Barclays met en œuvre Claude pour optimiser ses opérations et améliorer l'expérience client
Barclays élargit sa collaboration avec Anthropic, mais les chiffres de l'annonce recouvrent deux réalités : des outils déjà utilisés par les salariés et des objectifs d'adoption encore à atteindre. Pour les responsables métier et les équipes qui évaluent l'IA en entreprise, l'intérêt du cas est de comprendre les tâches concernées et les preuves nécessaires pour juger leurs résultats.
Ce qui est annoncé et ce qui reste un objectif
Dans son communiqué du 1er octobre 2026, Anthropic annonce une extension de l'utilisation de Claude chez Barclays. La banque prévoit que Claude Code sera adopté par 50 % de ses développeurs d'ici fin 2026, puis par la majorité de ses ingénieurs logiciels en 2027. Il s'agit de prévisions, pas de taux déjà atteints. Elles ne précisent ni la part du travail qui sera automatisée ni les économies attendues.
La source est le fournisseur de la technologie. Tous les chiffres cités ici sont des déclarations d'Anthropic, sans vérification indépendante. Le communiqué décrit des usages et une ambition de déploiement ; il ne permet pas, à lui seul, d'en établir la rentabilité.
Un assistant interne pour retrouver l'information
Selon Anthropic, le Colleague Knowledge Assistant de Barclays UK fonctionne depuis 2025. Fondé sur Claude et la génération augmentée par récupération de documents, ou RAG, il a été adopté par plus de 16 000 salariés et a traité plus d'un million de recherches. Il aide les équipes qui servent plus de 20 millions de clients particuliers. Les utilisateurs de l'assistant sont les salariés : le nombre de clients ne correspond pas à des utilisateurs attestés de Claude.
Le principe du RAG consiste à rechercher des documents pour alimenter la génération d'une réponse. L'intérêt potentiel est de retrouver une information interne au moment de traiter une demande. Encore faut-il vérifier que le document est à jour, pertinent et correctement interprété.
Trier les demandes avant de les traiter
Le deuxième cas concerne Global Markets. Anthropic décrit l'utilisation de Claude pour classer, enrichir et orienter les demandes reçues par courriel. La plateforme traite environ 120 000 courriels par jour. Ce chiffre décrit son volume d'activité, sans démontrer que chaque message est résolu automatiquement ou sans intervention humaine.
Orienter une demande vers la bonne équipe et la résoudre sont deux tâches distinctes. Un classement pertinent pourrait éviter des transferts inutiles ; une erreur pourrait retarder une demande urgente. Ce sont des effets possibles à mesurer, pas des résultats quantifiés dans l'annonce. Il faut aussi déterminer qui reprend la main lorsque le classement est incertain.
Ce que les chiffres mesurent, et ce qu'ils ne prouvent pas
Le nombre de salariés et de recherches renseigne sur l'adoption et l'activité déclarées. Le volume quotidien de courriels décrit une charge de travail. Aucun de ces indicateurs ne prouve, à lui seul, la qualité, la précision ou les économies réalisées. Le communiqué ne présente pas de comparaisons auditées sur les coûts, les délais de résolution, l'exactitude des réponses ou la satisfaction client.
Une même question peut entraîner plusieurs recherches sans être résolue. Pour évaluer l'assistant, il faudrait notamment connaître la proportion de réponses correctes et le travail de vérification nécessaire. Un volume élevé donne une raison d'étudier le processus ; il ne suffit pas à démontrer son efficacité.
Deux pistes à évaluer dans une PME
L'analyse de Berraquero conduit à envisager deux essais ciblés : répondre aux questions internes récurrentes à partir de documents validés, ou trier des demandes lorsque leur volume mobilise réellement les équipes. Ce sont des propositions d'évaluation, pas des pratiques de Barclays établies par cet article. Les objectifs d'adoption de la banque ne constituent pas une référence à reproduire dans une PME.
Pour le premier essai, mieux vaut choisir un sujet limité, désigner un responsable des documents et demander des références consultables. Pour le second, il faut des catégories claires, des exemples représentatifs et une personne chargée des cas ambigus. Si les demandes sont rares ou les documents mal organisés, remettre le processus en ordre peut être plus utile que d'ajouter une IA.
Fixer les conditions et mesurer le travail complet
Anthropic affirme que Barclays applique des contrôles de sécurité, une gouvernance et une supervision humaine. Cette affirmation ne vaut pas audit. Pour un essai dans une autre entreprise, il convient de définir les droits d'accès, les données personnelles à exclure, la conservation des requêtes et les personnes habilitées à corriger ou autoriser une action. Le budget doit couvrir l'intégration technique, la maintenance documentaire, l'utilisation du service et la vérification humaine.
Mesurez d'abord le traitement de tâches comparables sans le nouvel outil. Pendant l'essai, vérifiez les réponses à partir de sources validées et suivez les erreurs d'orientation, le temps total avec les corrections et le coût par demande correctement résolue. Incluez des questions sans réponse et des demandes ambiguës. Fixez à l'avance les critères de poursuite ou d'arrêt : un essai doit améliorer le processus sans dégrader la qualité ni la confidentialité.
Pour adapter ces enseignements à une petite entreprise, consultez notre guide pour intégrer l'IA dans les PME sans perdre le contrôle.
Source : Consulter le communiqué d'Anthropic sur Barclays pour distinguer les objectifs des usages déclarés (1er octobre 2026, en anglais).
Publié: 07/11/2026.
Cet article peut avoir été élaboré avec l’aide d’outils d’intelligence artificielle. Voir la politique IA
Tu peux soutenir le projet ou partager cet article en un clic. Au moins ici, il y a une vraie sortie utile.