Prompt engineering : comment une banque marocaine gagne du temps

Avant la formation, plusieurs collaborateurs utilisaient déjà ChatGPT ou Copilot de façon informelle, avec des résultats inégaux : réponses trop génériques, tonalité inadaptée au client, relectures longues. Le problème n'était pas l'outil mais l'absence de structure dans la formulation des demandes.

Ce constat est fréquent dans le secteur bancaire et assurantiel marocain, où la rigueur du langage et la conformité réglementaire ne laissent pas de place à l'approximation.

L'équipe adopte une grille simple : préciser le rôle attendu de l'IA, le contexte du dossier, la tâche exacte et le format de sortie souhaité. Sur les dossiers récurrents, elle ajoute des exemples concrets (few-shot) pour que l'IA reproduise le style et le niveau de formalisme attendus par la banque.

Pour les analyses plus complexes, comme la synthèse d'un dossier, la technique de chain-of-thought permet de faire raisonner l'outil étape par étape plutôt que de demander une réponse directe, ce qui réduit les erreurs.

En quelques semaines, l'équipe constitue une dizaine de prompts réutilisables pour les tâches les plus fréquentes : réponse à une réclamation, synthèse de rendez-vous client, préparation d'un argumentaire produit. Chaque nouveau collaborateur peut désormais s'appuyer sur cette base plutôt que repartir de zéro.

Cette capitalisation collective, plus que la seule maîtrise individuelle d'un outil, est ce qui transforme un gain ponctuel de temps en avantage durable pour l'équipe.

Le secteur bancaire manipule des données personnelles et financières sensibles, directement concernées par la Loi 09-08 et le contrôle de la CNDP. La règle appliquée est stricte : jamais de nom, numéro de compte ou donnée identifiante dans un prompt envoyé à un outil grand public non validé par la conformité interne.

Cette discipline, intégrée dès la formation, est ce qui permet à la banque de concilier gains de productivité et exigences réglementaires du secteur financier marocain.