WEX : les paiements, couche de contrôle des agents IA en B2B

Le paiement, empreinte numérique de l'activité

Chaque transaction — carte, virement ACH ou carte virtuelle — laisse des traces sur l'identité du payeur, la destination des fonds, la nature de l'achat et les anomalies éventuelles. Ces signaux restent largement inexploités, non faute d'efforts des entreprises, mais parce que le travail et le paiement se déroulent dans deux systèmes distincts.

« Le problème de fond, c'est que le travail se fait à un endroit et le paiement à un autre. Les gens recousent cela à la main, ce qui crée des délais et des erreurs à mesure que le volume augmente », explique Ryan Taylor, vice-président senior de la gestion produit pour la mobilité et les paiements chez WEX, lors d'un échange pour l'événement B2B Payments 2026 de PYMNTS, consacré à la fraude B2B avant que l'IA ne déplace l'argent, selon PYMNTS.

L'intelligence artificielle peut supprimer une partie de ce raccommodage manuel. Mais l'enjeu principal est ailleurs : réduire la distance entre la détection de ce qui devrait être fait et son exécution sécurisée. Les systèmes d'IA savent de mieux en mieux repérer une facture suspecte, un lieu de ravitaillement incohérent pour un véhicule de flotte, une dérive de prix fournisseur ou une transaction méritant une intervention. Identifier la bonne action ne signifie pas pour autant disposer de l'autorité pour l'accomplir, surtout lorsqu'il s'agit de déplacer de l'argent d'entreprise.

« Les données de paiement sont intéressantes parce qu'elles constituent vraiment l'empreinte numérique de l'entreprise », souligne Ryan Taylor. « Elles disent plus que ce qui a été dépensé. Elles peuvent révéler ce qui se passait dans l'entreprise à l'instant précis où le paiement a eu lieu. »

Contexte, contrôles, clarté : les trois piliers

Le prochain goulot d'étranglement de l'IA en entreprise se dessine autour de la permission, pas de l'intelligence. L'infrastructure de paiement apporte ce que les modèles ne peuvent pas générer seuls : des frontières opposables sur ce qu'un système d'IA est réellement autorisé à faire.

Savoir qu'un conducteur a dépensé 100 dollars de carburant relève de la comptabilité. Croiser le passage de carte avec la localisation du véhicule, son niveau de carburant, son itinéraire et son comportement habituel produit un contexte opérationnel. Un système d'IA peut alors déterminer si l'achat est légitime, si le montant est cohérent et si le conducteur aurait pu faire le plein moins cher ailleurs.

Pour Ryan Taylor, un dispositif d'IA efficace repose sur trois éléments : le contexte, les contrôles et la clarté. Il compare la démarche à l'intégration d'un salarié. « Il faut leur donner du contexte. Il faut les placer dans le bon environnement de contrôle pour qu'ils puissent apprendre et grandir sans faire de mal. Et il faut aussi de la clarté. Ils doivent savoir à quoi ressemble la réussite », dit-il.

La course à l'IA en entreprise pourrait donc devenir en partie une course à l'identité et aux permissions : quel agent agit, pour le compte de qui, avec quelle autorité déléguée, auprès de quels contreparties, dans quelle limite de dépense et à quel moment une validation humaine est requise.

La carte virtuelle comme portefeuille des agents

Les cartes virtuelles savent déjà restreindre le commerçant, le montant, le moment et le nombre de transactions. Dans un environnement d'agents, ces fonctions deviennent des permissions programmables pour des machines.

« L'une des principales raisons pour lesquelles les cartes virtuelles sont si intéressantes à l'approche d'un avenir agentique, c'est que les contrôles sont intégrés directement dans les paiements eux-mêmes », explique Ryan Taylor. « Nous ne voulons pas donner aux agents un accès illimité à nos comptes bancaires d'entreprise. Nous devons encadrer comment et quand ils exécutent des paiements, et comment l'argent circule réellement, pour maîtriser l'exposition au risque. »

La pile de paiements d'entreprise pourrait ainsi fonctionner moins comme une tuyauterie que comme une interface de programmation de l'autorité financière. Un agent peut juger qu'une facture doit être payée ; l'infrastructure de paiement détermine si elle peut l'être.

Cette répartition des rôles modifie aussi la mesure de la valeur financière de l'IA. Le gain évident porte sur la réduction des tâches manuelles, comme le rapprochement des factures et la réconciliation, où les équipes financières peuvent automatiser et redéployer leurs effectifs vers des activités à plus forte valeur.

L'opportunité plus profonde consiste à remonter les contrôles financiers en amont. La finance d'entreprise a longtemps fonctionné a posteriori ; couplée à des données de paiement en temps réel, l'IA peut rapprocher les contrôles sur les exceptions, la fraude et les écarts du moment où l'argent change de mains. Ryan Taylor décrit ce mouvement comme la réduction de « la distance entre l'information et l'action ».

« Les organisations qui tirent le meilleur parti de l'IA ne seront pas celles qui ajoutent des chatbots à des systèmes hérités », affirme-t-il. « Ce seront celles qui traitent les paiements comme une infrastructure centrale. »