L’apport de l’IA dans la simplification du processus de souscription d’un crédit

Le recours au crédit permet pour rappel aux particuliers comme aux professionnels de financer un projet. Le principe est connu : le prêteur (banques, établissement de crédit, caisse de crédit municipale… etc) met des fonds à disposition du demandeur (particulier comme professionnel), avec des taux et des conditions de remboursement qui lui sont propres.

Le cycle de vie d’un crédit peut être résumé au travers des six étapes suivantes qui, mises bout à bout, peuvent s’avérer longues et réduire la satisfaction client qui est un facteur clé de succès sur ce marché de plus en plus concurrentiel. En effet, d'après le World Retail Banking Report publié en 2021, 81% des clients interrogés déclarent que la facilité d’accès et la flexibilité des services bancaires peuvent les motiver à remplacer leur banque traditionnelle par un prestataire financier nouvelle génération.

L’intelligence artificielle peut avoir un impact sur chacune des étapes clés du cycle de vie d’un crédit en répondant aux besoins croissants d’immédiateté et d’autonomie des clients. Prenons quelques exemples sur quatre de ces phases :

1. Souscription/Entrée en relation avec le client

La phase de souscription a déjà été révolutionnée ces dernières années. Elle peut maintenant être réalisée 100% en ligne via la dématérialisation des documents que les clients doivent fournir à la banque.

L’Intelligence artificielle simplifie d’autant plus le processus de souscription de crédit car après envoi, les pièces d’identités sont contrôlées de manière automatique tout en permettant de certifier de leur authenticité et de leur conformité. A titre d’exemple, la Caisse des dépôts[2] a pu atteindre jusqu’à 90% de lecture automatique des documents avec la possibilité pour les gestionnaires d’y accéder dans la seconde. 

La puissance de l’IA est donc un enjeu majeur car en plus du gain de temps, elle permet de répondre aux exigences réglementaires et de conformité dès la première étape du cycle de vie d’un crédit.

2. Simulation : vérification de l’éligibilité du client

L’établissement bancaire doit ensuite procéder à une inspection rigoureuse de l’identité de l’emprunteur mais aussi de sa solvabilité. Cela implique des analyses longues et une très forte mobilisation des équipes pour vérifier en plus des documents d’identité, le RIB, les bulletins de salaire, les avis d’imposition ou encore le justificatif de domicile. 

La consultation des fichiers de la Banque de France est un autre passage obligé qui permet de s’assurer que le souscripteur n’est pas inscrit pour des incidents de paiement. L’analyse de tous ces documents par les banques, les courtiers, les assurances et les organismes de financements spécialisés, représente une part importante du temps alloué à la gestion des dossiers. 

Accélérer cette étape est donc un véritable enjeu car cela permettrait au backoffice de recevoir une réponse en quelques secondes, quand cette analyse manuelle pouvait prendre plusieurs heures. Le parcours est ainsi fluidifié et répond d’une part aux exigences des clients en leur faisant obtenir des fonds dans des délais bien plus courts, et d’autre part aux exigences des opérationnels puisque les tâches d’analyse des données qui pouvaient s’avérer longues et peu valorisantes se voient supprimées pour laisser place à des tâches plus commerciales et/ou stratégiques dont la valeur ajoutée est, de fait, plus importante.

Cette amélioration s’illustre d’ailleurs très concrètement avec des acteurs bancaires comme BNP Paribas qui grâce à la génération de langage naturel (NLG) ont pu automatiser la production de rapports découlant de l’analyse financière des dossiers de crédit et libérer du temps à leurs commerciaux pour approfondir l’étude des projets de crédits. Un gain de temps d’environ 25% sur l’analyse financière a pu être observé alors que ce volet d’analyse représentait 30 à 40% du temps consacré à un dossier.

3. Instruction : récupérer les données bancaires pour les exploiter

La DSP2 (Directive sur les Services de Paiement 2) a permis de définir un cadre juridique afin de mieux protéger les banques et les clients dans les échanges de données au travers de l’open banking. Via un processus d’authentification forte, le client va ainsi pouvoir autoriser le partage de ses informations bancaires sous forme numérique.

De plus en plus de personnes étant multi-bancarisés, des agrégateurs de comptes ont ainsi été créés en proposant l’accès à des interfaces permettant de récupérer l’ensemble des données bancaires d’un client (relevé de compte, épargne, crédits en cours…). L’open banking facilite en effet l’accès des acteurs tiers aux données des établissements bancaires.

On retrouve l’illustration de ce progrès avec des innovations récentes : le constructeur immobilier Trecobat et le groupe Arkéa ont en effet regroupé sur la même plateforme toutes les étapes d’un projet immobilier en sécurisant l’ensemble des informations partagées grâce à la blockchain. L'interface permet ainsi de centraliser les notaires, avocats, agents immobiliers, constructeurs, banquiers, courtiers et acquéreurs.

La plateforme est utilisable pour différents types de projet immobilier (construction, acquisition, rénovation) nécessitant un prêt. Les documents (plans, compromis de vente, offre de prêt), peuvent ainsi être partagés entre les acteurs et les échanges sont tracés via la technologie blockchain. L'outil multi-acteurs peut également mettre en concurrence différents acteurs bancaires et constructeurs.

4. Analyse de risque : mesurer, suivre et couvrir le risque

Le risque de crédit est le risque que le débiteur ne réponde pas à son obligation initiale qui est de rembourser le crédit. L’analyse de risque va permettre en ce sens d’examiner l’ensemble des données bancaires récupérées pour avoir une meilleure maîtrise de ce risque.

En effet, lorsqu’une banque octroie un crédit de mauvaise qualité, elle doit accroître le provisionnement de ses fonds propres, ce scénario est coûteux et s’additionne aux faibles marges du secteur. Il est donc évident que pour un organisme de crédit, le taux de recouvrement est un indicateur de performance essentiel. C’est d’ailleurs pour cette raison que l’analyse de risque prenait auparavant autant de temps, aujourd’hui la data et l’IA permettent d’accélérer cette phase d’analyse.

Google Cloud et l’outil baptisé Leading DocAI [5]permettent en ce sens d’analyser des justificatifs nécessaires à la souscription d’un prêt immobilier. Cette solution a trois avantages principaux :

1. Gain de temps : la solution utilise la reconnaissance optique de caractères (OCR). Cette optimisation de capture des données permet de gagner du temps en réduisant le temps consacré au traitement des documents.
2. Réduction des coûts : en supprimant le contrôle manuel humain, une réduction des coûts s’effectue de manière naturelle
3. Réponses aux exigences réglementaires et de conformité : Pour Google Cloud, cette technologie contribue à « réduire les risques et améliorer la conformité en tirant parti d'une somme de technologies », comme le contrôle et la transparence d'accès aux données, mais aussi l’hébergement des données.

Conclusion : 

Les phases en amont de la contractualisation d’un prêt bancaire sont encore aujourd’hui chronophages. Dans un environnement toujours plus concurrentiel, l’Intelligence Artificielle permet d’alléger la charge de travail des conseillers, qui se concentrent sur leur mission commerciale à haute valeur ajoutée. L’Intelligence Artificielle est en ce sens un véritable atout car elle réduit fortement le risque en offrant un contrôle rapide, complet et sûr du comportement bancaire tout en facilitant la prise de décision. Elle permet également d’uniformiser l’analyse de documents pour limiter le risque d’erreur lié à une étude manuelle.