles vous-même signifie utiliser des modèles ouverts sur des serveurs que vous contrôlez. Un modèle ouvert est un modèle dont le créateur publie les fichiers pour que chacun puisse les télécharger et le faire tourner. La page du projet Whisper indique que son code et ses poids de modèle, les fichiers qui contiennent ce que le modèle a appris, sont publiés sous licence MIT. Le grand modèle de Whisper a besoin d'environ 10 Go de mémoire GPU, et son modèle turbo, plus rapide, d'environ 6 Go. Cela tient sur un seul GPU de centre de données, un processeur conçu pour le type de calculs que font les modèles.

Pour la diarisation, la boîte à outils open source pyannote publie un modèle appelé community-1 sous licence CC-BY-4.0. Vous téléchargez ses fichiers depuis Hugging Face, un site qui héberge des fichiers de modèles, après avoir accepté les conditions d'utilisation du modèle, et il tourne ensuite sur vos propres serveurs. Avec ses réglages par défaut, la boîte à outils envoie aussi à pyannote des données d'usage anonymes, comme la durée de chaque fichier traité, et sa page de projet explique comment désactiver cet envoi.

La même boîte à outils peut faire appel à un modèle payant, precision-2. Dans l'exemple de la page du projet, celui-ci « s'exécute sur les serveurs de pyannoteAI », et la page de tarifs de pyannoteAI propose aussi un déploiement sur site dans son offre Enterprise. Le prestataire qui construit votre système devrait vous montrer quel modèle il utilise et où ce modèle tourne, car le nom seul ne vous dit pas où va l'audio.

Les résumés et la recherche par le sens demandent leurs propres modèles sur les mêmes serveurs. La quantité de mémoire GPU qu'occupe un modèle de langage est traitée dans l'article sur l'exploitation de l'IA générative sur vos propres serveurs.

Vos propres serveurs se justifient quand :

• Les enregistrements ne doivent pas quitter vos systèmes, en raison de votre propre politique ou des contrats de vos clients
• Vous voulez des transcriptions et des résumés reliés à la fiche client et à l'ordre dans vos propres systèmes
• Vos appels sont dans des langues ou avec des accents que les produits que vous avez testés gèrent mal
• Votre volume d'appels rend les frais d'un produit supérieurs au coût des serveurs et des personnes qui les exploitent

Quelle que soit l'option choisie, traitez les transcriptions et les résumés comme les enregistrements eux-mêmes. Donnez-leur les mêmes droits d'accès, la même durée de conservation et les mêmes règles de suppression que les enregistrements, et validez-les avec votre équipe conformité et votre délégué à la protection des données. Décidez à l'avance si un client qui demande une copie d'un enregistrement reçoit aussi la transcription.

Que demander à une société qui construirait le système ?

• Quel modèle vocal et quel modèle de langage tourneront, sous quelles licences, et sur les serveurs de qui ?
• Une partie du système, y compris la diarisation et la recherche, envoie-t-elle de l'audio, du texte ou des données d'usage à un service extérieur ?
• Comment allez-vous tester la précision sur nos appels, et comment les montants, les prix et les noms d'instruments sont-ils vérifiés ?
• Comment un contrôleur passe-t-il d'une ligne de la transcription au même moment dans l'audio original ?
• Comment les enregistrements originaux sont-ils protégés contre toute modification ou suppression ?
• Qui peut voir quels appels, et chaque recherche et chaque écoute sont-elles journalisées ?
• Quand nous changeons de modèle, le test est-il refait, et les anciennes transcriptions sont-elles conservées telles quelles ou reproduites avec le nouveau modèle ?

Où se situe amBrain ?

Le seul projet client avec un modèle de langage qu'amBrain décrit publiquement est le suivant : « Nous avons mené une intégration de LLM jusqu'en production dans le périmètre FinTech d'un client : extraction et normalisation d'avis non structurés de courtiers et de places de marché — opérations sur titres, changements d'instruments et de marges — en enregistrements structurés consommés par le système de trading. »

Cet article n'est pas une étude de cas et ne décrit aucun travail pour un client. Il ne dit pas qu'amBrain a construit pour un client un système de transcription d'appels, de recherche vocale ou de surveillance de la conformité, et le projet cité plus haut ne porte que sur des avis écrits. Les sociétés et les produits nommés ici sont cités d'après leurs pages publiées, et l'article n'affirme aucune relation entre amBrain et l'un d'eux. Il ne donne ni prix ni délais d'amBrain.

Ce n'est pas non plus un conseil juridique. L'article ne couvre que les règles de l'UE. Les autres pays ont les leurs : vérifiez donc les règles applicables à votre entreprise avec un avocat.

amBrain développe des logiciels depuis 2019. Elle travaille en trois formats : la prestation complète, une équipe dédiée ou des ingénieurs intégrés à votre équipe. Sur la propriété, sa formule est : « Le client conserve la pleine propriété du produit et du code, à l'exception de nos composants réutilisables. » Si amBrain figure sur votre liste restreinte, posez-lui les mêmes questions qu'à n'importe quelle autre société.