Bibliographie sélective OHADA

Ce mémoire propose une analyse comparative de l'intégration de l'intelligence artificielle (IA) dans le secteur de la conformité bancaire, en s'intéressant aux approches européennes et canadiennes. Tandis que l'Union européenne a choisi de structurer cet encadrement à travers un règlement spécifique, le Canada avance de manière plus fragmentée, particulièrement depuis l'abandon du projet de loi C-27. Au fil de l'étude, plusieurs défis communs émergent : multiplication des normes, chevauchement des obligations, et insécurité juridique, autant de facteurs qui compliquent l'adoption d'outils d'IA dans le respect des exigences de conformité. L'analyse met en lumière les conséquences concrètes de cette fragmentation, notamment la hausse des coûts de conformité et un frein à l'innovation technologique. À partir de ces constats, ce travail propose des pistes pour clarifier et mieux articuler les règles existantes, en vue de bâtir un cadre plus lisible, cohérent et propice à l'innovation. En définitive, l’objectif poursuivi est d’esquisser les contours d’une régulation de l’IA adaptée aux défis du secteur bancaire, dans un contexte technologique en perpétuelle évolution. This thesis offers a comparative analysis of the integration of artificial intelligence (AI) into the field of banking compliance, focusing on the European and Canadian approaches. While the European Union has chosen to frame this integration through a specific regulation, Canada is advancing in a more fragmented manner, particularly following the abandonment of Bill C-27. Throughout the study, several common challenges emerge: the multiplication of standards, overlapping obligations, and legal uncertainty, all of which complicate the adoption of AI tools while ensuring regulatory compliance. The analysis highlights the concrete consequences of this fragmentation, including rising compliance costs and a potential slowdown in technological innovation. Based on these findings, this work proposes avenues for clarifying and better coordinating existing regulations, aiming to build a more coherent, understandable, and innovation-friendly framework. Ultimately, the goal is to outline a regulatory model for AI that meets the evolving challenges faced by the banking sector in an ever-changing technological landscape