Deuxième volet d'une série en trois parties consacrée à la banque agentique, rédigée par Geert van Kerckhoven, PDG et cofondateur d'Oper.

C'est le front-office qui fait la une. Mais si vous me demandez où l'IA génère actuellement le retour sur investissement le plus immédiat et le plus mesurable dans le domaine du crédit immobilier, la réponse est : le mid-office et le back-office. Et si vous me demandez où se trouve l'opportunité la plus transformatrice à long terme, la réponse surprend la plupart des gens : c'est dans ce qui se passe une fois le prêt enregistré.

L'intelligence documentaire à grande échelle

Le principal obstacle dans le processus d'octroi de prêts hypothécaires n'a pas changé depuis des décennies : les documents. Il faut les rassembler, les lire, les valider, les comparer aux conditions générales, les renvoyer lorsqu'il manque des éléments, attendre qu'ils soient renvoyés, puis recommencer le cycle.

L'IA agentique élimine définitivement ce goulot d'étranglement. Les agents analysent les fichiers PDF, les relevés bancaires, les pièces d'identité, les documents immobiliers et les justificatifs de revenus. Ils classent les fichiers, détectent les pages manquantes et extraient des entités (noms, coordonnées de l'employeur, flux de trésorerie, soldes de compte) à partir de données multilingues et multiformats. Il ne s'agit plus de l'OCR rudimentaire d'il y a cinq ans. C'est une véritable compréhension : saisir le sens d'un document, et pas seulement ce qu'il dit.

Les chiffres sont impressionnants. La souscription assistée par l'IA permet de traiter 70 à 85 % des demandes de crédit sans intervention humaine. Les flux de travail automatisés réduisent les coûts de traitement par prêt de 35 à 50 %. Freddie Mac estime que les prêteurs qui exploitent pleinement l'automatisation par l'IA peuvent économiser jusqu'à 1 500 dollars par prêt et raccourcir les cycles de production de cinq jours en moyenne. Automation Anywhere indique que l'automatisation des processus réduit le temps de traitement de 88 %.

Et on n'en est plus au stade pilote. Selon Celent, 83 % des établissements de crédit prévoient d'augmenter leurs budgets consacrés à l'IA générative en 2026. Les deux tiers d'entre eux ont déjà mis en place ou s'apprêtent à mettre en œuvre des stratégies d'IA générative cette année. Le marché a désormais définitivement dépassé le stade de l'expérimentation.

C'est dans le domaine des prêts, qu'ils soient classiques ou non conventionnels – où la complexité des documents et les cas particuliers se multiplient –, que nous assisterons aux progrès les plus spectaculaires. Grâce à ces outils, les agents pourront en un clin d'œil interroger des bases de données externes, vérifier les antécédents professionnels, recouper les déclarations fiscales et consulter les registres réglementaires. Les analystes des services de middle-office et de back-office, qui passaient auparavant des heures à constituer un dossier, n'auront plus besoin que de quelques minutes pour l'examiner.

Le comité de crédit de l'IA

Voici un concept qui peut paraître radical, jusqu’à ce qu’on y réfléchisse cinq minutes : la délibération multi-agents en matière de crédit.

Aujourd'hui, un comité de crédit est un groupe de professionnels expérimentés qui examinent un dossier et évaluent la solvabilité d'un emprunteur. Ils apportent des points de vue variés : appétit pour le risque, connaissance de la réglementation, équilibre du portefeuille, contexte relationnel. Ce processus fonctionne, mais il est lent, coûteux et limité par les ressources humaines disponibles.

Imaginez maintenant plusieurs agents – pouvant fonctionner selon des modèles différents, avec des spécialisations variées – menant cette même réflexion. Un agent analyse le risque financier. Un autre évalue le modèle économique. Un troisième vérifie la conformité réglementaire. Ils exposent leurs conclusions, signalent leurs désaccords et formulent une recommandation structurée. McKinsey décrit ces équipes comme des « équipes multi-agents » qui facilitent l’ensemble des processus d’examen de crédit, et indique qu’un établissement financier utilise déjà un système multi-agents pour rédiger des évaluations des risques financiers destinées à ses clients entreprises.

L'humain ne disparaît pas. Il devient le dernier relecteur : il s'assure que les limites ont été respectées, vérifie qu'il n'y a pas de discrimination et fait preuve de discernement dans les cas limites. Mais la préparation, qui prenait auparavant plusieurs jours, s'effectue désormais presque en temps réel. McKinsey estime que le gain de productivité se situe entre 40 et 80 % par cas d'utilisation, avec une prise de décision environ 30 % plus rapide.

La question de la conformité revêt une importance cruciale. Les systèmes d’IA analysent désormais des centaines, voire des milliers de variables, contrairement aux modèles traditionnels qui utilisent moins de 20 points de données, ce qui permet d’augmenter de 25 à 50 % le taux d’acceptation des prêts sans risque supplémentaire. Mais ce pouvoir s’accompagne de responsabilités. Les 89 millions de dollars d'amendes infligées à Apple et Goldman Sachs pour des problèmes de discrimination algorithmique en 2024 soulignent pourquoi la présence humaine dans la boucle n'est pas facultative : elle est vitale. Meilleure pratique : mettre en place un comité des risques liés aux modèles doté d'une autorité en matière d'approbations, d'évaluations de performance, de gestion des exceptions et de décisions de retrait.

Les garanties sous un nouvel angle

En matière de prêts garantis – notamment les prêts hypothécaires –, l'IA multimodale révolutionne également la manière dont vous évaluez la garantie elle-même.

La vision par ordinateur permet désormais d'évaluer l'état des biens immobiliers à grande échelle à partir d'images. Le partenariat entre Restb.ai et HomeVision, annoncé en mars 2025, utilise la vision par ordinateur pour détecter les incohérences entre les données d'évaluation et les images des biens, analysant automatiquement l'état des biens et fournissant des informations visuelles. Plus de 70 % des agences immobilières utilisent désormais des modèles basés sur l'IA pour l'évaluation. Fannie Mae et Freddie Mac approuvent les modèles d'évaluation automatisés pour certains produits hypothécaires, Fannie Mae indiquant que la collecte standardisée de données permet aux consommateurs d'économiser entre 350 et 400 dollars par rapport aux évaluations traditionnelles.

En juin 2024, le CFPB a approuvé de nouvelles règles relatives à l'utilisation de l'IA et des algorithmes pour l'évaluation immobilière, établissant ainsi des normes de qualité pour les modèles d'évaluation automatisés. Le cadre réglementaire régissant l'évaluation immobilière basée sur l'IA est désormais en place. La technologie est arrivée à maturité. Et pour les prêteurs qui traitent des milliers de demandes de prêt immobilier, la combinaison de l'analyse automatisée des documents et de l'évaluation automatisée des biens immobiliers permet de mettre en place un processus entièrement automatisé, de la demande à la décision de crédit.

Au-delà de la RPA : la gestion du cycle de vie

La plupart des discussions sur l'IA dans le domaine du crédit s'arrêtent à la phase d'octroi. C'est une erreur. C'est peut-être dans ce qui se passe après l'octroi du prêt que résident les implications les plus transformatrices.

Aujourd'hui, la gestion du cycle de vie est un véritable univers de formulaires. Un emprunteur souhaite changer de garantie : un formulaire. Un bien immobilier est divisé à la suite d'un divorce : un formulaire. Une personne décède et la succession doit être réorganisée : un formulaire. Chaque formulaire déclenche une saisie dans le système bancaire central. La RPA a déjà automatisé bon nombre de ces tâches administratives, et il faut lui rendre justice : cela a été utile.

Mais la RPA est fragile. Elle suit des scripts. Elle tombe en panne dès que le processus change. Elle ne peut pas gérer l'ambiguïté, les exceptions ou les tâches qui nécessitent de comprendre le contexte.

L'IA agentique est différente. Un agent qui comprend les étapes du cycle de vie, connaît les procédures, a accès aux outils – le système bancaire central, la plateforme de gestion documentaire, les bases de données réglementaires – et est capable d'analyser les spécificités de chaque cas. Un emprunteur envoie un e-mail pour demander une modification. L'agent récupère l'e-mail, interprète la demande, vérifie l'éligibilité, exécute la tâche sur l'ensemble des systèmes, envoie une confirmation et planifie les suivis. Il ne s'agit pas d'un workflow prédéfini, mais d'un processus adaptatif qui gère la variabilité de la vie réelle.

Les audits post-clôture basés sur l'IA permettent désormais d'examiner l'intégralité des prêts, contre un échantillon de 10 % auparavant, ce qui réduit d'environ 50 % le risque de rachat et le temps consacré à la préparation des audits. Fannie Mae fait état d'une baisse moyenne de 29 % des coûts opérationnels pour les prêteurs utilisant l'IA, ainsi que d'une réduction de 50 % des cas de fraude hypothécaire grâce à la détection basée sur l'apprentissage automatique.

La thèse du coût des jetons

Voici l'argument qui, selon moi, change la donne dans le domaine du crédit – et cela n'a rien à voir avec la souscription de prêts.

Lorsque le coût d'une modification de prêt s'évalue en jetons et non plus en heures, tout l'éventail des possibilités de conception de produits s'ouvre.

Aujourd'hui, les modifications de prêt coûtent cher. Elles nécessitent l'intervention d'analystes pour examiner, traiter et enregistrer les changements. Les prêteurs les limitent donc au strict minimum. De nombreuses fonctionnalités qui amélioreraient réellement la situation des emprunteurs sont tout simplement supprimées du produit, car leur coût opérationnel ne justifie pas les avantages qu'elles apportent. Des ajustements de taux après des travaux de rénovation ? Trop coûteux à traiter manuellement. Un amortissement dynamique en fonction des événements de la vie ? Irréalisable sur le plan opérationnel. Un suivi continu de l'efficacité énergétique permettant de bénéficier de taux plus avantageux ? Personne ne dispose du personnel nécessaire pour cela.

Mais lorsque le coût marginal du traitement d'une modification ne représentera plus qu'une fraction de ce qu'il coûte aujourd'hui – parce que les agents fonctionnent 24 heures sur 24, 7 jours sur 7, s'adaptent de manière élastique et fonctionnent à des prix symboliques qui baissent d'année en année –, ces tâches supprimées refont surface. Et avec elles, des catégories de produits entièrement nouvelles.

Tableaux d'amortissement dynamiques

Imaginez un prêt immobilier dont le plan de remboursement s'adapte automatiquement en fonction des événements de la vie : perte d'emploi, augmentation de salaire, congé parental, départ à la retraite. L'agent suit, vérifie et modifie le plan. Pas de formulaires. Pas d'attente.

Révision des tarifs liée à l'efficacité énergétique

Un emprunteur rénove son logement, améliorant ainsi sa performance énergétique. L'agent détecte ce changement grâce aux données des factures d'énergie, aux permis de rénovation ou aux certificats de performance énergétique mis à jour, le vérifie, puis ajuste le taux d'intérêt en conséquence. Une tâche qui était impossible lorsqu'elle nécessitait une intervention humaine devient une fonctionnalité standard du produit.

Suivi continu après la clôture

Les vérifications qui avaient été supprimées pour des raisons de coût – vérification des revenus, état du bien immobilier, conformité des assurances – redeviennent la norme dès lors qu'elles ne coûtent plus que quelques centimes au lieu de plusieurs heures. La gestion des risques du prêteur s'en trouve améliorée, et l'emprunteur bénéficie de meilleures conditions, car le prêteur dispose d'informations plus complètes.

‍

Une étude de Forrester confirme cette tendance : 70 % des acteurs du secteur des services financiers interrogés prévoient d'utiliser l'IA agentique pour offrir des expériences personnalisées qui n'étaient auparavant accessibles qu'aux particuliers fortunés, notamment le refinancement automatique en cas de baisse des taux et la gestion proactive de portefeuille. Une entreprise du secteur des services financiers dispose déjà de 60 agents IA en production et prévoit d'en compter plus de 200 d'ici 2026.

Les implications en matière d'accessibilité financière sont considérables. Des produits plus flexibles, un service plus réactif et des coûts d'exploitation réduits contribuent tous à façonner un paysage hypothécaire où les prêts peuvent être plus abordables, plus personnalisés et mieux adaptés aux réalités de la vie des emprunteurs. Il ne s'agit pas d'une simple évolution. C'est un tout autre type de produit.

Prochain épisode de cette série : les conditions indispensables pour que tout cela fonctionne : sélection des modèles, déploiement à l'échelle nationale et la date butoir de la loi européenne sur l'IA, qui approche plus vite que ne le pensent la plupart des banques.

Geert est PDG d'Oper Credits, une plateforme paneuropéenne de montage de prêts hypothécaires. Herman est l'agent IA d'Oper dédié aux prêts immobiliers résidentiels, déjà opérationnel auprès de plus de 22 établissements financiers dans six pays de l'UE.