Santander a annoncé dans un communiqué daté du 19 octobre 2026, publié à Madrid et à Santa Clara, que son AI Lab, avec le soutien de NVIDIA, a construit de nouvelles capacités pour évaluer les modèles et agents d'IA destinés aux applications bancaires. Le chiffre marquant vient d'expériences sélectionnées : après le passage à des modèles plus petits et spécialisés, le coût de service est tombé d'environ 5 € par interaction à environ 0,03 €, avec des performances toujours solides.
Model Arena traite d'abord la question du choix
La banque n'a pas commencé par acheter un modèle plus grand, mais par construire une arène d'évaluation. Son AI Lab a créé Model Arena pour tester les modèles à poids ouverts sur des tâches bancaires et identifier celui qui convient à chaque charge de travail, puis spécialise les modèles retenus avec NVIDIA NeMo Customizer. Pour les données structurées, le Lab a bâti une intelligence spécialisée sur NVIDIA Kumo, une famille de modèles de fondation à poids ouverts, transformant des années de données bancaires structurées en informations prédictives pour des services agentiques. Côté inférence, il industrialise le service dans sa propre architecture avec NVIDIA Dynamo-Triton. La baisse de coût vient de l'ensemble de cette combinaison, pas d'une seule étape.
Une expérience de service client fournit des chiffres vérifiables
Dans une expérience de service client, le déploiement d'un modèle plus efficace a amélioré la qualité des conversations tout en réduisant les coûts de plus de 50 %. Il faut noter que le passage de 5 € à 0,03 € est explicitement limité, dans le communiqué, à des cas d'usage expérimentaux sélectionnés, et non à une moyenne sur toute la banque. Il montre ce que le choix et la spécialisation peuvent économiser sur une tâche précise, pas que toutes les tâches bancaires peuvent être réduites dans la même proportion.
Le cadre de trois ans va au-delà du matériel
Santander et NVIDIA ont aussi établi un cadre de collaboration de trois ans pour la phase suivante, couvrant les modèles de fondation, les agents d'IA, la lutte contre la fraude et le blanchiment, la décision en temps réel et des simulations avancées comme un jumeau numérique bancaire. Model Arena doit également concevoir, simuler, évaluer et superviser des agents bancaires, avec des tests adverses de l'IA conversationnelle en environnement contrôlé, afin que les technologies émergentes soient éprouvées aux exigences bancaires avant tout déploiement à grande échelle.
L'enjeu réel est le changement d'indicateur : Aser Blanco, responsable mondial de la banque chez NVIDIA, qualifie le coût par résultat d'intelligence d'indicateur clé. Quand les banques choisissent selon cette mesure, les grands modèles généralistes ne gagnent plus par défaut, et les petits modèles que l'on peut évaluer sur des tâches réelles, spécialiser et servir à bas coût prendront une part plus grande. Pour les autres institutions financières, ce qui est reproductible n'est pas un modèle en particulier, mais l'ordre des opérations : construire d'abord l'arène d'évaluation, décider ensuite du déploiement.
