La numérisation complète du processus de crédit est en cours. Aujourd'hui, les prêts à la consommation peuvent être clôturés en 15 minutes, mais les financements encore plus complexes et les prêts aux entreprises ne tardent pas à arriver grâce à l'intelligence artificielle.
Comme l'utilisation de l'intelligence artificielle (IA) est adaptée pour améliorer le flux d'informations, entre le client et la banque, mais aussi au sein d'une banque. Un grand nombre d'institutions financières des secteurs coopératif, public et privé utilisent déjà cette application.
En outre, la technologie est parfaitement adaptée pour soutenir les conseillers et les analystes bancaires dans le cadre des processus de prêt et de financement immobilier utilisant des données structurées et non structurées. Dans l'idéal, ces processus peuvent même être entièrement automatisés.
Révolution du secteur du crédit grâce à l'intelligence artificielle
Avec l'aide de l'IA, par exemple, il est possible d'obtenir des informations rapides sur la solvabilité d'un client privé à partir des analyses de flux de trésorerie. Mais aussi en extrayant, analysant et interprétant des éléments d'information individuels de documents financiers d'entreprise complexes tels que les rapports annuels ou les bilans, les processus d'approbation de crédit peuvent être considérablement accélérés aujourd'hui.
Dans ce qui suit, les effets possibles sur les prêts aux particuliers et aux entreprises ainsi que sur le domaine du crédit hypothécaire seront examinés plus en détail.
Intelligence artificielle et prêts au détail
La demande croissante de prêts en ligne n'est guère surprenante : plus de la moitié des banques mettent désormais moins de 15 minutes à conclure un prêt à la consommation, et le prêt est généralement remboursé en un ou deux jours. Dans l'ensemble, il a été démontré que la demande d'un prêt en ligne d'un montant maximal d’environs 100 000 euros, ne pose pas de problème aux consommateurs sur le marché. La quasi-totalité des établissements offre un crédit en ligne permettent de télécharger les documents sur leur site web. L'identification est souvent possible par le biais d'une identification vidéo et la signature manuscrite du contrat est rarement requise. Cela signifie que le processus de demande est largement numérisé.
Malgré la numérisation croissante du processus de demande, dans de nombreuses institutions, le traitement et la décision de clôture du dossier de prêt, sont encore souvent effectués avec un degré élevé d'effort manuel. Les documents de demande sont validés manuellement et des agences de crédit externes sont intégrées pour enquêter sur la solvabilité d'un client sur la base de ses revenus, de ses dépenses, de sa relation de travail ou de ses antécédents en matière de crédit.
Après que les processus de crédit, aient été transférés vers des outils de gestion des flux de travail ces dernières années, les institutions numérisent désormais de plus en plus tous les éléments de l'examen du contenu du processus de demande. Par exemple, des informations telles que les fiches de salaire, les registres fonciers ou les détails de l'objet à financer sont analysées et traitées automatiquement en quelques secondes, grâce à la technologie OCR (reconnaissance optique de caractères) et à l'intelligence artificielle.
La solvabilité des clients est ensuite déterminée sur la base d'une analyse des flux de trésorerie. Les points de données PSD2 d'autres institutions peuvent également être utilisés dans ce processus. La loi sur la protection des données soutient désormais la numérisation des processus de crédit par le biais du règlement de base sur la protection des données (RGPD). Le RGPD a créé la base pour la standardisation du traitement des données des clients ainsi que l'obtention et la documentation du consentement des clients.
Intelligence artificielle et prêts d'entreprise
En revanche, la réalisation d'un prêt d'entreprise en ligne, qui se caractérise par des réglementations telles que la loi bancaire, est plus difficile. Par conséquent, le processus nécessite une documentation détaillée et est plus complexe que celui des prêts de détail.
Selon l'enquête sur le crédit aux petites entreprises de la Réserve fédérale de New York, les entreprises new-yorkaises de taille moyenne, comptant jusqu'à 500 employés ont passé en moyenne 33 heures en interne pour demander un prêt en 2014. Par la suite, la demande a été rejetée par 42 % de ces demandeurs. Un processus de crédit aussi long et infructueux a un fort impact négatif sur la satisfaction des clients, mais présente un grand potentiel d'automatisation grâce à l'intelligence artificielle.
Aujourd'hui, un tableau similaire se dessine, en ce qui concerne la numérisation des processus de crédit aux entreprises, comme le montre une étude de l'Association nationale des associations du secteur bancaire. En 2017, trois pour cent de toutes les entreprises utilisaient un site web d'une banque et cinq pour cent utilisaient des portails Internet pour conclure des prêts. Pour les grandes entreprises parmi elles, avec un chiffre d'affaires annuel de plus de 50 millions d'euros, cela ne représentait qu'un pour cent dans chaque cas.Si le nombre de demandes de crédit des entreprises est nettement inférieur à celui des clients privés, le potentiel de gain de temps pour les prêts aux entreprises est beaucoup plus élevé, surtout pour les grandes entreprises.
Selon une étude PWC, 60 % des petites et moyennes entreprises, sont déjà en mesure de prendre une décision de crédit dans les cinq jours. En revanche, 65 % des moyennes entreprises clientes ne sont pas en mesure de traiter une demande de prêt, dans un délai de cinq jours. Dans le cas des grandes entreprises, ce chiffre atteint 89 % de l'ensemble des institutions. Le défi pour les entreprises, en particulier est celles qui sont axées sur le marché des capitaux, est l'analyse des nombreux documents du processus de crédit. Le document central ici, est généralement la fiche financière annuelle, qui est d'abord normalisée afin de procéder à une notation sur cette base. En règle générale, ce processus est effectué manuellement par des analystes en interne ou par des prestataires de services externes et prend plusieurs jours, en fonction de la portée et de la complexité des états financiers.
Toutefois, grâce à la reconnaissance optique de caractères (OCR) et au traitement du langage naturel (NLP), le processus de répartition financière, qui prend beaucoup de temps, peut désormais être largement automatisé. Cela réduit le temps nécessaire à l'analyse des documents de plusieurs jours à quelques minutes seulement.
Par exemple, une application d'IA d'IBM peut extraire des données pertinentes sous forme structurée et non structurée et connaît toutes les options de comptabilité et de mesure. Ainsi, le bilan et le compte de résultat peuvent être convertis en un formulaire uniforme comportant plus de 200 postes. L'application détermine un niveau de confiance pour chaque position, permet à l'analyste de retracer l'origine de chaque position dans le document original et calcule des ratios standard. Enfin, l'analyste est chargé de vérifier les écarts générés automatiquement et de déterminer la notation à l'aide des outils de notation établis.
Utilisation de l'IA pour les prêts hypothécaires
Il existe également un potentiel d'utilisation de l'IA dans le domaine du financement immobilier. Selon les statistiques en 2018, le montant des prêts hypothécaires accordés par les banques aux entreprises nationales et aux particuliers s'élevait à 1 334 milliards d'euros. Cela donne une idée de la valeur des biens immobiliers garantis dans le cadre de ces prêts. Il est donc d'autant plus important de vérifier dans les registres fonciers, les risques qui pourraient réduire la valeur de la propriété garantie.
Le temps et les efforts nécessaires à l'analyse du registre foncier peuvent également être réduits de plusieurs jours à quelques minutes. Comme dans l'analyse des états financiers annuels soutenue par l'IA, l'analyste des risques se voit présenter un contenu pertinent, qui a un impact négatif sur la valeur de la propriété, ce qui lui permet de prendre une décision rapidement.
L'intelligence artificielle a un grand potentiel, mais les banques investissent trop peu
Selon l'étude mentionnée ci-dessus, onze pour cent de tous les établissements de crédit n'ont pas de stratégie de numérisation dans tous les segments, bien que 75 % des applications d'entreprise devraient utiliser l'intelligence artificielle d'ici 2021. Dans le secteur bancaire, les dépenses mondiales en matière d'IA devraient atteindre 3,3 milliards de dollars, et les investissements intersectoriels dans l'IA devraient augmenter de 54 %. Il est étonnant que les États-Unis représentent plus des trois quarts du volume d'investissement dans la technologie. Le comportement des clients dans le secteur du crédit va changer massivement dans les années à venir. Les clients chercheront de plus en plus à obtenir des prêts en ligne et en déplacement afin de bénéficier de délais de traitement courts et de conditions favorables.
Selon une étude de marché, d'ici peu, 27 % de tous les prêts à la consommation seront conclus en ligne. Ce nombre va augmenter et les entreprises utiliseront également de plus en plus les canaux numériques. La technologie est prête à adapter les processus bancaires aux exigences du marché et à rendre les offres telles que les prêts à la consommation, aux entreprises ou les prêts hypothécaires plus efficaces et plus axées sur le client. Les FinTechs utilisent avec succès cette puissance d'innovation depuis plusieurs années, mais les banques traditionnelles devraient également l'utiliser pour adapter leur modèle d'entreprise à l'avenir et inspirer à nouveau leurs clients.